1  背景

通過數(shù)據(jù)對汽車零部件狀態(tài)作分析和故障診斷，是當前汽車工業(yè)數(shù)字化轉(zhuǎn)型的重點應(yīng)用方向。其中，汽車動力電池是汽車的核心部件，是研究和應(yīng)用的重點。數(shù)據(jù)分析的數(shù)據(jù)來源于試驗環(huán)境和實際路況。實際路況下的數(shù)據(jù)比試驗環(huán)境下復(fù)雜得多，目前仍然沒有實際應(yīng)用。針對汽車在購買后的實際使用數(shù)據(jù)，建立動力電池的評估模型來評價和預(yù)測電池壽命顯得十分重要。

當前，基于數(shù)據(jù)的電池壽命衰減分析仍然主要基于試驗室數(shù)據(jù)的一些理論研究?；趯嶋H上路后數(shù)據(jù)的電池狀態(tài)分析和應(yīng)用尚屬空白。

另外，試驗室通過循環(huán)放電等手段估算循環(huán)壽命，而在實際使用中，循環(huán)放電信息基本不可得。建立以實際使用時間為輸入?yún)?shù)的模型，有十分重要的現(xiàn)實應(yīng)用意義。

本文對基于實際上路的汽車數(shù)據(jù)的電池壽命衰減分析給出理論假設(shè)模型，并結(jié)合實際數(shù)據(jù)給予驗證。

2  假設(shè)

本文提出如下模型假設(shè):

假設(shè)1: 電池衰減因素主要由內(nèi)在因素決定，為單調(diào)下降函數(shù)模型。

假設(shè)2: 電池狀態(tài)受到外界因素的影響，影響因素是用戶行為，干擾因素是環(huán)境溫度。例如，用戶行為如充電習慣影響到電池的衰減速率;溫度隨季節(jié)變化時，電池容量也會隨之變化。

假設(shè)3: 電池狀態(tài)可以由內(nèi)因影響和外因影響疊加確定。

示意圖如圖1所示。



3  試驗方法

3．1  試驗設(shè)計思路

通過擬合基本模型和偏移模型形成數(shù)據(jù)模型并驗證模型精度，據(jù)此設(shè)計了如下試驗:

(1) 對電池狀態(tài)(SOH)趨勢數(shù)據(jù)做分解，分解為基本模型和偏移模型，分別對應(yīng)內(nèi)在因素影響模型和外在環(huán)境因素影響模型。

(2) 對分解數(shù)據(jù)建立模型，通過擬合冪函數(shù)、指數(shù)函數(shù)等函數(shù)建立主要趨勢線的統(tǒng)一函數(shù)模型，通過擬合波動線建立符合波動變化的模型。

(3) 用擬合的模型對實測數(shù)據(jù)做擬合分析。擬合的模型可用于實際數(shù)據(jù)預(yù)測電池狀態(tài)變化。

3．2  試驗設(shè)計方案

3．2．1  試驗數(shù)據(jù)

對于實際使用數(shù)據(jù)，提取2萬輛混合動力汽車的充電記錄，通過深度充放電記錄計算每輛汽車(以VIN為ID標識)每個月的SOH。

3．2．2  試驗方法

(1) 擬合內(nèi)因模型

基于統(tǒng)計、經(jīng)驗和參考數(shù)據(jù)，選擇最佳函數(shù)擬合線。

① 統(tǒng)計數(shù)據(jù)，對已有樣本統(tǒng)計平均SOH等。

② 統(tǒng)計規(guī)則應(yīng)用，根據(jù)統(tǒng)計規(guī)則進行模型偏移調(diào)整，比如單調(diào)下降函數(shù)。從統(tǒng)計數(shù)據(jù)來看，電池的衰減表現(xiàn)為開始3個月急劇下降，后面下降趨緩。因此，應(yīng)構(gòu)造分段函數(shù)表達整體模型。

③ 參考數(shù)據(jù)應(yīng)用，比如試驗室SOH衰減數(shù)據(jù)。

④ 最佳函數(shù)擬合:測試多種函數(shù)形態(tài)，得到最佳函數(shù)(最佳分段函數(shù))形態(tài)，以及相應(yīng)的最佳參數(shù)，比如線性、二次函數(shù)、冪函數(shù)、指數(shù)函數(shù)，此處采用牛頓迭代法。

(2) 擬合外因模型

① 計算波動，做周期識別:固定間隔(3個月、6個月、1年等)，判斷周期。

② 通過實際使用數(shù)據(jù)識別因素對衰減速率影響規(guī)律，調(diào)整波動及波幅。

③ 對波動振幅做衰減。

(3) 整合兩個模型，建立統(tǒng)一模型。

(4) 對函數(shù)擬合進行驗證，利用函數(shù)進行預(yù)測。

3．3  試驗結(jié)果

3．3．1  內(nèi)因線模型擬合試驗

設(shè)計和測試了幾種衰減函數(shù)，采用擬合優(yōu)度對函數(shù)模型進行評估。

首先用單個模型為代表，擬合數(shù)據(jù)如表1所示。



從表1可以看出，容量衰減指數(shù)函數(shù)是擬合最多的模型，而衰減指數(shù)函數(shù)擬合程度最好。

因為電池壽命衰減的表現(xiàn)是開始下降劇烈，后面下降趨緩，故用不同的衰減函數(shù)模擬前半段和后半段。

從分段函數(shù)效果來看，仍然是衰減指數(shù)函數(shù)擬合的數(shù)量最多，冪函數(shù)擬合的數(shù)量也比較多，見表2。



從分段函數(shù)效果來看，指數(shù)函數(shù)和冪函數(shù)擬合的效果比較好，見表3。



由以上數(shù)據(jù)分析可見，電池衰減模型以指數(shù)函數(shù)為主，也可能呈現(xiàn)冪函數(shù)形態(tài)。這些和現(xiàn)有試驗室的數(shù)據(jù)研究初步結(jié)論相符。

3.3.2  外因線模型擬合試驗

根據(jù)經(jīng)驗可知，電池壽命的影響因素有油電比例、溫度、均衡時長比例、放電功率、回饋功率和高低SOC的存儲比例。

篩選車輛歷史數(shù)據(jù)，選取衰減速率在前20%和后20%的數(shù)據(jù)，計算和分析其各影響因素對電池衰減速率的影響度，結(jié)果如表4所示。



基于上述結(jié)論，進行外因模型的設(shè)計，可假定每個影響因素都可以通過一個算式模型表示，那外因模型為多個算式模型組合變化而成，并存在以下約束:

(1)特征約束

·  影響因素均可人為識別;

·  特征發(fā)散，無方差接近于0的樣本。

(2)數(shù)據(jù)約束

·  在每個時間點，數(shù)據(jù)符合正態(tài)分布，用平均值估計，誤差也為正態(tài)分布;

·  極端樣本占比小，一定置信度下預(yù)測誤差有界。

通過多種算法的整合，以獲得更準確的識別，整合方法如圖2所示，獲得影響因素的模型，并得出以下結(jié)論:

(1) 單維度變化的影響:固定其他維度的值;梯度方向變化維度值;查看Y的變化。

(2) 多維度聯(lián)動

由多次單維度變化構(gòu)成。

(3) 如局部最優(yōu)解存在，就一定可以收斂到局部最優(yōu)解。

因此，外因線可以用多項式模型和傅里葉變化模型進行搭建，并且可獲得局部最優(yōu)解。



4  模型應(yīng)用

如上模型應(yīng)用于上汽榮威APP“電池醫(yī)生”，能夠全方位評估車主的用車狀況，并給出電池使用建議，取得了良好效果。

方法如下:

(1) 擬合出模型，確定參數(shù);

(2) 利用擬合的模型，預(yù)測SOH。

利用預(yù)測的精度表達預(yù)測的準確度，實際結(jié)果如表5所示。



由表5可見，預(yù)測達到了較高的精度，說明假設(shè)模型具有很強的實用性。

5  結(jié)語

汽車動力電池的主要趨勢符合指數(shù)函數(shù)的單調(diào)遞減序列函數(shù)模型。在實際應(yīng)用中，溫度是除了主要內(nèi)因以外的最主要的影響因素。內(nèi)因和外因影響疊加，可以構(gòu)成汽車動力電池的衰減模型。應(yīng)用此原理，可以通過拆分對電池壽命進行預(yù)測。試驗數(shù)據(jù)符合該假設(shè)，在實踐中取得良好效果。

動力電池狀態(tài)和衰減分析預(yù)測以動力電池壽命預(yù)測和保養(yǎng)策略的多模型融合的技術(shù)創(chuàng)新為突破口，填補了國內(nèi)在PHM平臺技術(shù)領(lǐng)域的空白，已申請4項專利。上汽正在積極推動新模式的業(yè)務(wù)架構(gòu)，探索算法在傳統(tǒng)制造業(yè)的創(chuàng)新與落地，以場景和用戶為導(dǎo)向，為促進大數(shù)據(jù)和人工智能技術(shù)在汽車行業(yè)應(yīng)用中的落地打下良好的基石。