基于COMSOL电动汽车安全预警研究

边 楠，吕仁志，余碧莹，耿兆杰，张永跃Bian Nan，Lü Renzhi，Yu Biying，Geng Zhaojie，Zhang Yongyue

基于COMSOL电动汽车安全预警研究

边 楠1，吕仁志1，余碧莹1，耿兆杰2，张永跃2
Bian Nan1，Lü Renzhi1，Yu Biying1，Geng Zhaojie2，Zhang Yongyue2

（1. 北京理工大学，北京 100081；2. 北京新能源汽车股份有限公司，北京 100176）

在车辆安全预警模型中，电池滥用和电池外部因素导致的电池失效容易识别出来，但是电池本身存在的问题很难通过数据特征判断。利用COMSOL模型拟合不同情况的电池变化，通过最小二乘法拟合出电压损失曲线，推算出影响电压变化的3类特征因子：欧姆过程、电荷转移过程、浓度活化进程，通过失效时刻的参数变化判断电池是否发生问题，可以在失效前进行电池信号安全预警，实现车辆的安全使用。

电动汽车；安全预警；COMSOL模型；无特征信号

0 引 言

车辆是否安全是用户考虑购买与否的核心要素，电动汽车的核心动力源为电池，其本身产热。电池发生热失控的机理多样且复杂[1]，通过单一变量很难引发热失控。热失控的原因大致可以分为3类[2]：（1）电池受到外部因素的影响，例如汽车磕碰后进水导致电池壳体腐蚀，连接处松动导致局部过热或者异常打火等；（2）电池滥用，电池核心的控制逻辑出现问题，超过使用边界，例如电池过充过放等导致热失控；（3）电池本身导致车辆发生问题，例如电池存在金属杂质，出现析锂，内部极片变形等，这种情形通过电热信号很难发现和预防。

针对电池安全预警目前有4类主流算法模型[3-4]：（1）电化学模型，即通过电池本身的电化学特性进行安全预警，例如通过电池异常自放电、电池内阻、电池容量等进行判断；（2）统计学模型，即通过电池成组后的不一致性进行安全预警，例如通过电池压差、温差、SOC（State of Charge，荷电状态）不一致等进行判断；（3）大数据模型，即通过特定的样本进行模型数据训练，例如对失效车辆和正常车辆进行相应数据提取，搭建模型后对其他车辆进行识别；（4）结合其他信息，主要通过故障信号进行判断，例如绝缘、采集异常等。

各类电池失效与安全预警算法的对应关系见表1。

表1 电池失效与安全预警算法

由于安全预警困难，一些生产厂家增加了传感器，例如压力传感器、气体成分传感器等[5]，以获取多重信号提升异常车辆辨识度。

1 COMSOL模型设计

1.1 数据分析

车辆的安全预警是指在车辆发生安全故障前，用户和厂家提前识别风险，采取相应的风险规避手段。例如车辆发生故障前，其成组的不一致性会升高[6]，达到某个设定的阈值后，车辆会发生安全故障。

（1）由外部因素导致电池热失控，可以通过相应的传感器单一模式或者组合模式进行预警判断。例如电池局部过热，通过长时间的单一温度传感器信号识别温度偏离进行预测，其成本较高、识别难度不大，但识别准确率不高。

（2）电池滥用导致的热失控问题发生较少，技术的不断进步正在规避此类问题，电池过充过放不常见，此类超过电池使用范围的现象通过单一的电压信号可以被预测[7]。

（3）电池本身的问题通过信号组合很难进行识别，电池同时受温度、电压、电流、压力等因素影响，并且内部制造工艺很难筛查出隐患[4]，目前有效的容量、内阻等预警算法模型识别度不高，有些车辆存在无法识别的情况。

选取1辆发生了安全故障的车辆进行分析，采集失效时行车数据和失效前充电的数据，绘制电池热失效前、热失效时的数据，如图1所示。

如图1（a）所示，车辆发生失效前充电数据正常，电压无波动，内部压差在50 mV以内（充电过程中最高单体电压值减去最低单体电压值），无电池滥用情况；图1（b）为车辆发生失效时最低单体电压出现明显下降（10 s内由4.128 9 V下降到4.055 9 V，随后持续下降到3.360 8 V），但除了热失控信号外，无其他明显数据特征；图1（c）为车辆失效前充电温度无异常超温，绝缘和碰撞信号无波动，数值分别为4 000和0，为正常信号；图1（d）为车辆失效时温度异常升高（10 s内由29 ℃升高到40 ℃，随后持续升高到125 ℃），电池发生热失控，但其他信号无表现。综上，电池热失效时有明显的电压特征（电压突然下降），但在失效前充电和行车（放电）模式下，数据未出现明显异常，排除电池外部因素和电池滥用的情况，推断是由电池内部引发。

1.2 模型设计

采用COMSOL进行模型设计，通常车企为了控制成本会为每个电池模块布置1～2个温度传感器，无法实现每个单体电池温度的完全检测，并且在上例失效数据中绝缘和碰撞信号都无异常，所以设计的模型主要考虑电池充放电过程中的电压损失；由于无法获取电芯内部电化学参数（电导率，体积扩散系数等），所以采用COMSOL中集总电池加优化模块进行模型设计[8]。

电池电压在充放电过程中的变化需要考虑欧姆内阻、电池活化反应、浓差极化情况。

式中：为正负电极表面上的电荷交换电流，初始设定为0，取值1；asinh函数返回参数的反双曲正弦值；为摩尔气体常数，取值8.314 472 J/(molžK)；为温度，取值298.15 K；为法拉第常数[9]，取值（96 485.332 89±0.000 59）C/mol。

式中：为浓度活化扩散系数，初始设定为0，取值为1 000 s；shape为粒子体积，取值3mm3；= 0和=1 分别为粒子的中心和表面，OCV为电池的平衡电位，其与SOC对应关系如图2所示，在模型输入时需给定一个初始值，以充电过程为例，选取参数初始SOC状态设定为0.476。

图2 Eocv随SOC变化曲线

综上，电池仿真电压cell[9]4为

将现有的电压、电流数据代入模型，采用最小二乘法[10]拟合计算，得到欧姆过电位h、电荷交换电流J、浓度活化扩散系数t的取值，以此进行安全预警，拟合结果如图3所示。

如图3所示，预警模型进行模拟电压与实际电压对比，在评估仿真可靠性时，引入MSE（Mean Squared Error，均方误差）计算预测数据和原始数据对应点误差平方和的均方根值

本次仿真结果中图3（a）均方误差为0.001 373，图3（b）均方误差为0.005 710，图3（c）均方误差为0.024 79，图3（d）均方误差为0.000 1；模型仿真结果较好（MSE均小于0.1），所得到的数据可作为后续分析。

1.3 安全预警

表2 参数拟合结果

续表2

利用COMSOL建立的预警模型如图3所示，可以实现电池失效前特征提取以及失效时异常情况判断，实现提前安全预警。

图4 安全预警模型

2 结 论

介绍了出现电池故障的3类原因和4种预警方法（大数据模型、电化学模型、统计学模型、故障信号模型），由电池内部原因引发的失效通过现有模型很难识别，因为失效前期电压、温度、绝缘等信号显示正常，电池热失控会突然发生。利用COMSOL建模模拟电压变化，利用最小二乘法拟合失效前、失效时电压曲线，得到影响电压变化的3种特征参数：欧姆过电位、电荷交换电流、浓度活化扩散系数。在失效时刻，扩散系数与内部电荷电流变大、欧姆内阻变小，说明突发了内部反应；3种参数与失效前明显不同，通过大样本学习可以得到相应阈值，实现提前安全预警和失效判断。

[1]邓原冰.锂离子动力电池热失控及其预警机制的试验与仿真研究[D].武汉:华中科技大学，2017.

[2]姚银花. NCM三元锂动力电池热失控研究与仿真[D]. 西安:长安大学，2018.

[3]崔江伟.电动汽车锂电池热失控测控技术[J]. 汽车博览，2021(1):150.

[4]刘木林，卜凡涛，林辉，等.电动汽车动力电池热失控过程分析及预警机制设计[J].汽车实用技术，2020(5):15-17.

[5]周斌，张卫国，崔文佳，等.考虑预警负荷的电动汽车充放电优化策略[J]. 电力建设，2020，41(4):22-29.

[6]张彩萍，杜玖玉，徐石明，等.电动汽车动力电池系统多尺度安全预警方法研究[J]. 中国基础科学，2019，21(z1):69-78.

[7]张晶，时玮，张元星，等.电动汽车充电过程安全因素及动态预警[J].电源技术，2019，43(5):861-863，868.

[8]常小幻. 锂离子电池产热特性和散热管理的研究[D]. 四川:电子科技大学，2016.

[9]COMSOL案例教程.瞬态集总电池模型的参数估计[ER/OL]. https://cn.comsol.com/model/download/797931/models.battery.lumped_li_battery_parameter_estimation.zh_CN.pdf.

[10]郭晨，马念茹. 基于计算机仿真技术的混合介质电特性研究[J]. 计算机技术与发展，2020，30(6):177-180.

2021-06-07

1002-4581（2021）05-0004-05

U463.51

A

10.14175/j.issn.1002-4581.2021.05.002