文獻(xiàn)標(biāo)識碼: A
文章編號: 0258-7998(2015)03-0141-04
0 引言
航空領(lǐng)域受重量、體積限制,需要高能量密度和高功率密度蓄電池作為應(yīng)急供能和輔助動力電源。鋰電池具有工作電壓高、容量大、自放電小、重量輕、體積小等其他蓄電池不具備的突出優(yōu)點(diǎn),成為該領(lǐng)域應(yīng)急供能和輔助動力能源之首選。由于單體電壓和容量的限制,鋰電池需要串并聯(lián)成組使用,但是由于電池材料和生產(chǎn)工藝等原因,安全問題時有發(fā)生。如2011年杭州和上海電動汽車鋰電池過熱導(dǎo)致自燃、2013年JA829J次航班波音787型客機(jī)中鋰電池組模塊冒煙起火[1]、特斯拉Model S 2013年10月至今發(fā)生鋰電池相關(guān)的5次起火等安全事故。鋰電池的安全隱患限制了其推廣應(yīng)用,因此鋰電池組的安全保障問題亟待解決。
國內(nèi)相關(guān)單位(如北航、清華、中科大、中航鋰電、長虹電源、德賽能源、天津力神、武漢力興、西科大等單位)[2-8]開展了相關(guān)研究工作,取得了一定成效,但仍缺乏可靠的解決辦法,鋰電池組的航空航天應(yīng)用仍存在安全隱患。國外從上世紀(jì)七十年代開始逐步使用鋰離子電池代替鎘鎳電池作為航空航天領(lǐng)域一級應(yīng)急供能和點(diǎn)火,如美國軍用A10、MQ-9、AH64等戰(zhàn)機(jī)和無人機(jī)已由使用Eagle-Picher公司的鎘鎳電池轉(zhuǎn)為鋰離子電池。美國NASA 和空軍已將鋰電池用于星際登陸器、星際徘徊者、星際軌道器、無人飛行器、軍用飛機(jī)和地球軌道飛行器等航空航天設(shè)備,且把使用鋰電池組作為空間工程的一個里程碑。限制鋰電池應(yīng)用的主要瓶頸是安全問題,已成為當(dāng)前世界的研究熱點(diǎn)。美國國家可再生能源室和萊登能源公司、英國利茲大學(xué)及日本Noboru Sato和東芝公司等單位都在投入大量精力研究其安全問題,在材料、工藝、添加劑、管理系統(tǒng)等方面進(jìn)行了系列研究[9-16]。部分研究成果應(yīng)用于生產(chǎn)實踐并取得了一定成效,但仍沒有安全保障的有效解決方案。鋰電池組起火、燃燒的隱患目前仍無法完全消除,其使用過程中的安全保障成為目前研究的焦點(diǎn)。
本文針對機(jī)載鋰電池組的安全保障問題,從關(guān)鍵參量檢測角度出發(fā),基于滑動平均思想進(jìn)行了關(guān)鍵參量實時檢測方法探索。實驗驗證結(jié)果表明,提出機(jī)載鋰電池關(guān)鍵參量檢測方法具有較高可靠性與實時性,基于該方法設(shè)計的機(jī)載鋰電池狀態(tài)檢測系統(tǒng)能夠有效保障其安全應(yīng)用。
1 理論分析
1.1 滑動平均方法
針對采樣過程中的離散數(shù)據(jù)序列,計算序列的兩個或多個數(shù)據(jù)的滑動平均,由此形成一個平均值的新序列。針對機(jī)載鋰電池組中單體電壓、組電壓、放電電流、加熱電流等關(guān)鍵參量的應(yīng)用特點(diǎn),基于滑動平均思想實現(xiàn)該實時檢測過程。
滑動平均方法具體可描述為:假定一個可滑動且長度固定的窗口,這個窗口隨時間序列以隊列方式移動。在移動過程中,每移動一個采樣間隔,窗口前面進(jìn)入一個新數(shù)據(jù),窗口后面刪除一個舊數(shù)據(jù)。這樣,在窗口中始終有固定數(shù)量的最新數(shù)據(jù),經(jīng)過算數(shù)平均后即可得到一組經(jīng)過滑動平均的新序列,計算過程:
式中,VI為電壓或電流采樣數(shù)據(jù)序列(其中,VInew為滑動平均處理后新采用序列,VIold為上一個采樣間隔之前的舊數(shù)據(jù)序列);n為要處理的數(shù)據(jù)時刻;N為窗口寬度,也即為有效數(shù)據(jù)序列的總長度。
滑動平均過程示意圖如圖1所示。
該滑動平均模型的頻率響應(yīng)式:
其中,針對該頻率響應(yīng)的振幅函數(shù)的頻率響應(yīng):
由式(3)可知,滑動平均處理是一個低通濾波器,衰減了高頻信號的影響,對數(shù)據(jù)起到平滑作用。由頻譜分析可知,窗口越寬則通帶越窄,而單個矩形脈沖頻譜與滑動平均處理后的頻譜具有一致性?;谶@個特點(diǎn),通過選擇合理的窗口寬度,可以在有效地抑制噪聲的同時保持有用信號,起到提高信噪比的作用。
同時,在滑動平均過程中,噪聲信號是隨機(jī)的,且經(jīng)過平均處理后得到抑制,而有用信號得到有效積累,從而使得有用信號得到有效保持和加強(qiáng)。
滑動平均處理是相關(guān)檢測中的一個特例,應(yīng)用機(jī)理在于利用有用信號的良好相關(guān)性和噪聲的不相關(guān)性,形成的有用信號積累而噪聲不積累的原理,從而把噪聲從有用信號中隔離出去。在相關(guān)檢測中的自相關(guān)和互相關(guān)這兩種方式中,自相關(guān)適用于周期信號,而互相關(guān)適用于非周期脈沖信號。
信號采樣過程中的原始時間信號由有用信號和噪聲信號兩部分構(gòu)成,即:
x(t)=s(t)+n(t)(4)
式中,s(t)為有用信號,n(t)為噪聲信號,x(t)為實際采樣過程中的隨機(jī)信號。在實際檢測過程中,基于采樣定理,經(jīng)過A/D采樣后,信號轉(zhuǎn)換為基于采樣周期τ的離散數(shù)字信號,即:
式中,s[n]為有用時間離散信號,?啄[n]為噪聲時間離散信號,x[n]為實際采樣過程中的隨機(jī)時間離散信號。
針對同類型采樣過程,信號x[n]和信號y[n]的互相關(guān)函數(shù)為:
式中,N表示數(shù)字信號序列長度,k為延時時刻。由于噪聲與信號不相關(guān),二者互相關(guān)值為0,則可以通過這種互相關(guān)處理減少噪聲對信號的影響。
對于所用寬度為N的理想矩形脈沖信號,可表示為:
如果其反射并疊加噪聲后的信號為x[n],則互相關(guān)函數(shù)如式(6)所示,把式(7)代入式(6),可得到二者的互相關(guān)函數(shù):
可以看到,式(8)和式(1)是一致的,從其計算過程可知,滑動平均計算是互相關(guān)計算中的一種特殊情況。因此,在信號檢測時,就可以把單脈沖檢測轉(zhuǎn)化為滑動平均處理。
1.2 關(guān)鍵參量采樣機(jī)理
機(jī)載鋰電池組關(guān)鍵參量采樣結(jié)構(gòu)如圖2所示,在采樣過程中,通過四線制連線方式將動力線和信號采樣線分開,以降低線壓降。通過實時采集各單體電壓、總電壓、總電流、加熱電流、各單體溫度等關(guān)鍵參量,監(jiān)測蓄電池組工作狀態(tài),并進(jìn)行實時決策調(diào)整。
2 實驗與分析
2.1 采樣與濾波處理實驗
機(jī)載鋰離子蓄電池采用8芯單體串聯(lián)工作,實時采樣線與均衡調(diào)節(jié)動力線分開,四線制模式進(jìn)行數(shù)據(jù)采樣。針對該鋰電池組進(jìn)行實時單體電壓采樣,單體電壓采樣原始數(shù)據(jù)和滑動平均處理后數(shù)據(jù)如圖3所示。
針對所有單體的電壓實時采樣與保護(hù),使用隊列方式對各單體信號進(jìn)行實時滑動平均信號檢測與濾波處理,所有單體采樣電壓滑動平均處理后的實時檢測數(shù)據(jù)如圖4所示。
應(yīng)用該方法于加熱電流、放電電流和組電壓的實時檢測與保護(hù)處理,取得同樣的處理效果。
針對鋰離子蓄電池組全電壓檢測,綜合對比各種采樣方法效果,最終使用INA117低功耗零漂移儀表放大器,結(jié)合OPA27比例縮放,實現(xiàn)全電壓檢測,最后經(jīng)過滑動平均方法進(jìn)行有效低通濾波處理,實現(xiàn)全電壓信號實時檢測。檢測結(jié)果如圖5所示。
全電壓檢測過程中,由于受到充放電過程影響較大,直接采樣具有0.4 V的隨機(jī)誤差,因此,信號采樣后的濾波更是尤為必要,經(jīng)過滑動平均處理后的隨機(jī)誤差降為0.03 V,具有明顯的濾波處理效果。
2.2 結(jié)果分析
由圖3可知,單體電壓采樣平滑處理前后數(shù)據(jù)優(yōu)化效果明顯,該處理過程能夠起到較好的濾波效果。在原始數(shù)據(jù)中,由于外部高頻噪聲影響,單體電壓采樣存在較大噪聲,最高有12 mV的隨機(jī)誤差影響。經(jīng)過滑動平均處理后,最高有2 mV的隨機(jī)誤差。該鋰離子蓄電池工作過程中最高電壓為4.2 V,則經(jīng)過該滑動平均處理前后的相對隨機(jī)誤差為:
由圖4可知,在8單體同步采樣過程中,該滑動平均方法能夠?qū)Ω魍ǖ绬误w電壓采樣起到同樣的平滑處理效果,證明該方法對該類型信號采樣處理具有普遍適應(yīng)性。
由圖5 可知,全電壓檢測過程中,滑動平均前后隨機(jī)誤差計算過程如下:
實驗結(jié)果表明,該方法能夠?qū)崿F(xiàn)對機(jī)載鋰離子電池組關(guān)鍵參量的實時有效處理。該方法與直接采樣數(shù)據(jù)對比,在不降低采樣時間的基礎(chǔ)上提高了采樣精度。同時,與傳統(tǒng)多次采樣取平均方法相比,很大程度上縮短了采樣處理時間,對實時檢測保護(hù)具有重要意義。
3 結(jié)語
本文提出了一種基于滑動平均的鋰電池組單體電壓、組電壓、加熱電流和放電電流等關(guān)鍵參量的實時檢測方法。該方法基于滑動平均思想濾除高頻噪聲影響,通過噪聲信號抑制和有用信號累積,對關(guān)鍵參量采樣起到較好濾波平滑效果。該方法已應(yīng)用于機(jī)載鋰電池組實時檢測保護(hù)單元,并取得了良好的工程應(yīng)用效果。該方法提出對鋰電池組的安全應(yīng)用提供保障,有效保證其應(yīng)用中的可靠性,對鋰電池安全保障標(biāo)準(zhǔn)化和應(yīng)用推廣起到有益的推動作用。
參考文獻(xiàn)
[1] 方謀,趙驍,陳敬波.從波音787電池事故分析大型動力電池組的安全性[J].儲能科學(xué)與技術(shù),2014,3(1):42-46.
[2] 魏克新,陳峭巖.基于自適應(yīng)無跡卡爾曼濾波算法的鋰離子動力電池狀態(tài)估計[J].中國電機(jī)工程學(xué)報,2014,3(3):445-452.
[3] 陳雄姿,于勁松,唐荻音.基于貝葉斯LS-SVR的鋰電池剩余壽命概率性預(yù)測[J].航空學(xué)報,2013,34(9):2219-2229.
[4] 張千玉,姜冬冬,李溪.一種新型鋰電池雙功能電解液添加劑的研究[J].電源技術(shù),2014,38(8):1424-1426.
[5] 于仲安,簡俊鵬,何方.純電動汽車鋰電池組均衡系統(tǒng)研究與設(shè)計[J].電力電子技術(shù),2014,48(3):64-67.
[6] 邱斌斌,劉和平,楊金林.一種磷酸鐵鋰動力電池組主動均衡充電系統(tǒng)[J].電工電能新技術(shù),2014,33(1):71-75.
[7] 姬芬竹,劉麗君,楊世春.電動汽車動力電池生熱模型和散熱特性[J].北京航空航天大學(xué)學(xué)報,2014,40(1):18-24.
[8] 尚麗平,王順利,李占鋒.基于SOC的AGV車載蓄電池組主動均衡方法研究[J].電子技術(shù)應(yīng)用,2014,40(6):67-69,73.
[9] Jung Seunghun,Kang Dalmo.Multi-dimensional modeling oflarge-scale lithium-ion batteries[J].Journal of Power Sources,2014,1(248):498-509.
[10] JONGHOON K,SEONGJUN L,CHO B H.Complementary cooperation algorithm based on DEKF combined with pattern recognition for SOC/capacity estimation and SOH prediction[J].IEEE Transactions on Power Electronics,2012,27(1):436-451.
[11] DAVE A,CHRISTIAN A,THOMAS S G.Advanced math-ematical methods of SOC and SOH estimation for lithium-
ion batteries[J].Journal of Power Sources,2013,1(224):20-27.
[12] Ng Selina S.Y.,Xing Yinjiao,Tsui Kwok L.A naive bayes model for robust remaining useful life prediction of lithium-ion battery[J].Applied Energy,2014,1(118):114-123.
[13] ADNAN N,TARIK T,THOMAS S G.Health diagnosis andremaining useful life prognostics of lithium-ion batteries using data-driven methods[J].Journal of Power Sources,2013,1(239):680-688.
[14] ANDRE D,NUHIC A,SOCZKA-GUTH T.Comparative study of a structured neural network and an extended Kalman filter for state of health determination of lithium-ion batteries in hybrid electricvehicles[J].Engineering Applications of Artificial Intelligence,2013,26(3):951-961.
[15] CHRISTIAN F,WLADISLAW W,ZIOU B.Adaptive on-line state-of-available-power prediction of lithium-ion batteries[J].Journal of Power Electronics,2013,13(4):516-527.
[16] Lin Ho-Ta,Liang Tsorng-Juu,Chen Shih-Ming.Esti-mation of battery state of health using probabilistic neural network[J].IEEE Transactions on Industrial Informatics,2013,9(2):679-685.