基于異常點(diǎn)檢測的鋰電池管理系統(tǒng)均衡算法

張騫,王雅慧,杜玉良,謝文龍

基于異常點(diǎn)檢測的鋰電池管理系統(tǒng)均衡算法

張騫,王雅慧,杜玉良,謝文龍

（河南科技學(xué)院機(jī)電學(xué)院,河南新鄉(xiāng)453003）

針對鋰電池管理系統(tǒng)均衡技術(shù)在需要均衡電池單體的識別上存在的誤判和漏判問題,提出了基于異常點(diǎn)檢測的鋰電池管理系統(tǒng)均衡算法.采用Z-score標(biāo)準(zhǔn)化方法對電池單體屬性值進(jìn)行預(yù)處理,獲取電池組中所有電池單體的異常值,并通過動態(tài)聚類獲取電池組中異常電池類和正常電池類,進(jìn)而對異常電池類和正常電池類進(jìn)行信息特征分析,結(jié)合均衡控制,開啟均衡電路進(jìn)行均衡.最后通過仿真平臺測試,采用異常點(diǎn)檢測均衡算法能更準(zhǔn)確地識別出異常電池,能更快達(dá)到均衡狀態(tài).

均衡技術(shù)；異常點(diǎn)檢測；動態(tài)聚類

電池技術(shù)、電機(jī)技術(shù)和電控技術(shù),是電動汽車產(chǎn)業(yè)化的三大核心技術(shù),其中電池技術(shù)通過動力電池系統(tǒng)來實(shí)現(xiàn),主要包括動力電池和電池管理系統(tǒng)（BMS）兩大組成部分[2].電池組均衡技術(shù)是電池管理系統(tǒng)的關(guān)鍵任務(wù)之一,如何準(zhǔn)確地檢測出電池組中需要均衡的電池單體是電池組均衡技術(shù)的難題[3].傳統(tǒng)國內(nèi)外汽車廠商對電池組的均衡,大多采用基于電壓的均衡算法,其效果并不理想[4].異常點(diǎn)檢測方法是數(shù)據(jù)挖掘的熱點(diǎn)之一,通過信息特征分析,找出異常和孤立的數(shù)據(jù)[5].這個機(jī)理可以應(yīng)用于多個電池單體的不均衡識別問題.目前,國內(nèi)外還沒有利用異常點(diǎn)檢測方法進(jìn)行電池系統(tǒng)均衡狀態(tài)識別的相關(guān)研究.本研究將異常點(diǎn)檢測方法應(yīng)用于多個電池單體的不均衡識別,以期通過有效的均衡控制策略和均衡電路,對電池組中的電池進(jìn)行均衡操作,降低電池單體之間的差異,防止過充、過放,提高可用容量,延長使用壽命,降低成本,推動電動汽車的大范圍使用.

1 方案總體設(shè)計(jì)

首先,采用鋰電池組的物理特征（電流、單體電壓、總電壓、單體溫度、環(huán)境溫度等）作為均衡判斷的依據(jù)；其次,通過異常點(diǎn)方法獲取電池組中每節(jié)電池單體的異常值；再次,獲取異常點(diǎn)的閾值；然后,通過閾值比較獲得異常類；最后,應(yīng)用均衡控制策略和均衡電路,對電池組進(jìn)行均衡.

1.1 均衡算法基本流程

本文采用一種新的電池組均衡技術(shù)對電池組中需均衡的電池單體進(jìn)行識別,以達(dá)到實(shí)時、準(zhǔn)確地識別電池組中需均衡的電池單體,并對該電池單體采取均衡措施,提高電池組的一致性,進(jìn)而提高電池組的可用容量.

所提出的電池組異常點(diǎn)檢測方法基本流程由信息獲取、預(yù)處理、獲取電池單體異常度、獲取電池單體異常閾值、獲取需均衡的電池單體、均衡控制6部分組成,基于異常點(diǎn)檢測的均衡算法的基本流程見圖1.

圖1 基于異常點(diǎn)檢測的均衡算法基本流程Fig.1 Basic flowofequalization algorithmbased on anomalydetection

1.2 框架設(shè)計(jì)

基于目前電池組均衡技術(shù)的一些缺陷,結(jié)合異常電池偏離正常電池的特性,采用異常點(diǎn)檢測的方法來識別電池組中需均衡的電池,目的是設(shè)計(jì)出一個參數(shù)自適應(yīng)的異常點(diǎn)檢測方法,以實(shí)時識別電池組中需均衡的電池單體.動力鋰電池組均衡算法的初始設(shè)計(jì)框圖如圖2所示.

式中：G為張家界旅游客源市場的地理集中指數(shù)；Xi為第i個客源地的游客數(shù)量；T為目的地接待的游客總量；n為客源地總數(shù)。G值越接近100，游客來源越集中，客源市場越容易受到客源地的社會、經(jīng)濟(jì)、政治等變化的沖擊；G值越小，則客源市場越分散，雖然旅游經(jīng)營穩(wěn)定，但不利于旅游地制定市場營銷戰(zhàn)略，進(jìn)行高效的促銷活動。

圖2 電池組均衡算法初始設(shè)計(jì)框架Fig.2 Initial design frame ofbatteryequalization algorithm

2 算法實(shí)現(xiàn)

2.1 電池組不均衡電池單體識別方法

不均衡電池單體識別模塊流程如圖3所示.

圖3 不均衡電池單體識別模塊流程Fig.3 Imbalance batterymonomer recognition module process

不均衡電池單體識別模塊的主要內(nèi)容如下：采用單體電池的特征參數(shù)（電壓、SOC等）作為判斷電池是否需要均衡的依據(jù)；對電池組中電池單體的屬性運(yùn)用Z-score標(biāo)準(zhǔn)化方法進(jìn)行預(yù)處理；求取電池單體的異常值,每一節(jié)單體的異常值為該單體與電池組中其他所有單體的歐式距離之和；獲取電池組的初始聚類中心,根據(jù)每一節(jié)電池單體的異常度對所有單體進(jìn)行排序,并求取相鄰單體之間的異常度差值,將具有最大差值的兩節(jié)單體作為初始聚類中心；根據(jù)誤差平方和準(zhǔn)則,對電池組中所有單體進(jìn)行動態(tài)聚類,待所有單體歸類完畢,統(tǒng)計(jì)各類中單體的數(shù)目,把具有最少單體個數(shù)的類歸為異常,數(shù)量較大的類歸為正常；對異常類和正常類進(jìn)行再次判斷,輸出需均衡的單體,并對需均衡的單體通過電阻進(jìn)行放電.

2.1.1 鋰電池特征參數(shù)選取 鋰電池輸入輸出參數(shù)如圖4所示,所用鋰電池模型的輸入?yún)?shù)為電池電流I和環(huán)境溫度T0,輸出參數(shù)為電池端電壓V、電池溫度T和SOC.電池組每個單體都包含物理參數(shù)（電壓、溫度、電流等）和數(shù)學(xué)型特征參數(shù)SOC,電池單體使用特征參數(shù)表示,即電池單體1表示為Battery1（V1,Temp1,SOC1,I1）,動力鋰電池組由n節(jié)鋰電池單體串聯(lián)組成,表示為Battery1,Battery2,…,Batteryn.

圖4 鋰電池模型輸入輸出Fig.4 Diagramofthe lithiumbatterymodel input and output

2.1.2 特征參數(shù)廣義規(guī)范 在異常點(diǎn)檢測方法中,計(jì)算鋰電池單體的異常值之前,需對動力鋰電池組中電池單體的各個特征參數(shù)值進(jìn)行預(yù)處理.對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,標(biāo)準(zhǔn)化處理方法采用Z-score標(biāo)準(zhǔn)化處理[6].

Battery＝｛Batteryi｜Batteryi=（Batteryi1,Batteryi2,Batteryi3,…,Batteryij,…,Batteryim）,i=1,2,…,n；j=1,2,…,m｝是電池組,Batteryi表示電池組中第i節(jié)電池單體,電池組中共有n節(jié)電池單體；Batteryij表示電池組中第i節(jié)電池單體的第j個屬性值,第i節(jié)電池單體Batteryi共有m個屬性.經(jīng)過標(biāo)準(zhǔn)化后電池單體的屬性都是無量綱的值,保證了電池組中的異常點(diǎn)檢測結(jié)果不受值域大的電池屬性影響,也不受單位度量的影響.

標(biāo)準(zhǔn)化數(shù)據(jù)公式（Zij為電池組中第i節(jié)電池單體的第j個屬性值標(biāo)準(zhǔn)化后的數(shù)據(jù)）如式（1）所示：

式（1）中Batteryj和δj分別為電池組中電池單體第j個屬性的平均值和標(biāo)準(zhǔn)差,計(jì)算公式見式（2）、式（3）：

2.1.3 電池單體的異常值計(jì)算 根據(jù)基于距離的異常點(diǎn)檢測方法的定義,動力鋰電池組中每一節(jié)電池單體的異常值為電池單體與電池組中某一些電池單體之間距離的總和,電池組中的異常點(diǎn)為異常值大于異常點(diǎn)檢測閾值θ的電池單體.異常點(diǎn)檢測方法在電池組均衡狀態(tài)識別過程中存在因異常點(diǎn)檢測中參數(shù)k和閾值θ設(shè)置不同,會導(dǎo)致完全不同的異常點(diǎn)檢測結(jié)果的問題.通常情況下,傳統(tǒng)基于距離的異常點(diǎn)檢測方法參數(shù),需要用戶反復(fù)地修正初始參數(shù)以獲得較好的效果,從而獲得數(shù)據(jù)集中真正有價值的異常點(diǎn)信息.傳統(tǒng)基于異常點(diǎn)檢測的均衡算法不能準(zhǔn)確識別電池組需均衡的電池單體,其原因是在使用過程中,鋰電池組中電池單體之間參數(shù)（單體電壓,單體溫度等）差異不斷變化,固定的異常點(diǎn)閾值不能準(zhǔn)確檢測出鋰電池組中異常的電池單體.

2.1.4 獲取正常電池類和異常電池類 首先,采集電池組中所有電池的特征數(shù)據(jù)；其次,對電池組中電池單體的屬性運(yùn)用Z-score標(biāo)準(zhǔn)化方法進(jìn)行預(yù)處理；再次,求取電池單體的異常值,每一節(jié)單體的異常度為該單體與電池組中其他所有單體的歐式距離之和；然后,根據(jù)每一節(jié)電池單體的異常度對所有單體進(jìn)行排序,并求取相鄰單體之間的異常度差值,將具有最大差值的兩節(jié)單體作為初始聚類中心；最后,根據(jù)誤差平方和準(zhǔn)則,對電池組中所有單體進(jìn)行動態(tài)聚類,待所有單體歸類完畢,統(tǒng)計(jì)各類中單體的數(shù)目,把數(shù)量小的類歸為異常類,數(shù)量大的類歸為正常類.獲取電池異常類和正常類流程如圖5所示.

圖5 獲取異常類和正常類流程Fig.5 Diagramofexception class and normal class

2.1.5 獲取需放電均衡的電池單體 電池組分為異常電池類和正常電池類后,結(jié)合均衡電路,獲取需放電均衡電池類的流程見圖6.

圖6 獲取需要放電均衡電池類流程Fig.6 Flowchart ofacquiringthe batteryneed discharge equilibrium

具體獲取步驟如下：

（1）判斷異常電池類是否分為異常電池類1和異常電池類2：在正常電池類與異常電池類中各選取一個電池單體,計(jì)算異常電池類中剩余電池單體與選取的電池單體之間的距離,若異常電池類中某一節(jié)電池單體與異常電池類中選取的電池單體之間的距離大于該電池單體與正常電池類中選取的電池單體之間的距離,則該電池單體屬于異常電池類1,否則該電池單體屬于異常電池類2.分別統(tǒng)計(jì)異常電池類1、異常電池類2中電池單體的個數(shù).若異常電池類1、異常電池類2中電池單體個數(shù)都小于異常電池類中電池單體個數(shù),則異常電池類分為異常電池類1和異常電池類2,否則異常電池類不分為異常電池類1和異常電池類2.

（2）若異常電池類分為異常電池類1和異常電池類2,并且異常電池類1中最大異常值的電池單體所有屬性值均大于0,則異常電池類1為需放電均衡類,異常電池類2和正常電池類為不需放電均衡類,否則異常電池類2為需放電均衡類,異常電池類1和正常電池類為不需放電均衡類.

（3）若異常電池類不分為異常電池類1和異常電池類2,并且異常電池類中最大異常值的電池單體所有屬性值均大于0,則異常電池類為需放電均衡類,正常電池類為不需放電均衡類,否則正常電池類為需放電均衡類,異常電池類為不需放電均衡類.

2.2 均衡電路控制

本文均衡電路選擇能耗型電路,結(jié)構(gòu)如圖7所示,動力鋰電池組由n節(jié)電池（Battery1,Battery2,…,Batteryn）串聯(lián)組成,每一節(jié)電池單體對應(yīng)一個均衡電路,均衡電路由電阻和開關(guān)串聯(lián)組成,每一個均衡電路與一節(jié)電池單體并聯(lián).S1,S2,…,Sn為均衡電路中的開關(guān),不均衡電池單體識別模塊輸出開關(guān)控制信號,控制均衡電路中開關(guān)的接通與斷開.R1,R2,…,Rn為均衡電路中的放電電阻,當(dāng)電池組中某一節(jié)電池需要通過電阻放電均衡時,該電池單體對應(yīng)均衡電路中開關(guān)將被接通,電池單體通過電阻放電進(jìn)行均衡.不均衡電池單體識別模塊實(shí)時識別電池組中需放電均衡的電池單體,對需放電均衡的電池單體,接通均衡電路,通過電阻進(jìn)行放電均衡.

圖7 能耗型均衡電路Fig.7 Type ofenergyequalization circuit

3 仿真與分析

本文均衡算法仿真模型的搭建是在Matlab/Simulink里面完成的.基于Matlab/Simulink建立的均衡算法仿真平臺可以快速實(shí)現(xiàn)控制策略的建立和各種工況數(shù)據(jù)的導(dǎo)入,進(jìn)行仿真,快速進(jìn)行算法驗(yàn)證和問題查找.在相同測試條件下,電池組采用3種不同均衡算法（無均衡算法、基于電壓的均衡算法和基于異常點(diǎn)檢測的均衡算法）在恒流充放電模型中和電池管理系統(tǒng)軟件仿真平臺中,進(jìn)行仿真測試,通過對不同均衡算法的仿真結(jié)果進(jìn)行對比分析.

3個電池組（電池組1、電池組2、電池組3）的初始狀態(tài)相同,電池組1采用基于異常點(diǎn)檢測的均衡算法,電池組2采用基于電壓的均衡算法,電池組3沒有采用均衡算法.

對3個電池組進(jìn)行10次1C恒流充放電循環(huán),測試結(jié)束后,再對電池組進(jìn)行一次恒流充電,充電過程中電池組都不采用均衡算法.充電截止,3個電池組中各電池單體SOC對比見圖8,3個電池組中各電池單體電壓對比見圖9.

圖8 充電截止電池組中各電池單體SOCFig.8 Charge cutoff,batterymonomer SOC in batterypack

圖9 充電截止電池組中各電池單體電壓Fig.9 Charge cutoff,batteryvoltage per cell

對電池組進(jìn)行一次恒流放電,放電過程中電池組都不采用均衡算法.放電截止,3個電池組中各電池單體SOC對比見圖10,3個電池組中各電池單體電壓對比見圖11.

圖10 放電截止電池組中電池單體SOC對比Fig.10 Discharge cutoff,comparison ofbatterymonomer SOC in a batterypack

圖11 放電截止電池組中電池單體電壓對比Fig.11 Discharge cutoff,batteryvoltage comparison in batterypack

從仿真結(jié)果可以看出,基于異常點(diǎn)檢測的均衡算法降低了電池之間的電壓、SOC的差異,提高了識別電池組中不均衡電池單體的準(zhǔn)確率,降低了電池組的不一致性.

4 小結(jié)

基于異常點(diǎn)檢測的均衡算法,通過對電池組中電池單體的信息特征分析,實(shí)時獲取鋰電池組中異常的電池,通過有效的均衡控制策略和均衡電路改善電池組的一致性問題,降低電池組中電池之間的性能差異,防止電池過充和過放,提高電池組的可用容量,降低電動汽車成本,有利于推動電動汽車的大范圍使用.

[1]李曉霖.電動汽車動力電池剩余電量估算研究[J].山東工業(yè)技術(shù),2016（21）：89,95.

[2]崔俊博,張勇,王晶.電動汽車動力電池的研究[J].新技術(shù)新工藝,2010（9）：81-83.

[3]張劍波,盧蘭光,李哲.車用動力電池系統(tǒng)的關(guān)鍵技術(shù)與學(xué)科前沿[J].汽車安全與節(jié)能學(xué)報(bào),2012,3（2）：87-104.

[4]張金龍.動力電池組SOC估算及均衡控制方法研究[D].天津：天津大學(xué),2011.

[5]程艷云.基于大數(shù)據(jù)的時間序列異常點(diǎn)檢測研究[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016（5）：139-144.

[6]沈琰輝.基于鄰域散度的異常點(diǎn)檢測算法[J].計(jì)算機(jī)科學(xué)與探索,2016（12）：1763-1772.

Cell balancing algorithm of lithium battery management system based on anomaly detection

ZHANG Qian,WANG Yahui,DU Yuliang,XIE Wenlong
（School ofMechanical and Electrical Engineering,Henan Institute ofScience and Technology,Xinxiang 453003,China）

For current cell balancing techniques in lithium battery management system,identify the need for a balanced,exist the false positives and false negatives problems,a lithium battery management system balancing algorithm based on outlier detection was proposed in this paper.Using Z-score normalization method to pretreat attribute value of the battery cell groups,obtain the degree of abnormalities of each battery monomers,then get the abnormal and normal category group through dynamic clustering,analysis the information feature for abnormal cells and normal cells,combined with a balanced control strategy and cell balancing circuitry,against the need to equalize.Finally,use the simulation platform test,the anomaly detection cell balancing algorithm is more accurate to identify the abnormal cells,can reach balance fastert.

balancing technology；anomaly detection；dynamic clustering

TM912

A

1008-7516（2017）05-0057-08

10.3969/j.issn.1008-7516.2017.05.011

2017-06-15

張騫（1985—）,男,河南新鄉(xiāng)人,碩士,助教.主要從事新能源汽車研究.

（責(zé)任編輯：盧奇）