電動汽車熱失控預警網關設計與實現

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展電動汽車產業，我國的“十四五”規劃也明確表示了中國電動汽車邁入加速發展新階段。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生放熱連鎖反應，進一步發展成熱失控，發生冒煙、起火甚至是爆炸事故。

為了降低鋰離子電池事故發生率，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(State of Charge，SOC)等參數會發生明顯變化，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(Battery Management System，BMS)實時采集電池電壓、內阻、SOC等參數以及使用氣體傳感器監測特征氣體變化情況，再利用這些數據為BMS執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據無法得到有效存儲，浪費寶貴數據資源；同時還有部分電動汽車存在無法聯網的問題，算法和系統只能線下定點更新，過程十分繁瑣。基于此，研究設計了一種實時監控電動汽車電池安全狀態的網關，該網關為云邊協同工作模式：在本地執行算法滿足預警實時性要求；利用無線通訊實現電池數據上傳及算法下載更新，解決某些電動汽車無法聯網的問題；在云端建立數據庫長期存儲電池工作數據，提升數據利用率，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、更好地實現電池梯次利用，促進電動汽車上下游產業鏈發展；利用云服務器算力優勢定期優化預警模型，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中電池數據，將數據處理后導入熱失控預警模型，判斷電池是否存在發生熱失控的可能，根據MQTT協議將電池數據上傳至云平臺。云平臺負責數據接收、監控，建立云數據庫長期存儲電池數據，定期訓練優化熱失控預警模型，將優化后的模型下發至網關實現算法自動更新。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據，防止無線通訊中斷造成數據丟失。

圖1 電池熱失控預警系統結構圖 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、數字信號處理、低功耗、低電壓于一身，保持高集成和開發簡易的特點，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穩壓芯片將12 V直流電壓轉化為5V直流電壓，采用AMS 086穩壓芯片將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據及接收云端下發數據。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，該操作系統強調實時性、短時間內響應，在軟件模塊化和線程并發性等方面具有極大優勢，有利于后續開發。同時，滿足物聯網高速、實時、可靠的要求，能夠有效地提升開發效率。

3.1 CAN通訊

CAN通訊節點程序設計實現了車載網關獲取汽車BMS中電池實時數據的功能。汽車BMS將電池實時數據發送到CAN總線上，車載網關再通過CAN通訊接口讀取總線上電池數據。

3.2 無線通訊

選擇阿里云作為物聯網平臺，使用C語言進行MQTT協議開發。通過網關與物聯網平臺雙向無線通信，實現電池數據的上傳、監控和存儲，將優化后模型參數下發至車載網關實現定期更新。上傳時網關需要將電池數據打包成符合平臺要求的JSON數據包進行傳輸。

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，使用產品包括物聯網平臺、云數據庫RDS、云服務器ECS。物聯網平臺用來接收上傳數據、下發優化模型、實現數據實時監控；云數據庫用于存儲電池工作數據，為相關產業研究提供數據支持；云服務器利用不斷更新的云數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，減少數據傳輸延遲帶來的影響，選擇在網關側進行數據處理，將電池實時數據導入熱失控預警模型，判斷電池是否存在發生熱失控的可能。

(1) 熱失控預警。目前汽車熱失控預警方案多是通過監測溫度、煙氣參數并結合電壓、電流、內阻等參數對熱失控的出現進行預警。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。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測法監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)是一種基于統計學理論的機器學習方法，通過建立一個最優決策超平面，使得平面兩側樣點與平面間最小距離之和最大化。將待測數據代入超平面公式，計算出待測數據屬于哪一類樣本區間。

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等參數的異常變化。因此電池在正常工作狀態下，電池參數與熱失控前期電池參數是存在區別的，將這兩類樣本數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據代入模型便能夠判斷電池當前處于正常工作狀態還是熱失控前期。

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；

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、測試電壓以及環境溫度，分別進行電池在正常工作狀態以及熱濫用狀態下的模擬，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，進而導致乘員艙發生危險前5 min發出警報。因此，訓練數據集選取熱失控狀態下熱失控臨界點前5～6 min的電池數據作為故障樣本，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定的正常工作狀態下1 min電池數據作為正常樣本，電池數據種類為電壓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；

y

=1表示電池處于正常狀態；

y

=2表示電池即將發生熱失控。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、3指樣本維度。對數據樣本進行歸一化處理，使數據收斂到[0,1]之間。②SVM創建和訓練。將數據樣本按照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

c

和核函數參數

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。研究使用Libsvm和Matlab在PC端實現預警模型的訓練和預測。Libsvm是臺灣大學林智仁教授等開發的一個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分類器只需將數據代入決策函數計算，因此將訓練完成的SVM分類模型移植到網關即可實現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開發板和EC20無線模塊進行功能模擬。開發板A模擬汽車BMS，將電池數據上傳至CAN總線；開發板B模擬車載網關，讀取CAN總線電池數據；使用阿里云實現云端功能設計。

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勢，使用相同數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于對比算法，此外，該算法優勢還體現在：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實現方便，電動汽車BMS即可提供算法所需數據，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據，在阿里云物聯網平臺實時監測電池狀態。

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

(3)利用云服務器定期優化熱失控預警模型并下發，實現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邊緣計算、實時監控、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、聯網困難、數據資源浪費等問題。網關使用一種基于大數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、下游產業鏈發展具有現實意義。