锂离子电池组专家诊断系统的研究
摘要：对电池组故障进行诊断是电池管理系统的重要功能。根据锂离子电池组故障和外部特性之间的关系，建立了电池组故障诊断专家系统的模型，并给出了专家系统所用规则、历史档案数据内容以及电池组运行性能评估的算法，最后通过试验对结果进行了验证。
关键词：电池组；专家诊断；监控系统
1 引言
随着国家经济的不断发展，对能源、电力、交通、通信、环保等领域现代化要求也在不断提高。作为后备能源的蓄电池系统正在被大量使用，对所有不允许断电的供电电源系统来说，蓄电池组都是一个不可缺少的后备电源系统。而且，蓄电池系统在各行业中应用越来越广泛。蓄电池运行状态是否正常，直接影响着应用领域中各种设备的正常、可靠和安全运行。特别是无人值守的现场及电子商务中心、银行的后备电池就显得尤为重要。
经测试及优选分组的电池组中的各个单体电池之间仍然存在性能差异，这些差异在电池的长期运行过程中因环境的微小差别（如温度差）能够不同程度地产生新的差异。经过长期运行，个别电池性能明显下降，严重影响电池组性能，甚至造成事故，需要早期诊断出单电池的性能下降和早期故障。另外，单电池的性能下降及故障会降低电池组的SOC（荷电状态）值，因为性能差的一个单体电池的电量决定了整个电池组的荷电状态。一个电池组一般是由数个单体电池或电池模块串联组成；性能落后的单体电池可能会使整个电池组提前终止放电。因而需要配备电池故障早期诊断专家系统。通过诊断系统能实现电池故障和隐患的早期预报，从而能有效地增加电动车电池组的续驶里程及无故障工作时间，使维护工作量降到最低，由此保证了电动车能可靠运行。
电动车的能量全部或部分来自储能电池。制约电动车技术发展和电动车产业化的一个主要问题是储能电池及其应用问题。电池使用中的一个突出问题就是各电池之间的差异，存在着不一致性，因此早期发现电池的不一致性和故障就成为非常关键的技术难题。需要研制一个电池组的早期故障专家诊断系统。通过专家诊断系统，我们可以实现对不健康电池的早期诊断，也使剩余电量估计模型能更准确，这样能够延长电池的使用寿命并进一步降低电池的使用成本，增加电动车的续驶里程，提高车辆行驶的可靠性。该系统及技术的研究具有理论价值和促进电动汽车产业化的重大意义。
2 专家诊断系统的国内外发展现状
根据国际电工学会(IEC)在1995年制定的电池管理系统标准的要求，电动车用电池管理系统必须具备一定的电池诊断功能，包括不健康电池早期报警和提供电池老化信息。在这10多年里，国外各大公司均对此进行大力攻关研究，并在其运行使用的电池管理系统中加入了一定的电池诊断功能。其中代表性的公司有德国Mentzer Electronic GmbH和Werner Retzlaff为首设计的BADICOaCH系统；美国Aerovironmevt公司开发的SmartGuard系统(Long--Life Battery Using Intelligent Modular Control System)。
（1）BADICOaCH系统
BADICOaCH系统是BADICHEQ系统的改进，它具有的电池诊断相关功能：对最近24个充放电周期的详细数据进行存贮并允许在对电池好坏作判断时进行快速查找电池基本信息和错误使用情况;
（2）SmartGuard系统
SmartGuard系统具有的电池诊断相关功能主要有提供放电极性反向报警和电池历史记录和归档。
国内对电池故障诊断也有一定的研究，如春兰研究院，清华大学，但大部分研究还处于起步阶段。
本文对电池故障诊断的研究主要是寻找电池性能故障与电池某个或N个参数的相互关系，通过实时监测、比较同一电池组的不同单体电池间的参数变化并考虑一些其他因素来进行综合诊断。经过长期的研究，已归结出了一个初步可行的算法并在电动车跑车实验用于电池诊断。其思想在于同一个电池组的各个单体电池在相同的充放电电流下，各个单体电池的性能大多数是相近的，但还有一些电池的性能存在不一致。通过综合考虑各个电池在此段时间内对平均电压的偏移及各个电池在此段时间内的电压变化可以估计出电池性能的好坏。单电池电压偏移小且电压变化小的电池性能相对好。因为没有一种电池的故障是表现为充电时电压上升慢，放电时电压下降慢。
3 专家故障诊断系统的设计
3.1 专家系统简介
专家系统是一个具有大量专门知识的程序系统。它可以根据所提供的某特殊领域的知识进行推理，模拟人类某一领域专家作决策的过程，解决那些需要专家才能解决的复杂问题。
专家系统主要由知识库、推理机、工作存储区、知识获取子系统和解释界面等五个部分组成。其中，知识库和推理机是专家系统的核心。知识库主要用来存放领域专家所提供的专门知识，它包括事实库和规则库。推理机的功能是根据一定的推理策略从知识库中选择有关知识，对用户提供的证据进行推理，直到得出相应的结论[1]。
另外，一些专家系统还具有自动知识获取的功能。一方面从外部通过与专家的问答获取知识，另一方面系统在运行中可以自己不断总结经验，从内部获取知识。
3.2 总体设计
针对目前电动汽车正在开发使用的磷酸铁锂电池的工作原理及其在电动车上的使用进行深入了解，并分析电池使用专家的电池诊断经验，总结电池的诊断规则。同时应用模糊数学的知识，初步提出一个合理、实用的电池组故障诊断模型。
根据电池组故障诊断模型对电池使用状态数据的需求，开发电池组数据采集系统及相应的上位机人机交互界面。随后按照专家系统的架构构建电池故障专家诊断系统。包括：
１ 建立全局数据库
２ 建立电池历史档案数据库
３ 建立规则库
４ 开发推理调度程序模块
５ 开发人机交互程序模块。
最后利用电池故障专家诊断系统对电动车上使用的电池进行诊断试验，在试验中实现对电池诊断模型参数的调整，使之不断趋于完善。总体设计结构图如图1所示。
图1 电池组诊断专家系统结构图
3.3 电池诊断模糊专家系统所用规则
我们对电池专家提供的电池故障诊断规则、电池诊断和维护的资料进行分析整理后写入专家系统。然后经试验验证，实现取舍和增加[2]。以锂离子电池为例，系统中的规则主要有：
（1）放电电压下降快、电压低，充电电压上升快、电压高，则电池容量变小；
（2）静置时电池端电压下降快，长期放置电压低，则自放电过大；
（3）放电时电池端电压下降很快，电压比平均电压低1伏左右，则有单元电池损坏；
（4）蓄电池开路电压很低、不能带负载，则电池损坏或连接不正常；
（5）充电时电压偏高，放电时电压偏低，则该单体电池内阻过大；
（6）充电时电压极高，则蓄电池内部开路；
（7）电池自开始放电起，其电压就一直比别的电池略低，其放电平台性能正常，则电池可能充电不足；
（8）电池在放电过程中，某节单体电池温度比其他单体电池温度高3℃以上，则该电池内阻过大。
3.4 历史档案数据内容及其建立
以本实验采用的磷酸铁锂电池为例，保存在历史档案中的数据主要有：
（1）电池出厂时的关键数据（如出厂日期、标称容量、开路电压等）；
（2）使用的总安时数；
（3）过充和过放时最大电压、电流、温度的记录；
（4）最近10个充放电周期内充电周期属于电压最高的次数和放电周期属于电压最低的次数；
（5）最近10个周期内充电时温度升降数据和充电效率；
（6）最近10个周期内小电流充电时电压差别；
（7）自放电时间间隔；
（8）上一次诊断的健康程度（SOH）结果。
在系统运行的第一次，对历史档案进行初始化。初始化的原则是除了一些已知的基本参数外，其他部分都设置为最佳状态。在以后的运行过程中，系统自动地把与电池有关的重大事件记录下来，对历史档案进行修改。如果电池组中的某一个电池被撤换下来，则应对刚换上的电池的历史档案进行初始化。对历史档案中的使用总安时数、总充放电周期数、过充、过放及充电不足等影响电池健康和使用寿命的记录采用长期记忆并进行累加的办法；对于另外表现性能的历史数据则采用定期刷新的方法。
历史档案的具体实现方案是：在系统中采用长期记忆芯片EEPROM来保存历史数据，同时在系统中加一个时钟电路和一个供电电池为历史数据提供时间信息。
3.5 故障定义及处理流程
本系统采用四级故障报警定义，分别为一级温差故障，温度极高故障，单体电压极高故障；二三四级温差故障，压差故障，温度过高故障，单体电压极高故障，单体电压过低故障。
当系统上电后，电池组数据采集系统会在电池组充放电过程中，每隔一定时间循环采集电池组单体的电压，温度等信息。当发生故障时记录并标定故障单体序号。当标定序号单体的故障次数累计到一定数量时，调用规则库对电池性能进行评定，同时将评定结果记录到该单体的历史档案中。
4 实验结果与分析
本实验采用的锂离子电池组模块为电动汽车用电池组模块，采用磷酸铁锂电池组，单机模块系统由12节30Ah单体电池串联而成。电池组模块装配有电池管理数据采集模块，模块通过CAN总线将采集数据进行传输。经过CAN232接口转换，将数据由CAN数据帧转换成PC机能够识别的格式，通过RS232接口传递给上位机人机交互界面进行显示。系统连接如图3所示。
图4为实际对一组电池组进行若干次充放电循环后采集到的数据。由于电池单体间的差异，7号单体端电压与其他单体的差距较大，已经发生了二级压差故障和单体电压过低故障报警。
5 结论
（1）分析了电池外部特性数据变化与电池故障之间的联系，并结合电池专家的经验知识，总结出针对电池常见故障的诊断规则。
（2）搭建了电池组数据采集系统平台，包括底层硬件数据采集，数据通信，上位机人机交互界面程序的编写。新的数据采集程序与电池管理系统之间的通讯更安全、更可靠，且不受管理系统监测电池种类变换和电池数目变化的影响。
（3）构建了电池故障模糊诊断专家系统。为寻找用以表征电池故障与电池外部症状之间模糊关系构建了桥梁。同时随着不断的实验，还将不断完善专家诊断系统，为早期故障预警提供更为可靠保障。
由于目前实验的次数相对较少，如电池组的动态特性及故障还无法得到验证，故障诊断系统也无法得到验证。随着实验的不断深入，电池故障信息也将慢慢积累，规则库和推理机也将不断得到更正。
参考文献
[1] 郑杭波, 齐国光. 电池组故障诊断模糊专家系统的研究[J]. 高技术通讯, 2004, 06: 70-74.
[2] 赵春明, 乔旭彤, 马宁, 等. 基于CAN总线的电动汽车分布式控制系统的故障诊断研究. 车辆与动力技术, 2005, 02: 41-45.