電動汽車熱失控預警網關設計與實現(xiàn)

湯 程，葛 愿*，吳浙勛，曾祥兵，范曉東,王思思

(1.安徽工程大學 電氣工程學院，安徽 蕪湖 241000；2.安徽信息工程學院 電氣與電子工程學院，安徽 蕪湖 241199；3.奇瑞新能源汽車股份有限公司 電池系統(tǒng)部，安徽 蕪湖 241002；4.安徽信義電源有限公司，安徽 蕪湖 241060)

近年來，為了應對能源危機，減少溫室氣體排放，各國先后開始大力發(fā)展電動汽車產業(yè)，我國的“十四五”規(guī)劃也明確表示了中國電動汽車邁入加速發(fā)展新階段。隨著電動汽車不斷普及，用戶對電動汽車的要求也在與日俱增，如何在標準體積和重量限制下提升電動汽車行駛里程成為從業(yè)人員研究重點。鋰電池作為電動汽車動力來源，在上述條件限制下，勢必要通過提高能量密度來提升電動汽車最大行駛里程。而能量密度增加會導致鋰電池產熱能力大幅提升，當其大于電動汽車最大散熱效率時，將導致電池工作溫度不斷升高，最終發(fā)展成熱失控，同時碰撞擠壓、過充電等因素都可能導致鋰電池在極短時間內發(fā)生放熱連鎖反應，進一步發(fā)展成熱失控，發(fā)生冒煙、起火甚至是爆炸事故。

為了降低鋰離子電池事故發(fā)生率，保障公眾生命、財產安全，對鋰離子電池安全性能研究成為了電池研發(fā)的重要方向。目前研究主要集中在兩個方面：一是提升電池制作工藝，通過材料摻雜改性優(yōu)化、改善隔膜制備工藝、表面包覆等方式提升電池安全性。并且電池廠家會在電池出廠前根據相應電池安全測試規(guī)范進行測試實驗，判斷其是否達到安全性能檢測要求。二是引入電池熱失控預警機制。在電池熱失控過程中，電壓、內阻、荷電狀態(tài)(State of Charge，SOC)等參數(shù)會發(fā)生明顯變化，且在熱失控過程不同階段會產生對應特征氣體，通過電池管理系統(tǒng)(Battery Management System，BMS)實時采集電池電壓、內阻、SOC等參數(shù)以及使用氣體傳感器監(jiān)測特征氣體變化情況，再利用這些數(shù)據為BMS執(zhí)行電池熱失控預警算法提供依據。

由于處理器性能不足，導致汽車BMS只能運行簡單算法，誤報、漏報率高；且存儲空間有限使得電池數(shù)據無法得到有效存儲，浪費寶貴數(shù)據資源；同時還有部分電動汽車存在無法聯(lián)網的問題，算法和系統(tǒng)只能線下定點更新，過程十分繁瑣?；诖?，研究設計了一種實時監(jiān)控電動汽車電池安全狀態(tài)的網關，該網關為云邊協(xié)同工作模式：在本地執(zhí)行算法滿足預警實時性要求；利用無線通訊實現(xiàn)電池數(shù)據上傳及算法下載更新，解決某些電動汽車無法聯(lián)網的問題；在云端建立數(shù)據庫長期存儲電池工作數(shù)據，提升數(shù)據利用率，有助于電池生產廠更新電池制作工藝、汽車組裝廠完善汽車安全機制、更好地實現(xiàn)電池梯次利用，促進電動汽車上下游產業(yè)鏈發(fā)展；利用云服務器算力優(yōu)勢定期優(yōu)化預警模型，提高預警準確率。

1 總體方案設計

電池熱失控預警系統(tǒng)結構圖如圖1所示。由圖1可知，方案由云平臺和車載網關兩部分組成。車載網關通過CAN總線獲取汽車BMS中電池數(shù)據，將數(shù)據處理后導入熱失控預警模型，判斷電池是否存在發(fā)生熱失控的可能，根據MQTT協(xié)議將電池數(shù)據上傳至云平臺。云平臺負責數(shù)據接收、監(jiān)控，建立云數(shù)據庫長期存儲電池數(shù)據，定期訓練優(yōu)化熱失控預警模型，將優(yōu)化后的模型下發(fā)至網關實現(xiàn)算法自動更新。用戶通過登錄云平臺或接收云平臺推送獲取相關信息。

2 網關硬件設計

網關硬件結構圖如圖2所示。由圖2可知，車載網關硬件組成部分包括：核心處理器、無線通訊模塊、存儲模塊、晶振電路、接口電路、電源電路。其中顯示屏用于顯示實時數(shù)據，配合JTAG、UART接口方便程序調試升級。SD卡用于暫時存儲電池數(shù)據，防止無線通訊中斷造成數(shù)據丟失。

圖1 電池熱失控預警系統(tǒng)結構圖 圖2 網關硬件結構圖

2.1 主控芯片

主控芯片選擇基于Cortex-M3內核的STM32F103ZET6作為網關的核心控制器，STM32F103ZET6融高性能、實時性、數(shù)字信號處理、低功耗、低電壓于一身，保持高集成和開發(fā)簡易的特點，能夠滿足網關對核心控制器的要求。

2.2 電源模塊

網關由汽車直接供電。根據網關內部芯片額定電壓需求，供電方案采用MP 2482穩(wěn)壓芯片將12 V直流電壓轉化為5V直流電壓，采用AMS 086穩(wěn)壓芯片將5V直流電壓轉化為3.3 V直流電壓。

2.3 無線通訊模塊

無線通訊模塊負責上傳本地數(shù)據及接收云端下發(fā)數(shù)據。使用移遠EC20充當網關的無線通訊模塊。EC20使用5 V電壓供電，通過UART接口與網關進行串口通訊。

2.4 CAN通訊接口

選用TJA1042T作為網關的高速CAN收發(fā)器，TJA1042T的作用是將CAN控制器的邏輯電平轉換為CAN總線的差分電平以實現(xiàn)設備間的信息交互。

3 網關軟件設計

選擇FreeRTOS作為網關操作系統(tǒng)，該操作系統(tǒng)強調實時性、短時間內響應，在軟件模塊化和線程并發(fā)性等方面具有極大優(yōu)勢，有利于后續(xù)開發(fā)。同時，滿足物聯(lián)網高速、實時、可靠的要求，能夠有效地提升開發(fā)效率。

3.1 CAN通訊

CAN通訊節(jié)點程序設計實現(xiàn)了車載網關獲取汽車BMS中電池實時數(shù)據的功能。汽車BMS將電池實時數(shù)據發(fā)送到CAN總線上，車載網關再通過CAN通訊接口讀取總線上電池數(shù)據。

3.2 無線通訊

選擇阿里云作為物聯(lián)網平臺，使用C語言進行MQTT協(xié)議開發(fā)。通過網關與物聯(lián)網平臺雙向無線通信，實現(xiàn)電池數(shù)據的上傳、監(jiān)控和存儲，將優(yōu)化后模型參數(shù)下發(fā)至車載網關實現(xiàn)定期更新。上傳時網關需要將電池數(shù)據打包成符合平臺要求的JSON數(shù)據包進行傳輸。

3.3 云端功能設計

研究所述云端功能均在阿里云平臺實現(xiàn)，使用產品包括物聯(lián)網平臺、云數(shù)據庫RDS、云服務器ECS。物聯(lián)網平臺用來接收上傳數(shù)據、下發(fā)優(yōu)化模型、實現(xiàn)數(shù)據實時監(jiān)控；云數(shù)據庫用于存儲電池工作數(shù)據，為相關產業(yè)研究提供數(shù)據支持；云服務器利用不斷更新的云數(shù)據庫定期更新熱失控預警模型，提升模型精度。

3.4 邊緣計算功能設計

為滿足熱失控預警實時、快速、高效的需求，減少數(shù)據傳輸延遲帶來的影響，選擇在網關側進行數(shù)據處理，將電池實時數(shù)據導入熱失控預警模型，判斷電池是否存在發(fā)生熱失控的可能。

(1) 熱失控預警。目前汽車熱失控預警方案多是通過監(jiān)測溫度、煙氣參數(shù)并結合電壓、電流、內阻等參數(shù)對熱失控的出現(xiàn)進行預警。例如東軟瑞馳設計的熱失控預警策略，根據多個電池參量判斷電池安全狀態(tài)。這類方法預警是否準確主要依靠傳感器的布置和精度，不需要使用多傳感器組合的預警方法。例如，Wang等在電動汽車系統(tǒng)電壓故障診斷當中加入了熵的理論；Srinivasan R提出一種基于阻抗相移快速監(jiān)測法監(jiān)測電池內部核心溫度來進行熱失控預警；Feng等提出一種用于檢測電池內短路故障特性的電化學-熱耦合模型。但這些方法都是在實驗室中基于靜態(tài)電池實驗進行驗證，且多用到先進的實驗設備，所需電池參數(shù)汽車BMS大多無法提供，暫時難以實際應用。為解決上述問題，研究提出一種基于大數(shù)據的SVM分類熱失控預警方法。

圖3 SVM分類原理圖

(2)SVM預警算法可行性分析。SVM分類原理圖如圖3所示。SVM算法(Support Vector Machine，SVM)是一種基于統(tǒng)計學理論的機器學習方法，通過建立一個最優(yōu)決策超平面，使得平面兩側樣點與平面間最小距離之和最大化。將待測數(shù)據代入超平面公式，計算出待測數(shù)據屬于哪一類樣本區(qū)間。

此前關于鋰離子電池熱失控機理研究表明鋰離子電池在熱失控過程中常伴隨著電壓、電流、SOC等參數(shù)的異常變化。因此電池在正常工作狀態(tài)下，電池參數(shù)與熱失控前期電池參數(shù)是存在區(qū)別的，將這兩類樣本數(shù)據加以不同標簽進行分類器訓練即可得到熱失控預警模型。在實際應用中只需將電池實時數(shù)據代入模型便能夠判斷電池當前處于正常工作狀態(tài)還是熱失控前期。

出于安全考慮，使用MATLAB進行電池熱失控模擬實驗。在MATLAB中搭建鋰電池二階RC等效電路模型如圖4所示，使用Simscape工具模擬電池熱量累積過程，電池溫度仿真如圖5所示。

圖4 電池二階RC等效電路

圖5 電池溫度仿真

使用熱對流公式模擬電池工作期間導熱介質通過流體運動進行傳熱的過程：

Q

=

k

·

A

(

T

-

T

)，

(1)

式中，

Q

表示熱流；

k

表示對流換熱系數(shù)；

A

表示電池表面積；

T

、

T

表示物體表面溫度。

使用熱質量公式模擬電池內部熱量存儲能力：

(2)

式中，

Q

表示熱流；

c

表示物質比熱；

m

表示電池質量；

T

表示溫度；

t

表示時間。

參考黃沛豐所做實驗,在電池模型中設置相同型號電池、測試電壓以及環(huán)境溫度，分別進行電池在正常工作狀態(tài)以及熱濫用狀態(tài)下的模擬，得到電池溫度變化趨勢如圖6、圖7所示。

圖6 電池熱濫用實驗溫度模擬 圖7 電池正常狀態(tài)溫度模擬

根據《電動汽車用動力蓄電池安全要求》，汽車需要在電池熱失控引起熱擴散，進而導致乘員艙發(fā)生危險前5 min發(fā)出警報。因此，訓練數(shù)據集選取熱失控狀態(tài)下熱失控臨界點前5～6 min的電池數(shù)據作為故障樣本，熱失控臨界點定義為在該點右側電池至少保持3 s升溫速率>1 ℃/s。選取電池溫度趨于穩(wěn)定的正常工作狀態(tài)下1 min電池數(shù)據作為正常樣本，電池數(shù)據種類為電壓U，電流I，SOC，采樣間隔1 s。

建模驗證如下：

①數(shù)據樣本處理。對樣本進行歸一化處理并添加標簽。

T

={(

x

,

x

，…，

x

,

y

)},

i

=1,2,3,…,

n

,

x

∈

R

,

y

∈{1,2}，

(3)

式中，

m

表示樣本維度；

n

表示樣本個數(shù)；

y

=1表示電池處于正常狀態(tài)；

y

=2表示電池即將發(fā)生熱失控。選取正常工況下訓練集1 200×3，添加樣本標簽為1，選取故障工況下訓練集1 200×3，添加樣本標簽為2，其中1 200指樣本數(shù)、3指樣本維度。對數(shù)據樣本進行歸一化處理，使數(shù)據收斂到[0,1]之間。②SVM創(chuàng)建和訓練。將數(shù)據樣本按照5∶1的比例分為訓練集和測試集，選用RBF核函數(shù)進行訓練，使用網格搜索法和

K

折交叉驗證尋找最佳懲罰參數(shù)

c

和核函數(shù)參數(shù)

g

。輸出預測準確率如圖8所示。由圖8可知，該算法準確率能夠達到97%。

(3)熱失控預警算法實現(xiàn)。研究使用Libsvm和Matlab在PC端實現(xiàn)預警模型的訓練和預測。Libsvm是臺灣大學林智仁教授等開發(fā)的一個SVM開源軟件包，包括樣本訓練工具、預測工具、歸一化工具等，代碼量巨大且需要進行大量計算。而實際應用中SVM分類器只需將數(shù)據代入決策函數(shù)計算，因此將訓練完成的SVM分類模型移植到網關即可實現(xiàn)所需熱失控預警功能。

4 實驗驗證

實驗設備如圖9所示。由圖9可知，實驗使用雙ARM開發(fā)板和EC20無線模塊進行功能模擬。開發(fā)板A模擬汽車BMS，將電池數(shù)據上傳至CAN總線；開發(fā)板B模擬車載網關，讀取CAN總線電池數(shù)據；使用阿里云實現(xiàn)云端功能設計。

圖8 SVM分類預警算法準確率 圖9 實驗設備

4.1 算法性能驗證

為進一步驗證所提預警算法的優(yōu)勢，使用相同數(shù)據對研究算法和對比算法進行測試。根據對比算法需要，將樣本數(shù)據按照溫度、SOC分類，實驗結果如表1所示。由表1可知，在不同電池狀態(tài)下，研究方法始終具有較高準確率。而方法1需預設溫度閾值作為熱失控預警前提，方法2僅考慮了電壓和溫度間關系，方法3以升溫速率作為熱失控判斷條件，均導致誤報、漏報率較高。研究所提算法在準確率上優(yōu)于對比算法，此外，該算法優(yōu)勢還體現(xiàn)在：①通用性強，不受電池種類、組合方式、結構形狀等因素的影響；②實現(xiàn)方便，電動汽車BMS即可提供算法所需數(shù)據，無需額外安裝傳感器。

表1 熱失控預警算法準確率對比

4.2 云端功能測試

(1)通過無線通訊模塊上傳電池數(shù)據，在阿里云物聯(lián)網平臺實時監(jiān)測電池狀態(tài)。

(2)通過物聯(lián)網平臺云流轉功能將電池數(shù)據保存至RDS數(shù)據庫，避免數(shù)據資源浪費。

(3)利用云服務器定期優(yōu)化熱失控預警模型并下發(fā)，實現(xiàn)網關預警模型定期更新。

5 結語

研究電動汽車車載網關的設計過程，利用網關與云平臺相結合實現(xiàn)邊緣計算、實時監(jiān)控、云存儲、云計算等功能，解決了部分電動汽車存在的算力不足、聯(lián)網困難、數(shù)據資源浪費等問題。網關使用一種基于大數(shù)據的熱失控預警算法，在提高預警準確率的同時降低對多傳感器組合的依賴。該網關對提高電動汽車安全性，促進電動汽車上、下游產業(yè)鏈發(fā)展具有現(xiàn)實意義。