基于极限学习机的电动汽车锂离子动力电池外部短路热模型研究.docx

《基于极限学习机的电动汽车锂离子动力电池外部短路热模型研究.docx》由会员分享，可在线阅读，更多相关《基于极限学习机的电动汽车锂离子动力电池外部短路热模型研究.docx（25页珍藏版）》请在优知文库上搜索。

1、一、引言推广电动汽车(EV)是减少全球对化石燃料依赖和减轻环境污染的一项重要举措。可充电锂离子动力电池被认为是电动汽车目前可行的能量来源。随着电动汽车的广泛应用，由锂离子动力电池引起的电动汽车安全事故逐渐增多，这些事故对电动汽车和动力电池制造厂商的声誉造成一定影响，损害了公众接受电动汽车的信心。这些安全事故中部分事故是由动力电池的一种电气故障引发的，即外部短路故障。外部短路故障可在某些情况下发生，如电动汽车碰撞导致电池包机械变形、电池包密封失效导致浸水或灰尘进入、动力电池连接线束磨损等。当外部短路故障发生后，动力电池内部发生剧烈的电化学反应，电池温度会急剧升高,可能会进一步触发电池热失控。因此

2、，有必要研究动力电池发生外部短路后的温度行为，从而可以有效地进行动力电池安全管理。(一)文献综述和本文动机动力电池在滥用条件下会产生大量热量，众多学者研究了动力电池滥用过程中的放热反应机理和生热特性。开发了一种电化学-热耦合模型，以量化动力电池从过充电到热失控过程中的生热速率。利用多尺度电化学-热耦合模型，分析了动力电池针刺过程中的生热行为和电化学反应过程之间的强耦合关系。提出了一种多层次三维热模型以描述动力电池发生内部短路后电池内外部温度分布。通过开展动力电池过充电实验研究了过充电触发热失控的过程，发现电池副反应在发生热失控之前对于温度上升起主导作用。在上述研究中，通过建立复杂的电化学-热耦

3、合模型来描述电池在滥用条件下的热行为。然而，这些模型计算量较大，不能满足电动汽车实际应用中计算效率高的需求。在动力电池外部短路研究中，学者主要关注外部短路实验方法、热-电行为特性和危害分析、建模和故障诊断等方面。采用准等温外部短路测试方法研窕电池材料传输特性对电池外部短路特性的影响，并建立了均质化物理模型来描述外部短路过程。在文献16,1刀中，作者开展了外部短路实验,研窕了不同环境温度、电池初始荷电状态（SoC）和外部电阻条件下的电池外部短路的热-电行为特性。提出了一种伪三维多尺度模型，分析了在外部短路故障下电池主反应和副反应中的热力学以及动力学过程。本研究团队在前期工作中，建立了分数阶模型来

4、研究外部短路条件下动力电池的电气特性，并提出了外部短路故障的三步诊断方法；提出了针对动力电池组的外部短路在线故障诊断方法，该方法具备较好的准确度和鲁棒性。在文献中，本团队提出了一种基于人工神经网络的外部短路电流预测方法，利用电池电压信息来估计外部短路电池单体的电流。然而，以上研究缺乏有效的热模型来描述外部短路故障条件下动力电池的温升行为，因此有必要开发一种理想的模型以实现预测精度和计算成本之间的平衡。在电动汽车的实际应用中，由于电池系统空间和制造成本的限制，并非所有动力电池单体都配备温度传感器，因此电池温度应尽可能仅使用电流或电压信息来进行估算。这激励我们开发了一种新颖的电池热模型，以高精度和

5、低计算量来预测外部短路条件下的电池温度，从而完善动力电池外部短路领域的研究。（二）原创贡献本文的创新点包括以下三个方面：在不同初始SOC值（20%、40%和80%）和不同环境温度（-10、1020。（:和40。C）条件下开展动力电池外部短路实验,并构建外部短路故障数据库，用于建立和验证所提出的电池热模型；建立基于极限学习机的生热模型（简称E1.MT模型）来预测电池发生外部短路后的温度行为。与经典极限学习机相比，E1.MT模型中激活函数被集总参数热模型取代，从而更精确地刻画电池温度变化；在模型拟合和预测精度以及计算成本方面，使用外部短路实验数据对提出的E1.MT模型进行验证。为了证明E1.MT模

6、型的有效性，比较了E1.MT模型与通过遗传算法（GA）优化的M1.T模型的性能。（三）本文架构第2节将介绍动力电池外部短路实验平台和分析实验结果。第3节将提出并详细说明E1.MT模型。在第4节中，使用不同初始SOC值和环境温度下的外部短路数据验证所提出的模型。第5节为本文结论。二、实验研究为研究外部短路条件下动力电池的电、热行为特性，本文在不同实验条件下开展了电池外部短路测试。这些条件涵盖了高、中和低的环境温度（分别为402010C和TOoC）,以及高、中和低的电池初始SoC值（分别为80%、40%和20%）。在每种实验条件下，重复进行两次外部短路测试，实验结果分别用第1组和第2组实验结果表示

7、。将实验数据用于训练和验证本文提出的模型。表1为本文所使用的18650型1.i（Nio.sCOozMnoJOz电池的详细规格。（一）外部短路实验平台本文进行了如图1所示的外部短路实验，该平台用于开展动力电池外部短路实验并研究电池外部短路行为特性。在前期工作中，我们已经建立了一种电池组外部短路实验平台并已对其进行详细阐述。本文重点关注动力电池单体外部短路实验，该平台主要包括以下几部分：气动电池外部短路实验控制主机；为控制主机提供气源的空气压缩机；（3）防爆高低温试验箱；电流、电压和温度传感器；高精度数据采集仪。表1锲钻钵三元材料锂离子电池规格ItemSpecificationCathodemat

8、erial1.i(Ni05CoO2MrioJO2AnodematerialGraphiteNominalcapacity(mAh)2450Operatingvoltagerange(V)3.0-4.2Maximumdischargerate（八）7.35(3C-rate)Operatingtemperaturerange()-20-60在数据采集仪器开启并记录实验数据后，接触器（图1）由外部短路主机控制闭合，接触器闭合后动力电池的正极和负极在电池外部直接连接，从而模拟电动汽车在实际应用中的外部短路故障。同时，电池电流、电压和温度信息由相应的传感器测量并存储至数据采集仪。当电流和电压降低到OA和

9、OV时表示电池己损坏，此时手动开启接触器，实验结束。图1动力电池外部短路实验平台(二)实验结果分析动力电池外部短路电流和温度的实验结果如图2和图3所示。图2（八）、(b)分别显示了在环境温度20和40C,初始SOC值20%、60%和80%的条件下第1组实验中的电池电流和温度结果；图2(c)、(d)分别显示了在环境温度10和TO,初始SOC值20%、60%和80%的条件下第1组实验中电池电流和温度结果。同理，图3显示了在不同环境温度和不同初始SoC值下动力电池第2组的外部短路实验结果。如图2和图3所示，当发生外部短路后，动力电池电流在IS内迅速增加，峰值电流可达到近150A(约61C-rate)

10、。大电流自放电产生的焦耳热积聚在电池内部，导致电池温度迅速升高。电池电流达到峰值后，逐渐减小。如文献18所述，电流达到峰值后逐渐减小的原因是，高温可能导致电池隔膜产生“闭孔效应，从而降低了锂离子的扩散和迁移速率。随后，电池经历了“放电平台期(dischargeplateau),最后电流降至OA,表明电池已损坏。从图2和图3的实验结果可以得到以下结论：相同环境温度和初始SOC值条件下，两组的实验结果显示出良好的可重复性；在相同的环境温度下，初始SoC值较低的电池的放电时间比初始SoC值较高的电池更长;具有较高初始SOC值的电池在所有环境温度下的温升速率相对较大。此外，我们前期的研究工作也总结分析

11、了其他外部短路相关测试结果。-40C.20%-40C,40%-40.80%-20C,20%-20C,40%Time(三)(a) 120-10C,20%-10C,40%-10C,80%-10C,20%-10C,40%-10C.80%Time(8)(b) 1206)aJn三JgE01-10.20%10.40%10C,80%-WC.20%-10C,40%-10C.80%-20C.80%Time(三)Time(三)(c)(d)图2不同温度和初始SoC值卜.动力电池电流和温度结果（第一组兀（八）20C和40卜的电流；（b20和40卜的温度；（C）TO和10C的电流；（d）-10和10的温度1501502

12、三S5OTime(8)(b)I-40C,20%-40C.40%-40C,80%2OC.2O%-20C,40%-20C.S0%-10C.2W-WC.40-10c.00*10C,20%-10C,40%-10C80%Tne（八）()5010015020025CTime(三)图3不同温度和初始SOC值卜.动力电池电流和温度结果（第二组）。（八）20C和40C卜的电流；（b）20（:和40卜的温度：（C）TO和10的电流；（d）-10和10的温度三、电池建模与生热行为估计（一）集总参数热模型集总参数热模型可以用来描述动力电池的生热行为，该模型假设电池内部温度分布均匀。根据能量守恒定律，电池总产热量等于对

13、流换热量与生热量之和,具体可以表示为：PCPV瓦=M（Tamb-T）+q（I）式中，方为对流换热系数；Tamb为环境温度；7为电池温度；Cp.V、4、P和t分别表示电池比热容、体积、表面积、密度和时间；q为电池生热量，根据文献22,23,可以由下式计算：4=瓶+仃等(2)式中，,l表示不可逆反应生热；/1.T(dUodT)表示可逆反应生热；/1.为电流；Ri为电池内部总内阻；U。表示电池开路电压。总体来说，不可逆反应生热包括以下两个部分：电流流经集流体和固态电解质界面(SEI)膜所产生的焦耳热；由过电势带来的极化反应产热。可逆反应生热主要由电池电化学反应产生，是由锂离子在电池内部的正、负极材料

14、中的嵌入或脱嵌过程所引起的。在公式(2)中，研究人员己经证明了在外部短路条件下电池可逆反应生热远小于不可逆反应生热。在本文中，为进一步证明可逆反应生热占比较小，我们利用第一组实验中的电池外部短路数据(初始SOC值为40%,环境温度为20)来计算和对比可逆与不可逆反应生热。图4（八）、(b)分别表示了测量得到的端热系数dUo/dT以及可逆与不可逆反应生热的对比结果。从图4（b）可以看到，不可逆反应生热远大于可逆反应生热。因此，公式（2）中的可以被忽略。随后，将简化后的公式（2）代入公式（1）中可得到-Tk+Tamb1-exPhAAt+底(3)式中，表示k时刻下的电池温度；Af为采样时间间隔。O5

15、1015202530Time(1)图4动力电池生热测试与计算结果。（八）燃热系数：（b）可逆与不可逆反应生热（二）极限学习机首次提出了经典极限学习机,极限学习机克服了单隐含层前馈神经网络的部分缺点，即训练速度慢、容易陷入局部极小值以及对学习速率敏感等。经典极限学习机的结构如图5所示。由于连接输入层与隐含层之间的权值以及隐含层中的阈值可随机生成，训练过程中无需迭代调整，只需根据训练数据确定隐含层与输出层之间的连接权值，因此该方法计算效率较高。Hiddenlayer图5经典极限学习机结构图。X和y表示输入和输出数据；。和m为输入层和输出层的总数据量；W为输入层和隐含层之间的连接权值：物为隐含层和输出层之间的连接权值；g）表示激活函数；b表示隐含层中的阈值；，表示第j个输入数据：j表示第j个隐含层神经元；S表示第S个输出数据极限学习机的输入向量X和输出向量V可以定义为(4)X=X,X2,XnY=,y2,y11j式中，X和y分别为输入和输出数据；和m分别表示输入层和输出层的总数