点击蓝字
关注我们
电池老化|宝马公司与亚琛工大|车端以EV用户为中心的48V锂电池系统老化研究
Customer-centric aging simulation for 48 V lithium-ion batteries in vehicle applications
1. 背景介绍
在电动汽车应用场景中，由于于BMS存储器的容量以及板载传感器的精度等限制，无法从锂离子电池黑箱模型中获取连续可靠的数据，且BMS的估计准确度会随着软件版本的更新而发生变化，在新款产品推出时没有足够的客户数据对算法模型进行标定或训练，种种因素导致了实车电池状态估计的困难。
为了解决以上问题，宝马公司针对48V轻混动力汽车(HEV)提出了一种算法工具链(algorithm toolchain),该算法建立了实际运行、车型性能以及个人驾驶行为等因素与电池老化之间的映射关系，从而实现了对动力电池系统的SOH准确估计。
2. 研究方法
所提出的方法整体架构如图1所示。
图1 算法框架
该方法主要分为两个个步骤，首先从实车数据库中生成用于模型训练数据，并根据实车数据库提供的概率分布信息，从电池负载库中挑选合适的温度和电池工况参数配给所选客户。然后由模拟工具链模拟所有相关变量，计算目标车辆的电池老化。
实车数据共包含全球48万辆不同型号汽车的行驶工况和电池负载情况，首先针对收集到的数据根据国家和车辆类型对客户进行聚类，使用驾驶距离和驾驶动态两个指标来表征驾驶行为。图2示出了简化的驾驶行为图，其中国家已经分别通过其所在大陆以及车辆类型进行分组，标记的大小代表数据库中相应客户群的相对车辆数量。由于加速和制动对48 V系统的能量回收和放出产生的能量吞吐量影响最大，将变速波动性作为驾驶动力学的指标。此外，将车辆质量进行标准化并结合驾驶距离指标，以便直接比较不同客户之间的驾驶行为。然而，驾驶行为在客户群体之间存在很大差异，为了将最合适的参数配置分配给所选客户，在模拟工具链中应用映射算法，将实车数据中每周收集的微行程长度映射到从驾驶库中的微行程特征。
图2 客户行车数据集
如图3所示的模拟工具链可以利用分配得到的参数和温度曲线计算每周电池老化程度，但由于电池仿真模型中包含的半经验老化模型需要电流和电压信号来估计电池的健康状态，因此还需要预先附加车辆仿真模型以计算由轻度混合动力拓扑策略产生的电池负载数据。其中车辆仿真模型包含车速、发动机转速、扭矩以及电池的各项性能参数，以及电机输出与动能回收的时机。对于半经验模型的初始标定，本文采用了加速老化实验结果拟合确定日历老化和循环老化的应力因子，然后通过温度曲线确定当前周的平均温度，进而计算电池容量与内阻的变化。此外，对于衰减相比LTO/NCM体系更快的电池，可以通过调节算法权重来提升估计精度。最后，将模拟数据上传到数据库更新模型中的各项参数。
图3模拟工具链
3. 结果
为了验证本文所提出的工具链，使用测试车队数据进行模拟。测试车队包括7种车型，共45次行程，行程从10米到455公里不等，且每次行程的速度和环境温度曲线可以按时间查询。模拟工具链利用读出的第一组数据初始化，并输入行程时间所对应的速度和温度进行模拟仿真。模拟完成后，比较仿真和测试车辆驾驶数据的直方图增量离散分布函数F（X），如图4所示，具有99%高斯置信区间。为了分析客户行为及其对电池压力因素的影响，选择了欧洲的中档旅行车和亚洲的中高档旅行车作为模拟对象。图5中直方图行程长度表明数据库中欧洲每周行驶里程在的0-5 km和〉100 km的客户较多，而亚洲客户每周5-100 km行程的比例较高。因此，分配的驾驶数据显示了不同的驾驶行为，欧洲客户的每周里程比亚洲客户高出约100公里，其中欧洲客户的长途旅行占主导地位，而亚洲的客户则是频繁地中程出行。此外，受轻混系统的控制策略影响，尽管两辆车周行驶里程相差100公里，但两者能耗却相差无几。
以上老化模拟模型重复10年计算电池的每周SOH，如图6所示。亚洲客户的SOH随时间的下降幅度较大，主要因为夏季温度较高促进了日历老化和循环老化。此外，由于更高的速度波动性以及更高的每公里更多的动能回收，亚洲客户的平均老化率比欧洲客户高33%，在行驶120000公里后达到临界点80%SOH。
图4验证过程的直方图离散分布函数
图5欧洲与亚洲的模拟数据
图6欧洲与亚洲客户10年间SOH模拟情况
5 总结与展望
在这篇文章中，提出并验证了一个模拟框架，用于生成用于电池老化估计的虚拟客户驾驶数据，从而深入了解由于不同市场、车辆类型和个人驾驶行为而导致的电池老化响。现场实车数据库和电池负载数据库之间的映射算法确保了模拟工具链中客户驾驶行为的真实性。客户的寿命模拟显示，处于较高环境温度和能量回收的电池老化差异显著。该工具链可用于评估现有市场和客户群的新电池寿命，然而所收集的客户老化数据不能针对估计质量本身进行评估，且不能涵盖单个客户行为的所有方面。因此，未来研究的内容将围绕如何构建一个最优数据库模型，以便建立一个全球性的客户驾驶数据监测系统。
更多详细内容请参阅原文：https://doi.org/10.1016/j.etran.2023.100240
eTransportation
论文投稿
https://www.editorialmanager.com/etran
论文下载
https://www.sciencedirect.com/journal/etransportation
欢迎投稿
eTransportation | 交通电动化
扫码阅读更多文章
eTransportation | 交通电动化
