基于大数据的动力电池健康度估算方法研究

王思淼 张英杰 王 芳 邓斯文

(上海市新能源汽车公共数据采集与监测研究中心， 上海 201800)

0 引言

近年随着汽车电动化浪潮的兴起，各大传统车企如大众、比亚迪及新兴车企如特斯拉、蔚来纷纷投身电动汽车产品的研发和市场角逐。电动汽车产品技术不断革新，产品内容不断丰富，加之我国政策的扶持和促进，消费者对电动汽车产品的认可度也在不断提高。自2015年起我国的新能源汽车的产销量已连续5年居世界首位，截至2020年12月底，我国新能源汽车保有量已达492万辆，占国内汽车保有总量的1.75%[1]。

电动汽车核心部件—动力电池的剩余容量，即SOH(State of Health)的估计与预测从电动车出现至今，一直是业内热点话题之一。一方面，电池容量的衰减量直接影响到车辆的续航里程和用户驾驶体验；另一方面，在新能源汽车的二手交易市场中，电池剩余容量也是车辆残值评定参考的主要因素之一。传统方法一般使用专用设备进行线下检测，具有检测费用高、检测时间长、地理位置不方便等一系列缺点。我国在2016年出台了《电动汽车远程服务与管理系统技术规范》(GB/T 32960)，技术规范定义了新能源汽车需采集上传至公共平台的7类共计约60个车端信号，包括总电流、总电压、SOC、车速等。这些数据为动力电池健康度的线上估计和应用提供了可能。

目前对动力电池SOH的估计和预测主要有两类方法，分别是基于电池模型的方法和基于数据驱动的方法。基于电池模型的方法如经验模型法、等效电路模型法和电化学模型法，都是先建立一个参数未知且能直接或间接表征电池衰减程度的模型，然后利用实验数据和其他算法对模型参数进行估计[2]；基于数据驱动的方法一般是以实验数据或运行数据为基础，提取能表征电池老化因素的特征，同时根据一定的使用间隔对电池容量进行标定以获得SOH目标值，最后通过不同机器学习算法如神经网络、高斯过程回归建立特征和目标SOH的拟合模型，最终达到用特征预测或估算SOH的目的[3]。

以上方法或依赖于大量实验数据，或需要大量线下实车测试数据作为输入，成本过高且不具备普适性。针对这些缺点，本文拟采用基于大量实车线上运行数据的安时积分法对电池健康度进行快速估算，随后对影响电池健康度的各个因素展开分析。

1 大数据样本选择与分析

电池健康度的衰减原理可以使用双水箱模型来解释[4]，即正负极材料的损失和活性锂离子的损失，而电池健康度的衰减是一个相对缓慢的过程，所以在选取的数据样本需要有较长的时间跨度或者较大的里程跨度。其次，目前市面上主流的电池类型分为磷酸铁锂和三元锂，磷酸铁锂电池的能量密度较低但相对安全且循环次数较高[5]，本文也会将这两种电池类型的分析囊括在内。最后，样本车辆需要足够多，以平衡个别单车数据或者计算结果偶然性的影响。综上所述，本文选取以下样本作为研究对象：

表1 样本属性

此外，为满足分析需求，筛选以下字段作为本次分析的原始字段：

表2 原始信号字段

以每次充电行为一个样本区间，将每辆车的原始数据处理为多个样本。车型A、B在一年中的总体里程分布见图1。

图1 样本里程分布统计

从上图可以看出，两个车型样本的最小里程为接近0公里，最大里程都超过10万公里，其中A车型里程最高达到18万公里。

2 基于大数据的SOH估算方法

在进行计算之前首先需要考虑各种环境因素导致的积分结果与额定容量之间的差别。根据国标GB/T 31467.2-2015，测试额定容量的方式为，在室温(25 ℃±2 ℃)下，以1 C恒流充电至制造商规定的充电截止条件，然后在相同温度下以1 C电流放至制造商规定的充电截止条件，放电的电流对放电时间的积分为动力电池的容量。据此，计算前需要考虑的影响因素有温度、充放电倍率。

首先是温度因素，过低的温度会导致电池电解液黏度增大乃至部分凝结，电解液阻抗升高，从而使电池的容量特性下降[6]。而在温度高于室温的情况下，短时间内会使电池容量增加，但同时会加速电池的老化。其次，充电倍率也会对充入电量和电池老化产生不同影响。一般认为，小倍率电流相较于高倍率电流可以充入更多的电量且能减缓电池容量衰减的速度，但电池制造技术和充电技术的进步会在一定程度上削弱这种差异。对于本文选择的试验样本，慢充(小倍率电流)和快充(高倍率电流)的工况同时存在，典型的充电曲线如图2所示。

图2 快充、慢充充电曲线示例

从上图可以看出，在实际充电工况中，一般是恒流、恒压等多种工况的混合，所以本文在后续分析中，仅通过快充、慢充来区分不同的充电倍率。综上，由于SOH是充入最大电量与额定容量的相对比值，而额定容量和充入电量的工况不一致，所以在给出SOH结果的同时一般需要注明对应的温度、充电电流等参数。

本文直接使用平台端大数据进行电池的SOH估计，通过安时积分法对电池包电流进行积分，将积分的容量再跟额定容量进行对比得到SOH，计算公式如下：

(1)

其中，SOC1和SOC2分别为充电或放电起止的电池SOC，I为电池包总电流，C0为电池包的额定容量。由于电池包放电过程往往在行车过程中，实际工况复杂，汽车高压负载变化较大，从而导致电池包电流短时波动较大，在0.5 Hz的采集频率下容易出现较大误差。故本文对电流的积分选取充电工况进行计算。

此外，本算法计算公式中的关键字段之一为SOC，SOC的精度直接影响估算SOH的准确性。本文样本字段中的SOC为仪表SOC，SOC是对BMS内部可用SOC的线性化处理的结果，在可用SOC值较高或者较低的时候会触发BMS的修正[7]，导致仪表SOC在短时间内产生跳变。而中间段的SOC在内外部环境稳定的情况下，与充入电量成正比，平滑上升。故本文选取中间段的SOC作为计算区间，如下图所示：

需要注意的是，电流积分区间需要根据车型、电池参数和用户行为的不同进行动态调整。至此，计算规则已明确，后续将针对结果展开分析。

图3 选取SOC区间

3 电池健康度影响因素分析

(1)电池容量衰减与里程的关系

取A、B车型相同的里程跨度(0～10万公里)的计算结果进行比对，如图4所示。

图4 容量衰减与里程的关系

左图为A、B车型全量计算结果，右图为将里程按每万公里分箱后的平均结果。可以看出，电池健康度与里程呈负相关，在里程0～10万公里之间容量随里程增加衰减较为均匀。其中，车型B(磷酸铁锂电池)大部分车辆的初始容量百分比高于车型A(三元锂电池)，这有可能是车企BMS保护机制冻结的可用容量不相同所致。从同一类车型所有车辆的整体衰减速率来看，车型A与车型B基本一致。

(2)电池容量衰减与快慢充的关系

较大的充电倍率一方面会导致电池温度升高，加速副反应，另一方面，会加速电极材料因循环疲劳产生不可逆结构损伤，对电池容量衰减产生负面影响[8]。实验表明，高倍率充电对正极三元材料影响更为明显。但随电池工艺和电池管理系统的进步，在一定程度上降低了这种影响。本文采用的样本中，搭载磷酸铁锂电池的B车型上市销售时间较早，只能进行慢充，故本文只分析A车型快慢充跟电池SOH衰减的关系。首先通过充电平均功率来标记快充和慢充，然后从所有样本中筛选出主要使用慢充充电和主要使用快充充电的样本车辆，做出图5所示。

图5 快慢充对容量衰减的影响

左图为车型A所有样本点SOH与里程的散点图，右图是每两万公里内所有样本点SOH的平均值。可以看出，对于车型A，快慢充对容量衰减的影响程度差别不大。

(3)电池容量衰减与电量使用区间的关系

电量使用区间可以反映出车主的充电习惯和用车习惯，过高的SOC会导致副反应加剧，过低的SOC使电池负极集流体更易发生腐蚀现象，导致容量衰减。本文将SOC分为5个区间，分别为[0%,20%), [20%, 40%), [40%, 60%), [60%, 80%), [80%, 100%]。在计算电池健康度的同时，计算出电池累计历史SOC分布占比。现将SOH与里程分成均匀网格，按网格计算SOC在0%～20%与80%～100%占比之和的均值，再做出以下热力图，颜色越深代表低SOC与高SOC区间使用占比越大。

图6 高低SOC区间占比对SOH的影响

从图中可以看出，对于A车型，同一里程区间，颜色较浅的区域集中在SOH较高的部分，这表明低SOC与高SOC的区间使用占比越少，对应的电池SOH越高。对于B车型，高或低的SOC区间使用占比对SOH的影响并不明显。

(4)电池容量衰减与电池温度的关系

为分析电池温度对容量衰减的影响，本文以电池最高温度为温度参照。由于上海地区全年温度相对比较温和，较少出现温度为零下的情况，所以在此主要研究高温的影响。本文定义大于35 ℃为高温工况。在计算电池健康度的同时，计算出电池最高温度处于高温工况的历史累计百分占比。最终做出以SOH与里程为网格的热力图，网格中填充的数值表示高温工况百分占比均值，颜色越深代表高温工况占比越高。

图7 高温工况占比与SOH的关系

两种车型的高温工况历史百分占比都随里程的增加而逐渐增加，这可能是因为电池内阻随电池老化而逐渐增大，导致电池包运行时产热增加。对A车型，低里程区间(小于5万公里)的高温工况占比都较低(0%～10%)；在中里程区间(6万公里～12万公里)，累计高温工况占比越多，相同里程下的电池健康度越低；在高里程区间(大于13万公里)，样本的高温工况占比都较高(大于20%)，同时由于SOH分布比较集中，高温工况占比对SOH的影响不明显。对B车型而言，可以得出相似结论。

4 结论

结束以上分析，关于A、B车型得出以下结论：

(1)在10万公里以内，配置三元锂电池的A车型与配置磷酸铁锂电池的B车型电池容量衰减速度基本一致。

(2)根据样本计算结果，对于A车型，快充或慢充行为对电池衰减的影响相近。

(3)对A车型，0%～20%和80%～100%的SOC区间使用占比最低时，电池剩余容量最高。对B车型，SOC区间使用占比的不同对电池剩余容量没有显著影响。

(4)随车辆里程增加和容量的衰减，车辆的历史累计高温工况占比会逐渐增加。在两个车型样本数量比较丰富，SOH分布相对较宽的里程区间内，累计高温工况占比越多，同一里程下的电池健康度越低。