长安大学汽车学院马建教授团队研究成果：基于值率模型的电动汽车动力电池电压异常检测

  《汽车工程》2023年第9期发表了长安大学汽车学院马建教授团队的研究成果基于值率模型的电动汽车动力电池电压异常检测一文。为保障电动汽车动力电池运行过程中的安全可靠性，高效且准确的故障诊断策略成为必然需求。论文提出一种基于电压变化率的新型动力电池电压故障诊断方法，引入了评估系数对电压波动进行定量表征。基于实车数据，验证了方法的有效性及可靠性，从准确率和计算效率的角度将本文方法与常用熵办法来进行了对比研究。通过统计分析，得到了电池系统中电压异常风险情况的分布，可以为车企动力电池系统及整车的结构设计提供参考。

  在动力电池系统中，电池端电压是电池内阻、容量、荷电状态等参数的综合表现，而单体电压的异常波动往往是电池故障所释放的重要信号，因此诊断单体电压的异常波动故障能更全面的评估电池系统的安全性能。然而，目前的诊断方法中基于模型的方法可靠性高但计算过程复杂还难以实现车载应用，基于非模型的方法往往需要牺牲计算效率来提升结果的可靠性。因此，开发高效准确的电压异常波动故障检测的新方法具备极其重大意义。

  1.电压故障特征选取：一般的情况下电池系统中各单体的电压波动情况总体趋于一致，但当单体出现异常时其电压波动幅度会表现出离群特征，且离群程度会随着异常的加剧而增加，因此电压变化率成为很好表征电压异常波动的特征参数。

  2. 构建电压异常波动故障检验测试数学模型：实车数据经过清洗及去噪处理后以时间和单体电池数构成电压矩阵Vt,n，计算每个单体电池连续时间内的电压差，进而依据数据采样频率计算各单体电压变化率得到矩阵Bm,n。

  3.引入电压异常波动评估系数：基于改进的Z分数理论来量化电压的波动情况。电压变化率向量在标准化过程中均值用中值代替，并采用统计学中Z=1.96的95%置信区间方法来筛选异常值后计算向量的标准差，从而获得电压异常波动的评估系数A。随后通过统计学工具提取出评估系数阈值为A=4，即当单体的评估系数满足A≥4时判断该单体存在电压异常波动故障。

  4.电压异常波动统计分析：基于所提策略对大量同类型纯电动汽车电压数据来进行模型运算得到各车辆中单体的异常波动频率，通过对结果的整理和聚类，可以将单体电压异常波动的形式定义为两种：（1）随机故障：这类故障中存在异常波动频率较高的单体，可能超过均值的数十倍，且故障单置比较随机；（2）潜在故障：单体电压异常波动的频率较低，但位置较为固定。

  1.电压故障诊断策略有效性及可靠性：基于实车数据，验证该策略可以准确识别故障单体，不存在误报警、漏报警和延迟现象，具有较高的可靠性。

  与常用熵办法来进行对比分析，结果显示：本文方法具有可靠的故障诊断结果和较高的计算效率，准确率超过99%。图4 车辆1香农熵计算结果

  通过对大量同类型电动汽车电压数据来进行模型运算，对动力电池潜在故障风险做评估，根据结果得出：数据分析结果与实车的物理空间之间有一定对应关系，即同一类车型中有几率存在一个或多个潜在故障单体，这将为上游动力电池系统及整车的结构设计提供数据支撑和参考。

  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备极其重大意义。基于此，论文提

  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。该方法具有可靠的故障诊断结果和较高的计算效率，可

  得到相关车型电池系统中电压异常风险的分布情况，可为车企动力电池系统或整车的结构设计提供参考，具备极其重大的工程应用价值。