低压条件下分布式储能系统锂离子电池燃烧失控风险预警

2021-06-22李志雷沈学良刘海峰杨欣可沙云鹏

机械与电子 2021年6期

李志雷，沈学良，刘海峰，杨欣可，沙云鹏

(1.国网雄安新区供电公司，河北雄安新区 071000；2.平高集团有限公司，河南平顶山 467000)

0 引言

目前的化学储能设备，多采用锂离子电池[1]。锂离子电池具有无污染、充电电压高、比能量大和可循环使用的特点。但锂离子电池的使用安全问题随之出现。锂离子电池在充放电时，锂金属处于活泼状态，锂负极的表面极易形成锂枝晶，而这些物质中的锂，却不再参与电量的产生，而是刺破隔膜引发内部短路现象，生成大量热量后，就会出现电池燃烧热失控问题，影响整个供电公司的安全[2]。

因此,文献[3]设计一个基于灰色支持向量机的风险预警模型；文献[4]构建一个基于时间相依Cox回归的预警模型。但是这2个模型在实际应用中均表现出了预警时间较长弊端。此次研究在传统模型的基础上，重新提取锂离子电池燃烧失控特性，以期加强模型的预警效果。

1 分布式储能系统锂离子电池燃烧失控风险预警模型

1.1 锂离子电池热失控扩展规律

低压环境中，锂离子电池在外部加热条件下，均能发生热失控。锂电池是由正负极材料、电解液和隔膜组成。其中，正极材料主要为含锂的金属氧化物，具备层状结构、尖晶石结构和橄榄石结构；负极材料包括无定型碳、石墨化碳和硅基材料。分布式储能系统锂离子电池，在低压条件影响下，通过内部和外部因素耦合会产生燃烧现象。锂离子电池充放电工作效果如图1所示[5]。

图1 锂离子电池充放电工作效果

设置环境压力为10 kPa，分析7节锂离子电池在低压条件下的热失控扩展规律：其中，第一级是分布式储能系统电加热，直接导致了2节电池热失控；第二级为热失控自发热条件下，第1个电池向其他电池扩展；第三级为二级失控电池触发了临近电池，导致锂离子电池向三级蔓延；第四级为最后被触发热失控的电池。该热失控扩展规律可用图2进行描述[6],其中，颜色较深的电池表示失控电池。

根据图2的扩散规律可知，在四级扩展过程中，锂电池发热失控的蔓延规律，是逐渐向外侧扩散的，受低压条件影响，其扩展时间也存在差异。因此，可根据上述提取结果，识别过充电导致的热失控风险。

图2 热失控扩展规律

1.2 识别过充电热失控风险

根据上述获得的热扩展规律，此次研究采用双层窗口数据流分类识别算法，识别过充电热失控风险基本数值。在电池监测数据流到来时，生成窗口内的数据结构。当数据频度过快时，由于预警模型的能力有限，因此需要根据热扩展规律，有选择地处理热数据。利用聚类算法，计算数据流初始聚类结构。再对新来到滑动窗口的数据，进行在线聚类，采用高维度相似性函数、欧氏距离等参数获取稳定聚类中心。该识别过程的具体操作方法如下所述。

假设初始聚类最大个数为n，质心用Cn表示；数据到质心、归类的最小隶属距离，用Dmin表示；令每个聚类的数据元素数量为Qn。假设当前阶段的数据流用s表示，双层窗口的尺寸为u，当前到达的数据流为li，当前窗口内的数据总量为T。判断窗口中的数据是否超出窗口中的数据总存储量，设M为窗口数据数量，则有

(1)

若数据已经超出窗口数据总存储量，则要不断剔除过期数据。计算新来的数据到各个聚类中心的距离，以此判别这些数据的具体归类。根据计算结果比较该值与最小隶属距离Dmin之间的差距，若小于Dmin，那么将这个新数据安放到对应的类别中；若大于Dmin，则要修正质心，通过新建类别、合并类别和删除类别重新归类预警模型的监测数据。该过程就是当前类别小于n时，直接新建1个类；当类别数量为最大值，且新的数据与所有质心距离均大于Dmin时，为识别新的数据，需要合并与解散原有类别，实现对数据的重新归类。因此引入以下概念：

(2)

umin与umax分别为当前窗口中数据最小和最大的编号。

若满足下述条件解散类别，剔除过期数据后重新归类剩余数据，则有

(3)

δmin为所有类别数据编号的平均最小值；α与β分别为判断类别解散与合并的2个参数。

将n个稳定聚类中心，录入离线层进行数据分类，根据最优计算结果，识别其中的过充电热失控风数值[7]。

1.3 设置燃烧失控风险预警指标

根据得到的不同特征的风险值，设置燃烧失控风险指标。该值作为构建预警模型的基础，对于模型的准确性和及时性起到关键性的作用。根据国网雄安新区供电公司使用的分布式储能系统的基本概况，将预警指标分为4个部分。其中，电池风险为主体风险指标，该指标包括锂电池故障率风险指标、锂电池检修质量、锂电池可靠性及稳定性。故障率为在分布式储能系统的正常运作周期内，由于低压、过充电等因素影响，使锂离子电池失去了原有的功能，导致系统运行异常的概率[8]。该概率的计算公式为

(4)

t1为电池燃烧时长；t2为燃烧之前的维护时长；Δt为预期预警时长。

检修质量指发生燃烧的锂电池，在经过修理之后恢复使用的技术能力，该值可与下列公式的计算结果进行比较：

(5)

a为返修工时；b为实际检修总工时。

通过比较该值，分析检修质量是否为导致电池燃烧的原因。锂电池可靠性，是指该电池在供电公司长期维护下，是否能长时间无故障运行。若该值较低，说明锂离子电池的可靠程度偏低，易出现燃烧事故。最后稳定性是指在系统飞速、无间断工作条件下，电池是否还具有稳定的反应能力。根据上述分析，建立了预警指标体系，如表1所示。

表1 供电公司锂电池燃烧预警指标体系

根据4大类风险指标，确定预警指标权重，实现对供电公司的系统电池使用安全管理。

1.4 基于预警指标权重的风险预警模型

采用模糊层次分析法，建立模糊互补判断矩阵。建立矩阵X=(xij)m×m，当该矩阵满足0≤xij≤1时，那么默认该矩阵为模糊矩阵；当xij+xji=1时，则该矩阵为模糊互补矩阵[9-10]。与层次分析法的判断矩阵相同，为了判定各指标之间的相对重要性，需要比较其中的任意2个指标，由于该矩阵也采用“0.1～0.9”九标度法，因此这里就不再具体描述，直接计算模糊互补判断矩阵权重，该结果为

(6)

m为模糊矩阵中元素个数。根据上述计算得到权重，即ω={ω1,ω2,…,ωn}是矩阵X的排序向量，则W=(ωij)m×m为矩阵X的权重矩阵，存在

ωij=ωi-ωj+0.5

(7)

i，j∈n,n为矩阵X的最大排序向量数量，且n为正整数。

根据上一节的研究结果，假设电池风险指标为f1，人员风险指标为f2，系统风险指标为f3，环境风险指标为f4，则建立的预警模型为

F=g(f1,f2,f3,f4)

(8)

为了便于计算，采用多目标线性加权函数法，评价每一阶段中分布式储能系统锂离子电池的使用安全，并计算评估分值：

(9)

z为准则层数量；y为某一准则层中指标的个数；Fi为第i个准则层在总目标层中的占比；Fij为准则层Fi中第j个指标在该层中的占比；Bij为第i个准则层中第j个指标的评分值。

为了加以区分预警结果，建立风险预警等级以及预警指示灯，具体指示灯提示如表2所示。

表2 风险预警等级和预警指示灯提示

按照上述过程，设计风险预警模型，实现在低压环境下对分布式储能系统锂离子电池的燃烧失控预警。

2 实验研究

为验证此次研究方法的可靠性和适用性，提出对比测试实验。实验将此次提出的风险预警模型作为实验组测试对象，将文献[3]方法、文献[4]方法分别作为对照A组和对照B组的测试方法，通过模拟分布式储能系统中锂离子电池过充电导致的燃烧失控，进行3组模型预警，比较测试结果的差异性。

2.1 实验准备

选择型号为18650的锂离子电池，作为此次实验的被测试对象。已知电池的标准容量为2 600 mAh，最大充电电压为4.20 V，最大充电电流为2 500 mA，充电时的工作温度在0～60 ℃之间，放电时的工作温度在-20～60 ℃之间。利用计算机和摄像机等设备，建立测试平台，如图3所示。

图3 实验设备

锂离子电池安装如图4所示。将图4所示的锂离子电池与分布式储能系统相连接，并将测试平台与该系统建立连接。在保障实验测试环境安全的基础上模拟过充电，利用测试平台监测不同测试组的预警效果。

图4 锂离子电池

2.2 结果分析

已知在模拟条件控制下，锂电池的燃烧失控时间在第22 s。为了保证此次实验研究更有说服性，共进行3次模拟实验。图5为第22 s电池燃烧失控时，3个测试组的预警效果。实验组即为所提方法测试组，对照组A和对照组B分别为文献[3]方法和文献[4]方法。

图5 预警模型测试对比

根据图5中的3组测试结果可知，3个预警模型中，只有实验组的预警模型的α系数，在第22 s时发生剧烈变化，而对照A组和对照B组的α系数，则是在第26 s、和第31 s时才出现剧烈变化。可见2个对照组模型，预警锂电池燃烧失控的速度偏慢，预警能力较差。所以只有实验组通过快速反应，将燃烧失控风险指数α迅速控制下来，而其他2个测试组的控制晚于实验组。统计3个测试组3次测试下α系数的波动差异，结果如表3所示。