电压熵值的锂离子电池组安装模式优化

肖艳秋 ，姚 雷 ，翟洪飞 ，2，侯俊剑

（1.郑州轻工业学院 机电工程学院，河南 郑州 450002；2.重庆大学 机械传动国家重点实验室，重庆 400044）

1 引言

目前，环境污染和能源枯竭问题已经引起了广泛关注，世界各国已经分别投入大量的人力和财力发展新能源行业。由于电动汽车（EV）和混合动力汽车（HEV）的无排放或低排放优点，已成为各国研究开发和生产的焦点[1]，所以对动力源--电池性能的研究也引起了广泛的关注。基于电动汽车事故爆发的数据分析，动力电池由连接问题引起的燃烧和爆炸等事故尤为频繁[2]。当今电动汽车用动力电池主要面临成本高、一致性差、安全性能不高和续驶里程范围小等问题，而目前对电池性能的研究主要集中在单体和成组的热管理方面[3-5]，对电池组内单体连接故障方面的文章很少。在实际应用中，单体之间的连接松动现象经常发生，接触不良会导致车辆在行驶过程中产生高压电火花和电弧，极易引起火灾。文献[2]提出基于电池等效电路模型中电池阻的熵值来判定系统的连接状态，由于阻值需通过数据的离线处理才能得到，很难实现在线的实时检测；文献[6]计算出电池电压和电流的样本熵值，然后依次对应，用来判断电池连接状况和电池SOH值，样本熵的计算精度比较高，但抗干扰能力比较差，对噪声尤为敏感，对采集到的数据要求比较高。电动汽车在实际运行中，振动和噪声不能完全消除，所以该算法很难在工程当中应用。采用振动测试和充放电实验相结合的方法，模拟电池在实际工况中的运行模式，结合工况电压，对电池的连接状态实现实时的状态评估，确定出最佳的系统安装模式。

2 电池连接模型

动力电池在实际装车中，通过一定的连接方式，组成一个达到车辆运行要求的电池系统，为整车运行提供动力和检测能力。在连接过程中，需要借助螺纹或者焊接件，将电池进行串/并联。其连接方式，如图1所示。

图中：测试点1、2、3和4—模拟电池虚接的测试点；Vn—对应电池n的端电压，在图中，从下往上依次为1号电池，2号电池，3号电池，4号电池和5号电池；I—工况电流；i—测量电流。

当电池连接故障发生在测试点1时，只有V1发生变化，而临近的V2和V3的测量值不受影响。由于在测量过程中，采集线的阻抗很小，通过的电流值也很小，所以可以忽略在采集线上的压降，近似认为采集到的电压Vn就是电池n两端的开路电压和链接阻抗上的压降和。

基于此连接模式，可以将单体和连接件组合成一个单元，进行电路简化。由于5号电池的电压是直接测量，没有通过连接件，所以除5号电池以外，其它电池的简化电路可采用式（1）进行表示。

式中：Uocv—电池电动势，其数值上等于电池的开路电压；Vp—极化电压；Rp—浓差极化内阻和电化学极化内阻之和；RΩ—电池欧姆内阻；Cp—极化电容；V—端电压；Rc—电池连接件阻抗。

由式（1）可知，Usoc、RΩ和Vp在电流一定的条件下，是连续函数。在实验过程中，若保持实验环境不变，数值变化应当与电流波动变化一致。Rc为电池的链接阻抗，当连接状态良好时，Rc变化不大；当连接发生故障时，由于连接件和电池极柱之间的接触面积发生跳变，导致Rc随振动的频率和幅值发生变化，使测量电压V也随着振动状态发生跳变。

3 故障预测方法与验证

3.1 故障预测方法

信息熵是Claude Elwood Shannon在1948年最早提出来的，用来描述离散随机事件出现的概率，解决信息量化的度量问题。目前该算法主要应用遗传学[7]、图像处理[8]和天气预报[9]等方面。计算公式如下：

式中：H（X）—信息熵值；

pxi—x出现在i区间内数据出现的频率；

n—所划分的区域个数。

为了实现对电动汽车电池状况的实时监测，需要对熵值的算法进行更新。在实际计算中，数据比较多，计算量比较大，对硬件设备要求高，同时电压的波动也受到电动汽车在运行工况时所需实际功率的影响，所以将计算步骤进行离散简化处理，具体步骤如下：

（1）选取矩阵 Bk×n，Bk×n⊆Am×n

（2）选出 xmin、xmax为 Bk×n的两个极值，即：

的个数，l为划分的区间个数；其中 a=0，1，2，…，l-1，取 l=10；（4）计算每个区间数据出现的频率；

在计算的过程中，K值为选取计算窗口的大小，其数值极为关键。选取过大，造成两个相互事件之间发生干扰，无法辨别；K值选取过小，会发现数据波动特别厉害，无法查看，由于数据量较大，在此选取K=100。

3.2 算法验证的实验平台

电池系统振动测试平台采用如下设备：充放电设备为德国迪卡隆充放电仪，振动台是中国杭州制造，电压采集器采用美国的NI采集器。实验参照电动汽车用动力蓄电池箱通用要求QC/T 989-2014，在25℃下，从（10～55）Hz进行扫频测试，同时充放电柜对电池组进行充放电测试，实时采集电压值，并通过红外测温仪不定时对连接部件检测，防止温度过高。

3.3 实验算法的验证

电池在测试过程中，得到电压的采集数据。取n=5时的熵值曲线进行分析。

分别用 1、3、4 标注出 1、3 和 4 号测试点在 t=40S、140S、90S和170S处出现了熵值的波动，如图2所示。此时通过红外测温仪发现，1号测试点局部温度高达82℃。4号测试点局部温度也高达46℃。

测试点3在t=90S处出现一个小的熵值峰值，但温度与测试点2处均为30℃，因为在熵值计算的区间内，如果测试点处采集到的电池电压都比较稳定，3号测试点略微出现相对较大的噪声干扰，熵值就会出现一个波峰。但由于噪声的随机性，峰值会在很短时间内消失。

图2 n=5时电压熵值曲线Fig.2 Voltage Curve and Sannon Entropy Curves at n=5

当n=10时，采集到的1号测试点的电压数据变化剧烈，波动十分明显，同时有火花的迸出。随着实验的继续，1号测试点处的螺母出现明显的跳动，连接件与电池之间的接触松动已很明显，同时火花频繁迸出。表明1号测试点已处于完全松动状态。

结合图2和后续实验的结果，电池的连接状况在n=5时就已经出现问题，但在此时的电压数值中，并未出现任何异常，而熵值曲线已经给出明显的故障结论。

通过实验分析，表明该修订后的熵值能够比电压值更精确、可靠地检测到电池当前的故障状态。

4 电池组安装方式的优化

4.1 电池组安装模式

基于上述的实验设备，将电池组固定在水平方向振动的测试台上，预紧力分别沿y轴和z轴两个方向。测试并记录实测电压值。

由于振动台是沿y方向进行加载，电池模组的预紧力方向分别为x，y和z三个方向。由于预紧力在x轴和z轴方向时，都与振动方向y轴垂直，实验结果相差不大，故取预紧力方向为y轴和z轴数据分析。4个测试点的预紧力分布，如表1所示。以监测点1为实验观察对象。

表1 测试点力矩Tab.1 Battery Performance Torque

4.2 实验数据分析

通过对电池模组的平放、立方两组实验数据对比，得到不同安装模式下的熵值变化情况。

从图3和图5对比可得：1号测试点在力矩M为0.25Nm时，由于力矩过小，在t=160S时，图中测试点1处出现明显的熵值波峰，其中图3中表现更为明显；图4中，1号测试点处的力矩沿z轴方向，大小为0.5Nm，其熵值变化平稳，与2、3、4测试点处的熵值基本一致，变化不明显，即表明在沿z轴方向0.5Nm和1Nm、2Nm、3Nm对电池的连接状况作用差别不大，可得：力矩沿z轴方向即连接力矩方向与主振动方向向垂直时，0.5Nm即可满足良好连接需求的力矩。

图3 z轴方向放置M=0.25NmFig.3 Position Along the z Axis at M=0.25Nm

图4 z轴方向放置M=0.5NmFig.4 Position Along the z Axis at M=0.5Nm

图5 y轴方向放置M=0.25NmFig.5 Position Along the y Axis at M=0.25Nm

在图6中，1号测试点处的力矩沿y轴方向，大小为0.75Nm，测试点处的电压熵值在t=140s时，熵值高于其他测试点处，波动明显，而且随着实验的进行，熵值相差越来越大，表明沿此方向力矩虽然为0.75Nm，但仍不能满足该方向电池连接力矩的需求，4号测试点处的力矩为1Nm，在t=80s和120s时也出现一定的熵值波峰，但2号测试点和3号测试点熵值一致，波动不大，即单体电池在连接力矩为2Nm和3Nm时，电池连接良好。表明在连接力矩方向与主振动方向相一致时，电池连接紧固力矩应不小于2Nm，才能保证良好的连接状态。

图6 y轴方向放置M=0.75NmFig.6 Position Along the y Axis at M=0.75Nm

5 结论

通过分析单体电池在电池组内部的连接模式，研究电池间发生虚接时内阻变化对电压的影响，提出了一种电压熵值的预测方法，并对电池组的安装方式进行对比优化，具体表现为：

（1）分析了电池组内单体电池的连接方式，建立单体电池等效电路模型，研究电池发生虚接时，内阻变化原因和对电压的影响。同时利用信息熵对采集到的电压值进行状态预测，此方法能够准确地预测出电池间发生连接故障时的时间和位置，比基于电压观察法精度高，效率快。

（2）基于电压熵值的波动，优化分析动力电池组在整车上的安装模式，表明当安装力矩方向与主振动方向垂直时，需要提供的安装力矩仅为0.5Nm；当安装力矩方向与主振动方向一致时，则需要提供四倍高的预紧力矩来确保连接的可靠性。