基于大数据的动力锂电池可靠性关键技术研究综述.pdf

第 12 卷 第 6 期2023 年 6 月Vol.12 No.6Jun.2023储能科学与技术Energy Storage Science and Technology基于大数据的动力锂电池可靠性关键技术研究综述李放，闵永军，张涌（南京林业大学汽车与交通工程学院，江苏 南京 210037）摘要：锂离子电池作为电动汽车的主流储能元件，其可靠性下降将导致电动汽车性能异常退化或故障频发，甚至引发安全事故，发展先进的电池故障诊断与健康状态预估技术已成为动力锂电池可靠性领域的研究热点，而大数据与电动汽车的深度融合为电池可靠性关键技术发展提供了新思路。因此，本文首先介绍新能源汽车大数据平台的数据特点与数据清洗方法，简要回顾了大数据背景下可靠性关键技术在电动汽车与大数据平台的应用现状。然后围绕动力锂电池可靠性关键技术中电池故障诊断与健康状态预估研究，以数据驱动模型为核心，整理了基于大数据的电池故障诊断和健康状态预估的研究现状与方法，分析了电池故障诊断中基于机器学习、统计学、信号学、融合模型的优势与不足；对电池健康预估中基于历史运行数据、增量容量分析法提取特征的理论基础与电池健康预估模型进行综述。最后总结了当前研究在数据清洗、电池故障诊断和健康状态预估方面的局限性与面临的挑战，展望动力锂电池可靠性关键技术的未来发展方向。关键词：大数据；锂离子电池；可靠性；故障诊断；健康状态doi：10.19799/ki.2095-4239.2023.0316 中图分类号：TM 912 文献标志码：A 文章编号：2095-4239（2023）06-1981-14Review of key technology research on the reliability of power lithium batteries based on big dataLI Fang,MIN Yongjun,ZHANG Yong(College of Automobile and Traffic Engineering,Nanjing Forestry University,Nanjing 210037,Jiangsu,China)Abstract:Lithium-ion batteries are the mainstream energy storage component for electric vehicles.The reduced reliability of lithium-ion batteries leads to abnormal performance degradation or frequent failures for electric vehicles,resulting in accidents that threaten safety.The study of battery fault diagnosis and the state of health estimation technology has become a research hotspot in the field of lithium-ion battery reliability.The deep integration of big data and electric vehicles has provided new insights into the development of key technologies for improving the reliability of lithium-ion batteries.Herein,the data characteristics of the big data platform for new energy vehicles and the data cleaning methods they utilize are first introduced.The application of key reliability technologies based on the findings from big data in electric vehicles and big data platforms is briefly reviewed.Furthermore,the previous research on battery fault diagnosis and state of health estimation analyzing the reliability of lithium-ion batteries is reviewed.Considering a data-driven model as the core method of 储能测试与评价收稿日期：2023-05-05；修改稿日期：2023-05-19。基金项目：江苏省重点研发计划（BE2022053-2）。第一作者：李放（1999），男，硕士研究生，研究方向为基于数据驱动的新能源汽车性能评估与检验技术，E-mail：；通讯作者：闵永军，博士，教授，研究方向为汽车电子控制和汽车检测与诊断，E-mail：。引用本文：李放,闵永军,张涌.基于大数据的动力锂电池可靠性关键技术研究综述J.储能科学与技术,2023,12(6):1981-1994.Citation：LI Fang,MIN Yongjun,ZHANG Yong.Review of key technology research on the reliability of power lithium batteries based on big dataJ.Energy Storage Science and Technology,2023,12(6):1981-1994.2023 年第 12 卷储能科学与技术inquiry,the research status and methods used to analyze big data pertaining to the fault diagnosis and state of health estimation of lithium-ion batteries are discussed.The advantages and disadvantages of machine learning,statistics,signaling,and fusion models in battery fault diagnosis are discussed.The theoretical basis for extracting features based on historical operating data and incremental capacity analysis is reviewed,and the battery state of health estimation models are sorted appropriately.Finally,the limitations and challenges of the current research in data cleaning,fault diagnosis,and health status prediction of lithium-ion batteries are summarized.Thus,this paper provides the future direction for the development of key reliability technologies for estimating the reliability of lithium-ion batteries.Keywords:big data;lithium-ion battery;reliability;fault diagnosis;state of health为缓解化石燃料资源的日益稀缺和环境污染的加剧，汽车电动化是其有效途径之一，现今电动汽车产业逐渐成为全球竞争和发展的焦点1。电动汽车的推广是实现绿色低碳交通和可持续发展的必经之路，是确保如期实现“碳达峰、碳中和”目标的重要途径之一，而锂离子电池因其高能量密度、低自放电率、循环寿命长等优点已逐步发展为电动汽车主流储能元件2。作为电动汽车的核心部件，动力锂电池可靠性是指电池在规定条件下和规定的时间内完成规定功能的能力，包括其适用性、安全性和耐久性，其中电池故障诊断和电池健康状态(state of health，SOH)预估均为保障电池可靠性的关键技术并且是当前研究的热点3-4。由于车载动力锂电池面临不断变化的外界环境以及行车过程中振动与冲击的影响，并且不同的驾驶行为也会对电池可靠性产生影响，而电池可靠性下降将导致电动汽车性能异常退化，如单体不一致性差引发“木桶效应”，加重均衡系统负担的同时导致电动汽车动力性与续驶里程快速下降，无法满足驾驶员需求，或因故障引发热失控5。随着车联网、云平台技术的发展，新能源汽车大数据监督与管理平台的出现为电池可靠性关键技术研究提供了全新的思路与方向6。基于大数据可对海量实车故障案例进行数据挖掘以改进电动汽车故障预报警策略，防止热失控等安全事件的发生；基于车辆全寿命大数据，实现SOH的准确预估，改善消费者驾驶体验并推进电池批次回收利用7。目前国内外对电池可靠性关键技术的研究大多数停留在实验室环境或仿真得出的故障诊断与SOH预估模型，然而将实验室或仿真中建立的模型应用到实际则难以达到预期效果，因此基于实车大数据开展研究对提高电池可靠性更具实际意义8。本文介绍了新能源大数据平台与采集数据特点以及当前数据清洗的研究现状，整理分析了国内外基于大数据在电池故障诊断和电池SOH预估领域的不同研究方法，指出了现有研究的不足与所面临的挑战，并展望未来发展方向。1 大数据及数据平台1.1大数据与数据平台介绍大数据具有数据体量大(volume)、种类多(variety)、时效性(velocity)、准确性(veracity)和具备价值深度(value)的“5V”特点，由于以汽油机和柴油机为主的传统汽车行业发展逐渐饱和，借助大数据是推动电动汽车产业发展和变革，实现新能源汽车产业“弯道超车”的关键一步9-10。在电动汽车产业与大数据技术结合的发展中，高质量的数据资源是分析算法的基础，大数据平台是创造应用效益的根本支撑11。为实现新能源汽车里程核算、预警监管和风险管理，中国2016年于北京建立了新能源汽车监控与管理国家平台(national monitoring and management platform for new energy vehicles，NMMP-NEV)，截止到2022年7月1日，新能源汽车国家监测与管理平台累计接入新能源汽车车辆数突破900万辆。电动汽车远程服务与管理系统技术规范(GB/T 32960)中，规定了采集数据的格式、范围、频率等，并按照企业为第一责任主体的思路，所有数据由车载终端按照GB/T 32960采集并基于通用分组无线业务(general packet radio service，GPRS)实时传输至企业监管平台，企业监管平台按照规定和要求上报各级平台，现已形成了企业地方国家监管平台的三级架构，如图1所示7。1982第 6 期李放等：基于大数据的动力锂电池可靠性关键技术研究综述1.2采集数据特点表1为某电动汽车企业监管平台某电动公交车的一条行驶片段，每条片段的采样频率为0.1 Hz，即10 s/次。由表1可知该电动公交电池组的总电压和总电流的采样精度为0.1 V，共336个单体串并联组成，单体的电压采样精度高达0.001 V，但单体的电流、内阻无法获取，仅有单体电压作为单体电池的监测参数，一定数量的单体封装在电池箱中，电池箱安装在车身的侧面和后面