SAECCE 2020 | 同济大学魏学哲：锂离子电池电化学阻抗车载获取和应用
2020中国汽车工程学会年会暨展览会（SAECCE 2020）于2020年10月27-29日在嘉定上海国际汽车城-上海汽车会展中心举办，汇聚汽车及相关行业的企业高层、技术领军人物、资深专家学者、广大科技工作者。10月29日，北京航空航天大学交通科学与工程学院院长杨世春在本次大会上发表了主旨演讲。
以下为演讲实录：
首先看一下动力电池的安全问题。从14年到19年我国的电动车保有量在飞速的发展，增加了38倍，今年1—7月份我们已经连续多年是全球电动汽车、产销量第一，今年1—7月份欧洲销量反超了中国，1.4万辆。中国新能源汽车也带动了全球的新能源汽车发展，随着新能源汽车保有量的增加，新能源汽车起火的事故频发，造成了非常严重的损失，左边是19年的统计可以看出电动汽车、新能源汽车走火还是跟季节有关，从4月份开始一直持续到10月份，这是高发期，我们后面不得不关心一下为什么电池会热失控着火。
电动车着火了是不是不安全？孙逢春院士说19年我们起火数量是万分之零点四九，和传统的燃油车相比是万分之一到万分之二相比还要低，咱们国家的新能源汽车着火事故率跟国外相比还低一些，特斯拉2.8亿公里发生一起，我们是4.47亿公里发生一起燃烧事故，因为新能源汽车也不能说它不安全，也不能说中国的新能源汽车着火事故高。
为什么大家特别关心汽车着火？它在静止、行驶和充电过程当中都有可能发生着火，而且这个着火是突发的。着火之前从BMS的监控数据、后台数据还看不出明显的异常，这也是整车厂经常跟我们交流的，什么数据都没有问题，我们怎么监控都没有问题，突然间就发生了着火，就发现预测困难，有人做了一个形象的比喻，就说新能源汽车相当于是自带打火机的一个油箱，一点就着，但是把打火机放在电池里面了，不知道什么时间地点以什么方式发生着火，不知道怎么防护，传统车着火电气老化、改装这些原因，所以大家很关注电动车着火。
着火的原因我们也做了大量的工作，比如内短路会造成过热、膜的熔化、崩溃，很多微观的变化过程会使动力电池发生热失控。单体热失控就会热蔓延，就开始在模组、电池包内进行热蔓延，蔓延之后最后整车的失火，这是的着火，单体模组蔓延到整车失火，每一个阶段实际上要有不同阶段的去处理的方法。电动汽车着火事件一般发生在出厂之后的1—2年，着火的集中批次这个是年份，这个是公告的批次，19年的着火故障批次都是18年的，一般都是1—2年着火，今年发现一款是四个月，开了两万公里，网约车，使用里程也达到了1—2年的范围规律，电池为什么着火？就是电池的能量密度，我们一直在追求能量密度、续航里程，能量密度高材料活性要越强，另外我们又有高安全性，材料的活性越弱越好，这两方面的需求带来了密度，能量密度和高安全相互矛盾。在长续航要求下电池的安全性就成为了我们现在面对的一个挑战。
下面看一下动力电池的安全评价，国际国内标准也做了很多，国际起步比较早，09年就有电动混合动力储能的安全和滥用的一些实验测试，咱们国家起步晚，但是从15年开始也推出了三款标准，2020年新推出了GBT38031，这个是动力蓄电池的安全要求。在单体的测试过程中，在热测试方面增加了温度循环和加热高温，增加了热失控测试方面的工作。在整个电池包和电池系统方面也是在热测试增加了热循环和热扩散的一些相关的测试，新国标中也要求了单体发生热失控后电池在5分钟内不起火不爆炸，发生热失控要提前预警，有这样一个逃生作用，五分钟就保证电动车着火没有人员伤亡，只是财产的伤亡。
有这么好的这些标准，这么严格的标准，为什么电池还要着火？在电池研究过程当中发现前面有一个现象，着火在一两年之后，而且电池着火的概率非常低，实际上概率跟产品制造的缺陷度有关，一般产品的缺陷率四千万分之一，而且有缺陷不一定着，小概率偶发事件很难通过产品的前期检测检测到，现在的标准干什么用？能保证产品在制造、生产、加工过程当中，出厂的时候全部的质量保障，有了这些标准才有四千万分之一。
这些小概率事件诱发热失控怎么办？就需要预警的方法，后面需要预警。如何进行预警？这部分我们也做了一些基础实验，从单体到模组对电池进行加热，持续加热，冒白烟，电池着火，实际上这个过程我们也发现，这里有一个加热的触发点，我们把这条采样的横直线放大，放大以后可以看到电压衰减的速率和电压衰减的量都有变化，这个过程实际上我们做好算法是能辩识的，热失控了实际上还有半个小时的时间可以判断它是热失控的发生，这个维度除了电压的维度还要看下降速率的维度，发热失控前半小时，我们看电压缓慢下降，下降的梯度也是表明发生的副反应，整个热失控的过程我们找一个阶段，实际上是可以做的，提前半小时可以预测，这个是最后保财产的一个黄金时间，这个黄金时间要抓住，要做预测，实际上还要探索很多方法，能不能把它再提前。
这是对电池模组的一个实验，第7号、第8号进行火烤，进行燃烧，会不断的串联，火焰蔓延到周围的几个模组，最后这个电池包也没有全燃烧，中间也会阻断，所以热蔓延过程中我们的阻断也要做一些方法，这个是我们做的实验的整个的过程，这个过程中我们发现燃烧蔓延中加防火阻燃材料还是有一些需要的。电动车着火最大的问题不能很快的扑灭，直到把电池的能量释放完毕之后这个火才结束， 2011年一个包着火了，埋到地下了，第二天早晨去实验室把它挖出来还在着，必须让能量完全释放光。
这是整车触发的一个实验，整个的实验过程也是这样一个单体模组，然后到整车的过程。我们三个部分的实验是做什么用，单体实验找到一些规律来指导能不能做热失控预警，我们找的热失控预警的一些特殊参数的选取，来分析整个模组热失控发展的过程。第二个实验做了整包的实验，我们就想做看看能不能有整包级的热失控的阻燃设计。第三做了整车级的实验，目的就是看消防如何去做消防安全的一些补救的手段，通过这三个实验对电池整个着火过程也在不断的研究，这个实验还在不断的完善，因为热失控触发的方法现在是以平板加热，加入了大量的能享，我们后面会以最小的能量加入，模拟热失控的一个过程，我们想各种办法看能不能让它的热失控没有完全快速下降之前，把它截断，这就是我们做的行车数据的分析，有直观参数，有行车采集的数据，有电压温度，还有一些压差的分布，能直观的表征电池的性能。还有环境参数，春夏秋冬不同的环境，包括海边，有一些各种的环境来描述电池的负载和使用过程中的工况。
这两个参数可以用来做一些间接参数，对电池研究的维度可以增加，把时间加进去可以得一些变化的量和速率，比如容量衰减、不一致性，还可以做一些可用能的分析，内阻的一些参数，整个化学反应过程中的一些参数来映射老化安全的相关特征，这个里面间接参数就需要我们做大量的模型，现在模型有两种，一个是等效电动模型，一套完整的理论可以做电池的状态估计，另外一套就是从厂出发，什么浓度厂、电厂，然后来分析整个化学反应过程的精细过程，找到它的特征值来做老化和安全相关的一些特征。
我们做大数据分析，后面会找到一些特征值，才能真正的去把我们要做的事儿给它提前去做一些研究，这个地方的数据确实很烂，我们拿过来的数据很多是噪声，没有办法直接使用，我们就提出行车数据要做一个康复或者是修复，这个数据拿过来能用，怎么能用呢？严重的失真要拿掉，严重缺的数据要做一些修补，我们也做了大量的实验，在北京东南四环没有4G信号，什么数据也不能实时传上来，电池管理系统的容量一般现在是2兆3兆，也存不了太多的数据，必须到云端有大数据分析才能做一些想做的工作和算法，就要大数据分析，提取特征值，然后我们还有一些方法，安全评测、还有孪生模型来做热失控的预警，这个是用云端大数据的一个方法。
这是我们最近做的一个实例，这个车突然起火，起火前没有任何的异常和碰撞，行车数据什么也看不出来，市场勘验我们找到了起火点，通过行车数据直观分析，最大的电压差只有12毫伏，误差都很大，就是没有异常，最大温差3度，也没有异常，事故前所有的内阻也没有突降，特征峰值一致性也非常好，我们用经典的方法已经没有办法查到它为什么失控，没有办法进行安全预警，怎么办？我们做了一点点分析，静止过程中发现它的17号电池电压比较低，最低时间占到了54%，另外我们计算它的静止过程中的驰豫曲线下降的速度，通过关键数据梯度寻找变化趋势，这个东西是我们电池系统做不了的，只有通过云端的数据才能做，我们发现17号电池可能存在内短路导致电压下降过快的一些原因，或电压过低，我们找到了17号和35号两节电池。
我们对它的数据分析，提前48小时的数据我们没有找到离群点，事故前的24小时我们发现了离群点已经出来了，我们找到了发生故障的电池，这个离群点和提前半个小时，就是我们刚才做实验研究的那个黄金时间的数据，也吻合，也对上了，我们用一个非常简单的方法就可以做洞悉电池热失控的预警，方法非常简单，也非常好用，我们能做了，它只适合这一款电池，这一个车型，我们如何把准确度包括覆盖率能提高上去呢？我们要做更深入的研究，我们提出了一个电池安全的思路，这个思路就构建了一个数字孪生的模型，我们如果看数字孪生都没有S，一般是双胞胎带一个S，就是说不是双胞胎，就是在数字域里面和物理实体域里面从诞生那一天开始就一一对应了一个数字的模型，我们把它叫孪生模型，在其他行业里面已经开始应用了，最早是03年提出来的这样一个明确的概念，慢慢的才形成这么一个清晰的名词。实际上到10年美国NASA真正提出数字孪生的名词，这个概念在我们整个的电池系统里面，数据驱动可以称之为是黑盒，机理研究有一些白盒，数字孪生是透明的，可以实时看到，因为电池不能原位检查，只能拆解、分解，通过这个方法尝试可以去做一些工作。
做的过程当中我们刚才看到的那些实验我们布置了大量的传感器，也在不断的改进从单位提出到模组到整车燃烧过程中的 实验方法和采集的数据的点和方法。这个过程当中我们希望从电池微观的这些特性的测试来反映电池整体的状态的表征，我们来通过基础的实验能得到整个电池和参数分析结合，实际上我们最终就是想做电池的物理实体的数据和云端的大数据之间能做一个数字的孪生体，这个孪生体随着全生命周期逐渐逼近物理实体，关于这个我们也发表了行业里的一篇文章，我们这个是最清晰来描述用数字孪生做整个电池管理的一个思路。
我们构建数字孪生的云端管理平台，就是物理实体和孪生模型，我们找到更关键的使用过程中化学反应过程中微观的特征值来做动态安全边界，来做电池使用过程中的动态安全的判别。数字孪生是建模的一个过程，我们就把它放到了一个大的物理系统里面，通信计算和控制，用这样一个系统把孪生模型开始使用起来了，也就把孪生数字总线真正的在我们的系统里面使用，我们用分层级的架构基于数字孪生做整个电池系统的管理。也有幸被收录到Matter，这是一个新刊，收录了很多新的相关技术，据说以后影响因子也提高的。现在跟国内几个大的整车厂还有电池的几个大的企业也正在合作，来共同去做这样的一个平，这个平台就是通过端管云，通过数据采集、信息传输和反馈更新这样一个迭代，我们能做到全生命周期逼近物理实体的一个精确的模型，我们找到整个化学反应微观的参数来做整个电池系统的状态参数的估计和管理。
基于这个系统我们可以做几件事，一个是电池状态的所有参数的精确的估计，包括安全性的评估，电池做完之后可以做梯次利用，电池从车上拿下来就是危险品，这些东西都需要基础数据把它研究清楚，实际上传统的汽油油箱要比电池危险得多，怎么防护它，它也经历过非常惨痛的过程，加了一些保护和防护的装置，我们电池这个过程也要经历过去。再就是残值的评估，残余价值的评估，什么时候做梯次利用，二手车的评估评价，包括电池的退役回收，整个过程我们都会做一个全生命周期的孪生模型，做赛博物理系统的管理。
我就汇报到这里，谢谢大家。
敬请关注“2020中国汽车工程学会年会暨展览会（SAECCE 2020）”直播专题：
（注：本文根据现场速记整理，未经演讲嘉宾审阅，仅作为参考资料，请勿转载！）
SAECCE 2020 | 北京理工大学田金鹏：AI赋能动力电池老化多维评估与寿命快速评估
