新能源汽车技术-动力电池&燃料电池2023年
低温环境下,电动汽车锂离子电池存在可用容量降低、充电困难和循环寿命衰减等问题,严重制约了锂离子电池的应用,因此,确保锂离子电池在合适的温度范围内运行至关重要。电池脉冲加热技术具有加热速率快、温度均匀性好和系统结构简单等优势,是解决锂离子电池低温应用难题的有效手段。本文中从脉冲加热方案、脉冲控制参数和脉冲加热策略3个方面对脉冲加热技术的研究进展进行了综述。首先,介绍现有脉冲加热方案优劣势,其次,总结不同脉冲控制参数下锂离子电池的温升和容量衰减特性,最后,对比不同脉冲加热策略对锂离子电池低温性能的影响,指出脉冲加热技术未来发展的方向。
锂离子动力电池剩余使用寿命(RUL)预测对于认识全生命周期电动汽车的安全和可靠性、改善电池管理系统的设计具有重要意义。通常基于深度学习的时序预测方法,本质上是一个递推的过程,每一次预测的误差会随预测次数增加而累积,难以保证预测精度和预测效率。基于深度学习序列预测和误差分析理论,建立一种ARIMA-EDLSTM融合模型的锂电池RUL预测方法,使用编码器-解码器(ED)框架改进长短时记忆神经网络模型(LSTM)构建从序列到序列预测的EDLSTM模型,并融合ARIMA模型预测误差趋势,进而修正最终预测结果。理论分析和实车采集数据验证表明,该方法在预测比例超过历史数据总量35%的情况下,仍然能较好地拟合实车SOH衰退曲线,有效提高锂电池剩余使用寿命的预测精度。
锂离子电池比热容作为电池模组及系统热设计的关键参数,对所建立的电池热管理系统仿真模型和控制策略的准确性至关重要。本文中基于量热法搭建了一个成本低廉、实施简单和测量准确性高的测试平台,系统研究了量热装置的热损失、量热方式以及分层计算优化对测试结果的影响。在黄铜、304不锈钢、铸铁以及高密度聚乙烯标准件样品校验测试中,实验结果表明该量热装置测定比热容误差小于3%,且不受被测样品导热系数大小的影响。通过本实验装置测定32650磷酸铁锂电池的平均比热容为1.022 J·g-1·K-1,这为其他类型电池甚至下一代固态电池精确测量比热容热物性参数提供了一种可行的方法。
目前还没有一种有效的手段针对处于前期演化阶段的锂离子电池微短路进行检测,为此本文提出了一种基于电池充电容量增量(IC)曲线和充电容量差(DCC)变化规律的微短路故障诊断方法。首先确立锂电池短路故障与充电容量增量的关系,利用小波变换对IC曲线进行降噪,得出在不同电流倍率和温度下IC曲线最高峰(ICPV)与电池荷电状态(SOC)唯一对应。然后提出利用充电容量差DCC描述存在内短路的故障电池与正常电池的SOC差异,并据此得出锂电池微短路的量化方法。最后通过仿真分析与实验验证表明,在不同工况下循环测试均可获得电池微短路的量化信息,且诊断最大误差均小于8.12%。
基于实车电池复杂的运行数据,本文使用增量容量分析方法提取IC峰特征作为电池充电片段的有效特征,使用t-SNE非线性降维方法处理IC峰特征,消除多维特征冗余性,以解决实车数据难以提取可靠特征的问题。另外构建支持向量回归模型,实现对电池健康状态的估计。结果表明,本文使用的增量容量曲线峰特征能有效表征电池健康状态衰退变化;对实车数据的平滑、降噪方法可以较好地提升训练数据质量;基于t-SNE降维特征的SVR模型提升了对电池健康状态的估计精度,保证了有限样本数据集上实现准确估计。
本文提出了一种将复合相变材料(石蜡(PA)混合膨胀石墨(EG))与空冷相耦合的电池热管理方案(简称APE-BTMS),该系统中电池中部采用PA/ EG进行冷却,电池的上下端采用空冷(空气流速为1.23 m/s)。APE-BTMS的主要目的是,将电池的工作温度冷却到最佳温度范围的同时,减轻整个电池热管理系统的质量。实验结果表明:APE-BTMS-45模型在相同的条件下展现了最佳的冷却性能;同时,基于COMSOL建立APE-BTMS数值模型,进行更加精细地轴向厚度和不同环境温度下对APE-BTMS冷却性能加以对比,经数值模拟结果进一步验证,APE-BTMS-45在对比数据中具有最佳的冷却性能,并可最大轻量216.71 kg。本文的研究结果可为基于相变材料的电池热管理系统的设计开发提供参考和数据支撑。
质子交换膜燃料电池半经验模型存在较多未知经验参数,且其尺度和取值范围均相差较大,在全局灵敏度分析中局部高灵敏度信息易丢失,从而导致结果存在偏差。为此,构造了互为倒数的双代价函数。在原代价函数基础上计算全域内经验参数与响应误差的相关性,利用Sobol方法均匀采样进行首次全局灵敏度分析,筛选整个取值范围内高灵敏度(即影响收敛速度)参数;进而利用倒数代价函数放大局部区域的误差相关性,对于剩余全域不敏感参数,进行倒数代价函数的再次全局灵敏度分析,筛选出局部取值范围内高灵敏度(即影响收敛精度)参数。从而提高了多尺度多局域高灵敏参数识别能力。分析结果证明了所得高灵敏度参数辨识后模型的响应误差与全参数辨识的结果一致,可节省约60%的计算成本。该方法的适用性和准确性在电堆实验中均得到了有效验证。
研究基于OpenFOAM开源平台,自主开发了三维气体扩散层的重构方法,并基于动网格技术建立了探究振动对气体扩散层内部液态水传输行为影响的数值模型。对不同振动方向、幅度及频率对液态水传输的过程进行了分析。研究发现相比于水平方向,垂直方向上的振动对于液态水的传输影响更明显。液态水的饱和度在高频振动时呈现出较为规则的正弦振动特点,但在低频振动时液态水饱和度的周期性特点不规则或不显著,整体上接近于正弦变化。研究结论对于燃料电池堆的布置方案及减振思路设计具备一定的指导意义。
CTB(cell to body)电池车身一体化技术在提升续航里程、整车刚度和耐撞性等方面具有很大优势,已成为新能源汽车行业发展新方向,但要将电池上盖与车身地板二合为一,密封是限制CTB技术发展的最大难题之一,目前行业在CTB密封领域的研究还是空白。本文从CTB密封策略、密封结构设计、密封组件选型、失效后果分析和用户工况设计验证展开研究,首次提出攻克行业内CTB密封设计难题的解决方案,加速CTB技术普及应用,推动全球新能源汽车产业电动化转型。
白车身扭转刚度是承载式车身的重要力学性能指标,对整车操稳性有着直接的影响,同时也是衡量车身轻量化水平的重要指标。由于新一代的纯电车身与传统车身有较大的结构框架差异,因此在车身设计初期,以提升扭转刚度为目标重新定义传力路径。本文基于理论分析及拓扑优化的方法找寻车身扭转刚度的最佳传力路径,通过电池包与车身的集成设计,使得车身形成多个近似圆环状的封闭结构。在车身没有增加额外质量的前提下,白车身扭转刚度可达到40 000 N·m/(°),车身轻量化系数达到1.75,做到纯电车的领先水平,同时使得整车操稳性能也大幅提升。
整车以及对应系统的平台化开发是新能源汽车行业的共识和重要的技术趋势,有利于统筹各项目的开发,提升系统共用性,节约成本。基于整车平台的电池系统平台化开发需要明确整车与电池的相关变量,主要包括整车空间、整备质量、续航、电耗、动力性,以及电池尺寸、质量、电量、功率性能。本文以某混动平台的电池系统开发为例,通过各变量的分布与边界条件求解出包含2~3款电芯的平台化方案,通过每款电芯串联节数和电池包Y向尺寸的带宽设计来兼容16款平台车型,为后续产业界各平台的电池方案开发提供了基础的策略参考。
为了对电池安全风险进行准确预测,本文提出基于一种车-天气-驾驶员的多指标电池安全风险预测方法。首先提取车内外多维度信息即运用数据挖掘提取了天气状况、汽车行驶工况和驾驶风格等多指标特征,以模拟实际的电池应用场景;然后通过随机森林和SHAP组合模型的方式对特征进行筛选,从而提高了模型的泛化性和鲁棒性;最后将电池安全风险预测问题解耦为机器学习预测和时间序列预测问题,分别选择XGBoost和随机森林模型进行预测,并在此基础上建立新的Stacking集成模型对电池安全风险进行预测。最终模型的预测效果和数据实验的结果表明,该方案对电动汽车电池安全风险能做出较为准确的预测,可以为安全化、智能化的电池管理系统提供辅助决策信息。
为提升实际应用中锂离子动力电池寿命预测精度,本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计,以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正,从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明,锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%,取得了良好的预测效果,丰富了锂离子动力电池寿命预测的方法。
动力电池安全问题已经成为制约电动车辆发展的关键要素。准确及时的电池安全预警可以保障乘员生命财产安全以及提升电动车辆安全水平。本文对电动车辆电池安全预警策略进行了全面综述。首先,综述了电池安全状态的定义,并提出了本综述框架;之后,详细梳理了电池安全特征与安全影响因素分析、电池建模方法、电池安全风险评估/预测方法,总结了各类方法的优缺点;最后,总结了目前的进展与不足,提出了电动车辆动力电池安全预警技术发展趋势,并阐述了新型传感器技术、多因素融合的电池安全预警方法和“端-边-云”融合的电池安全预警体系。本综述为电动车辆动力电池安全预警策略的进一步研究提供参考。
目前还未有一种有效手段针对故障类型未知的车辆云端数据进行无监督式的故障预警,为此本文提出了一种云端数据驱动的锂电池故障分级预警方法。首先通过机理分析选取适用于云端数据特性的特征,构建6类差熵特征集进行多次混合聚类实现对电池健康度的打分评价。通过引入温度信息区分热相关故障并构建预警等级划分准则判断电池故障状态。利用5种现场故障案例进行验证,结果表明,该方法能准确识别故障并区分故障类型,且具有较高的超前性和适应性。
由于迟滞特性的存在,电池管理系统难以准确获得开路电压(OCV)与荷电状态(SOC)之间的状态关系。为有效地运行和管理动力电池,本文研究了考虑迟滞特性的锂离子电池模型,选用带有遗忘因子的递推最小二乘法进行参数在线辨识。提出了一种联合门控循环单元(GRU)神经网络和自适应扩展卡尔曼滤波(AEKF)的SOC估计,分别以AEKF和GRU神经网络的估计结果为模型值和测量值,通过卡尔曼滤波(KF)得到最终的SOC估计结果,并作为下一时刻AEKF的输入。结果表明,常温环境下考虑迟滞特性的模型对端电压预测及联合估计法对SOC估计的均方根误差(RMSE)分别在0.5 mV和0.64%以内;低温及变温环境下端电压预测及SOC估计的RMSE分别在0.9 mV和0.72%以内。考虑迟滞特性的模型及联合估计法具有良好的精度和鲁棒性。
燃料电池系统包含电堆、空气子系统、氢气子系统、冷却子系统,涉及零部件众多。因此在研发初期,通过系统仿真的手段建立燃料电池系统模型,对系统开发具有指导作用。本文首先依据零部件的试验结果及特性参数进行零部件虚拟标定,建立精确零部件模型;然后根据系统流程图搭建完整的燃料电池系统仿真模型;最后通过仿真计算,对系统关键输出性能参数进行评估和预测。将仿真结果与测试数据进行对比校核,结果表明:模型仿真结果与测试数据平均绝对百分比误差最大为4.33%,吻合度较高,验证了此系统仿真模型精度较高,可用于燃料电池系统性能研究,对今后研发燃料电池系统具有重要的指导意义。
为了改善电堆不同电池单元之间的温度、反应物等的均匀性从而改善电堆性能和提升寿命,本文提出了一种在电堆不同电池单元气体扩散层设置不同的梯度孔隙率的改进方案。通过建立包含5层单电池的三维、非等温、单相的短电堆模型进行分析,研究发现孔隙率为0.4-0.5-0.6-0.5-0.4的方案可以最大程度改善边缘层和中间层单电池之间温度、氧气浓度、水浓度、膜电流密度等的差值,即提高电堆内部均匀性,且在缺气工况条件下亦是如此。
准确高效的电动汽车动力电池系统异常检测对保障车辆安全可靠运行具有重要意义。基于此本文提出了一种基于电压变化率的新型动力电池电压异常诊断方法,用于检测电池组中单体电压的异常波动故障。进一步的,引入基于改进Z分数方法的评估系数来对电压异常波动程度进行定量表征。在此基础上,基于实车数据验证了本文所提方法的有效性和可靠性。此外,与常用熵方法进行对比分析,结果表明:本文所提方法具有可靠的故障诊断结果和较高的计算效率,实际工程应用价值更高。最后,基于该模型,通过对大量同类型纯电动汽车的电压数据进行统计分析,得到了该车型电池系统中电压异常风险情况的分布,通过分析隐藏在表面之下的异常,可以为车企动力电池系统或整车的结构设计提供参考。
针对新能源汽车动力电池安全风险管理与控制研究,本文详细讨论了动力电池故障机理及类型,基于大数据统计分析阐明了动力电池一致性与安全性的耦合关系,总结了数据驱动的动力电池安全状态预测与故障诊断预警方法,最后提出一种基于“车-云”融合的实车动力电池系统安全控制策略。本文旨在为实现实车动力电池安全状态实时监控与风险预警提供理论指导。