关于电动汽车电池组电压的故障诊断技术

题目的内容就是电压的故障诊断。电压故障诊断首先我想要讲一下电压故障的表现。

实际上大家觉得测量得到的电压，它并不是真正的电池电压，这个首先要明确讨论的一个就是电池的电压并非所见所得，当然大多数情况下它是所见所得的，你所测量的电压就是等于电池的端电压，理论上这个U理论上是相等的，但是实际上如果存在故障的情况下，就有可能出现你所测量的电压并不一定是你电池真正的电压。

这里面一个简单的原因就是电池端的电压还得加上接触电子在上面的电压，这才是我们真正在动力那一块上真正的电压，但是这个电压如果我的测量回路上还存在压价，你真正测量的电压还需要加上你测量线路上的电压才会得到接触电压和测量电压两个的合。

接触电子很小很小，一般被内阻还要小一到两个数量级，我们一般都是忽略掉了接触电子，另外一个测量线路上，首先你线路输出很大，你线路上的电流本身是比较小的，因为你测量线路本身的电流也比较小，从理论上这两个UW和UC是可以忽略掉的，我们通常认为测量的电压就是电池端的电压。

我们通常就是基于这样一个东西诊断的，实际上我们可以把电池故障诊断为这几个情况，过压，欠压，电压断续，电压不变，单体电压差异大。像前面这几种情况就不讨论了，是工程上大家都能做的一件事情，但是最后的单体电压差异大的这个事情我们需要简单讨论一下。

我们可以认为单体电压差异过大的问题，一般大家都觉得是因为电池的不一致性问题，但实质上我们要从测量故障和电池的故障上来分的话，其实它还有很多其他的问题，比如电压的信号跟电流的信号不同步，你现在这个电压不代表是那个电流上的电压。

这样就会造成电压明明是这个时候测的，它给你显示的是这个时刻，但是实际上是前一个时刻的，这样会存在电压的差异。如果电流波动比较大的话，你会觉得电压差异比较大，不是因为电池间的电压差异造成的，第二个就是我们所说的测量线路的UW。第三个包括接触电阻。

上面这几个故障都排除的话，真正的故障是在电池上，电池上的故障我们也把它分为电池故障和SOC的故障，电池故障还有两个，一方面漏电，这个就是SOC差异导致的最终体现在电压的差异上面，还有一个方面就是你可能是某一个电池的容量比较低，你会发现某一段时间可能电压是差不多的，再到了另外一段时间电压发生了差异，这些故障都是单体电压差异大的来源。

这是我们本次报告大概会涉及到的一些内容，因为时间问题我还是简单讲一下，首先是讲一下时间不同步的问题以及它的修正。我们看到实验室的设备上面，我们基本上得到的每个单体电压跟电流以及这个平均的总电压做了一个平均同步情况是非常好的，因为它的数据传上来还不如不传上来。

但是在我们电池管理系统上面考虑到电池的电芯数量比较多，而且它的通讯方式不管用总线式的还是用局电式的，都存在延时，一旦存在这个问题很有可能你测到的电压，我们的平均电压和平均电流可能是对得上，因为它们的优先级比较高，不怎么延时。

其他电压就会出现有的在前，有的在后，可能测量的时间不知道你是什么时候测的，这样如果我们按照通常的那种方式去处理的话，你会发现差别比较大，电压一方面不能反映电池不一致的情况，第二个情况就是对应的模型变实就会造成影响，进一步影响你的状态估计、故障诊断以及均衡，一个极端的例子就是我明明这个阶段是在放电，你会发现它的电压在上升，这个原因可能就是你这个电压是前一个阶段测量的，而前一个阶段正在充电，这个就会造成压差特别大的情况。

简单看一下它不同步的原因，主要在传输方面，因为我们通过总线的传输，它出现了一个调度的延时，你现在的单体数量那么多的情况下，单体电压异步的问题难以避免。我们提出了一个简单的方法，就是尽可能的做到同步，这个方法的大概意思就是我是用主控制器来主动发命令，要求你每个子控制器在某一个时段进行采集，传上来的数据不再是把传上来的时间点作为记录的时刻，我记录的时刻就是你主控制器传上来的时刻，这样的话，可以在一定程度上解决网络延时造成的异步问题，但是实际上因为你主控传下去的时候采样时间也是不同步的，我们还要进一步分析。

我已经有数据还是存在不同步的问题，怎么进一步分析它让它更好的同步，我们就提出了这样一个方法，利用我们提出的一个电池组模型，这个电池组模型平均的状态下面的那个实际上是一个虚拟的电池，这个虚拟的电池实际上是代表了电池与其他电池的差异。就是你脑子里面可以虚构出这样一个电池，我有一个标准的电池，就是上面的那个平均的电池。

但是我电池组里面每一个电池跟这个标准电池是存在一个差异的，我就把这个标准电池从我这个电池里面扣掉，实际上扣掉的是电压。但是在我们参数上面的表现，我们就认为把其他的不一致性给去掉，只保留电压的不一致性和内阻的不一致性，这样模型就会显得比较简单，我们利用简单模型就可以很快的评估出内阻的差异，内阻的差异我们知道实际上一个电池的内阻跟一个平均的电池，就是这个差异出来的虚拟电池。

它的内阻应该是一个非常缓慢变化的，不应该是一个快速变化的，如果你数据不同步的话，它会造成的一个现象就是上面红色的这个图所示的，如果你数据不同步辨识出来的模型内阻是一个波动很大的情况下，实际上就是说明你这个模型跟这个数据根本就匹配不上，所以才会造成内阻波动很剧烈，但是如果同步好的时候，内阻会比较稳定，在这种条件下，我就可以说通过把时间进行同步调整，调整到如果内阻是一个比较平缓的情况，我就认为同步已经做的比较好了，当然我们不能说完完全全的同步，一部分可以这样同步。

怎么解决波动状态呢?随便看一条曲线，这个波动情况是这样的一个情况，同步达到最好的时候我们可以利用差异模型去估计我的内阻，再计算它的波动形态的目标，就是它的MAD值，有搜索算法就能力确定它最优化的同步情况，这是我们做的一个同步的结果。

第二个问题就是在同步的基础上，如果数据达到了同步，我们接下来要研究，这个测量的电压是不是真实的电压，这里的问题就是测量故障，接触故障和内阻故障到底是一个怎么区分的问题，这个工作我们比较早就做了，我们可以看到这是一个电池组的电压情况。这是电流，在故障前基本上表现的电压差异不大，但是当它存在故障以后它有一个电芯，它的电压特别夸张。

这个原因我们需要判断一下，究竟是测量问题还是接触内阻的问题还是内部本身造成的问题，这个问题首先我们可以看它的一个电流跟这个电压的相关性，如果存在相关性的话，这就意味着我不是电压测量的问题，因为你电压测量的时候，不会因为我来一个电流，突然就呈现一个相关性，我们可以通过一个简单的分数，测量电流上面的数跟主电流理论上是不存在任何关系的。

因为是不存在任何关系，电压传感器的电压就不应该跟主电流有一个相关性，但是如果存在相关性的话那就说明你这个肯定不是电压测量故障。接下来在排除电压故障的情况下，我们就进一步去想要确定它是内阻故障还是什么故障导致的，我们就把这个模型拿出来，还是去判断它进一步再重新计算它的内阻。

根据这个内阻的计算结果加上修正以后，我们得到了它的历史数据整体的情况，我们看到48单体波动很大，是由接触电子故障导致的，它的接触电子实际上是随着压力在波动的，所以说我们最终判断出来这个故障它是一个接触电子的故障。

最后就是排除了前面所有的内容讲电池包SOC差异故障，实际上我们把这个也同样分为两个，一个就是容量的故障，还有一个漏电和容量故障区分。在这两个图里面，黑色的图代表的是容量小，黄色的是微短路的情况，进行放电的时候我们发现它们两个很相似，没有办法确定是什么故障，但是进一步充电，因为容量小的故障实际上跟SOC相关的，它会回去，对于我们微短路的电池因为时间相关，他也会进一步增大，这样我们就会辨识出来到底是容量故障还是漏电故障，这个实际上是一个非常简单的方法，这个就是我们做的一个非常简单的实验，我们还进行了一些调整，使得这个组织的表现跟这个容量的表现在放电的那段时间表现的比较接近，一旦出电的话你马上就能区分这个故障。

我们能区分这个故障以后再讲一下微短路的定量诊断技术，首先讲一下为什么要进行定量诊断，我们知道现在安全性是大家非常关心的一个问题，很多情况下最终导致的热失控都是因为内短路而导致的，这个内短路是有一个发展的过程，我们在内短路的初期，实际上它有一个可逆的情况，一旦到达了内短路的中后期，它就不可控了。

不可控以后我们必须提前预警，我的目的想要在这个阶段，至少你要通过电和热的联合特征来判断这个电池马上要发生热失控了，你赶紧停下来，在前面的这个阶段我们希望能监测它的变化，跟踪它的内短路的发展情况，一旦有了一定的特征，那就需要尽快的报警，到了这一段的时候已经没有任何意义了，你逃都来不及了，这边定量的诊断希望通过这个组织，比如说在300欧左右如果可以监控的话，因为300欧这是一个非常小的短路组织，我们需要一个时间才能把它检测出来，在这段时间进行组织跟踪，等到我们的热特征能够比较明显的发现的时候马上进行一个预警，这段时间有一个提前预警的阶段，这就是为什么我们要做一个定量的短路故障意义，具体的诊断方法还是利用它的漏电情况，想要通过它的漏电量来判断我把这个漏电量除以这个时间就能得到漏电流。这个只是一个平均值，然后通过这个漏电流计算电阻就可以得到，关键核心是漏电量的判断。

实际上我们提出了两种方法计算漏电量，一种就是如果你有充电的工况，比如说横流充电这种工况，这样的话，我们可以通过一种所谓的电压剩余充电电量估计方法，我们通过曲线得出每一次充电前剩余电量，第二次再充一次，观察它的变化，如果你有短路的情况下，这个漏电量有增长。

如果是一个动态工况的话，还是要回到电压差异上面，通过SOC的估计来进一步确定它的漏洞量。这个SOC还是可以回到原有的模型上，通过虚拟差异的模型，可以辨识或者你用滤波的方法可以实现SOC的估计，这个是我们最终做了一个实验，模拟了一个漏电的情况，一个串联的电池上面上面接了一个电阻，我们实际上是接了不同的电阻，都做了一些实验。

这是其中的充电工况实验结果，可以看到每一次充满以后，我们发现这个TA和TB的时间都在不断的扩大，根据扩大的时间我们就可以估计出来它的剩余充电电量，这个绿色的可能看不太清楚，它是有一个增长的情况，我们进一步得到它的漏电电流，这个值还是比较准的，还包括可能面对多阶段的一个充电或者横功率的充电，整体的误差新电池包误差是最小的。

对于旧的电池包，我们看到误差可能会存在不收敛的情况，至少我们做了一阵子的实验大概10%左右，到了一个还可以接受的程度，比如我能检测出来100欧的电阻，实际上90欧或者120欧，对于安全性的影响不是特别大。对于动态工况下我们同样做了这样一个实验结果，通过SOC的估计，用RS回归二城，得到它的斜率估计，通过斜率乘以电池包的容量得到漏电率，这边是短路估计的12个单体都进行了一个估计，我们可以看到大多数都在500欧以上，都是在不靠谱的级别上，所以我们真正的这两个发生短路的电阻，我们诊断出来的一个大概的值就是非常接近于我们真实的100欧和50欧，前面需要有一定的时间才能监测到这样的一个情况，中间的数据，电动汽车如果断电的情况下我们还能不能接着做这样一个事情，这个是最终的一个情况。

最后做一个简单的小结，单体电压差异大的话，其实最终对应的有这样六个情况，我这边还不够完全对，我们目前做的这六种情况，首先我们通过低频电池的分配模型去获得它的内阻动态性，根据它的动态性来确定它的电压信号不同步的情况，进入同步的情况下，我们就去观察这个电压差异和电流的相关性来排除是不是测量线组的异常，如果这个测量完了以后，同时评估SOC和2就是这上面的两个值的情况，它某一个异常的话，比如说随着时间变化还是SOC的变化，来确定到底是微短路还是容量问题。