摘要:纯电类新能源汽车发展迅速,研究新能源汽车地电池检测系统搭建问题,电池作为新能源汽车的核心零部件由于其高能量密度和使用寿命长等特点,已经成为了新能源汽车的储能首选。通过分析新能源汽车行业发展现状与未来发展展望,提出借鉴国内外发展技术的研究成果,结合传统技术先完善包括电源电压温度采集模块、电量剩余状态估算和优化、电池电压电流泄漏保护、车载电池的安全管理与用户的信息反馈等几个传统方向。再结合新时代新技术,提出了包括机器视觉、神经网络算法、卡尔曼滤波在电池管理系统(BMS)和SOC估计中的应用。SOH电池的剩余生命估算也在未来发展中有重要意义,因此向量机、粒子群算法所构成的经验预测、滤波预测、时间序列预测法在未来的电池管理系统中会有重要的应用意义。
关键词:电池检测;人工神经网络;节能环保
0 前言
随着汽车行业的不断崛起,新能源汽车的发展日渐迅速,技术的未来化,重在产品技术,信息智能,复合能源上,为增强汽车行业的竞争力,本文立足低碳经济,对新能源汽车的核心部件电池技术进行了一系列的讨论。新能源电池带来了一系列的社会问题,如环境污染和能源消耗,本文重点关注了国内外新能源汽车的电池检测与管理问题和相关的系统研究。希望借此讨论出一套有效的技术手段可以及时检测发现电池的缺陷,保证新能源汽车的运行安全提高能源的使用效率。
本文纵观近十年来新能源电池检测技术的发展,借鉴了包括机器学习,机器视觉分析的电池检测和传统电车锂电池的短路检测技术进行讨论,希望能帮助电池行业走向安全化和智能化。
1电池检测技术发展
1.1 研究的背景和意义
电池技术是影响整个电动新能源汽车发展的核心技术。在电动车领域,日本发展较早率先获得了最得多的电池核心专利,松下公司在世纪初就研发出了钴酸锂电池并应用在了汽车动力系统上。特斯拉更是在今年放弃了电池专利的技术保护,在最新车型上搭载了能量密度超过250Wh/kg、300Wh/kg的电池,宣告着电池技术的比拼达到了白热化的阶段。
1.2 国内外研究现状
最早的新能源汽车电池管理系统由美国的托莱多大学提出,因此美国在这个领域的发展占领了先机(罗诗韵等,2015)。在个发展阶段的电池管理系统(BMS)中,已经有了电化学模型、等效电路模型、数据驱动模型的特点,有了热建模的热-电耦合化学模型的应用范畴。能够实现:检测车辆异常情况自动断开与车辆的联系、记录电池历史数据提供优化、提供最差单体电池信息等。
国内的研究虽然起步较晚,但是发展势头良好。长安汽车投产了新能源汽车的CPU控制系统,包括电池的温度与电压检测模块、电池的异常电流检测与通信模块。同时实现了热管理、热均衡、过放电保护等功能。奇瑞汽车也在电池的研究上取得了不错的成果,其主要创新点集中在分布式的控制与研究上因此纯电汽车在当前形势下备受关注,将成组的电池和数据监测模块排布在CAN总线的通信模块上,借此实现了个个电池组的的单独检测和实时的数据管理,并能通过采集到的信息对电池组的SOC进行估算。
2 未来发展展望
在过去已经形成的检测系统中常用的传统方法包括:
(1) 开路电压法,通过N.RST程的应用,可以准确描述电解液与电池电动势的存在关系,对剩余的电池电量进行推算。
(2) 电导测量。在蓄电池两端加上幅值和频率一定的交流电压信号,利用20 Hz~30Hz交流频率对交流电分量和交流电压有效值做比,取得以频率为自变量的函数关系。
(3) 蓄电池单体温度测量。VRLA类蓄电池的标志性参数就是体温度,会直接影响到剩余容量和寿命,因此利用数字传感对分布温度进行测量控制有突出意义。
2.1 新兴技术发展
进入算法时代,通过不断的总结归纳和预测,已经能够通过大量的机器学习模型对SOC电池估算问题进行高精度自排查的解决。
其中卡尔曼滤波是SOC的主流算法,严格说属于模型估计的范畴,按照反馈增益、状态校正、更新误差和协方差等几个方面使检测更加精准。
相关的向量机技术,于2000年提出,它是一种增量学习的电池SOC预测方法,容易排查全局最优解和局部最优解。
近年来基于物理模型、经验模型、数据驱动和容量增量的分析方法与上面类似,可以预测电池的峰值位置、振幅和包络面积预测电池SOH。
参考文献:
[1] IMLACH J, BLAIR B J, ALLAIRE P. Measured and predicted force and stiffness characteristic of industrial magnetic bearings[J]. Trans. ASME J. Tribol., 1991, 113:784-788.
[2]罗承东,吕桃林,解晶莹,付诗意,吴磊.电池管理系統算法综述[J].电源技术,2021,45(10):1371-1375.
作者简介:田相军(1989-),男,硕士,工程师,山东省临沂县,主要从事动力电池检测研发等工作。