免拆解的锂电快速检测诊断分析系统的设计与实现

刘子厚，黄碧雄，严晓，王东征，刘双宇

（1.201600 上海市 上海工程技术大学 机械与汽车工程学院；2.201600 上海市 上海玫克生储能科技有限公司；3.310051 浙江省 杭州市 浙江华云信息科技有限公司）

0 引言

近些年，随着国家政策的支持以及动力电池相关技术飞速进步，电动汽车市场和储能市场进入快速发展阶段，这一趋势在发达城市更加明显[1]。然而，随着新能源汽车普及，大批量的动力电池在使用一段时间后电池健康状态发生改变，需要第三方进行检测与评估，而这些市场上在用电池面临电池包在发生类似涉水事故后是否还安全使用、退役电池包是否能梯次利用、二手新能源车交易时如何定价等问题。本项目基于以上问题研究国内外电动汽车动力锂电池检测设备，设计了一种免拆解的锂电快速检测诊断分析系统。

市场上便携式电池测试设备的厂家并不多，设备本身功能局限，对电池组的检测操作过程复杂繁琐。部分设备还是国外电池测试厂家的代理商，高、中端电池测试设备基本依赖进口。如美国的Arbin 多功能电池测试系统，虽然设备可完成电池的各类工况的检测，但是体积巨大且价格昂贵，检测准备工作繁琐，操作流程复杂，不适合一般公司使用。Eagle Eye 公司也有电池快速检测仪器，但是只能适用于单个电池单体检测内阻，原理是对电池进行小电流放电，无法给整组电池恒流大电流放电，也无法基于检测数据发掘出电池的深入健康状态[2]。相关研究中，黄赛杰[3]发明了一种基于双向逆变器的免拆解的电池充放电系统，可检测单体电池层面电池状态，但是由于体积与质量较大不易携带，无法作为现场电池检测设备。

各类电池检测仪工作原理就是让待测电池进入充电或放电模式，采集测试过程中相关数据并加以分析。但是对整组电池包进行检测的设备通常体积庞大且操作复杂，如何涵盖市面上大型电池检测仪的主要功能且缩小体积、简化操作并且降低成本是本系统的难点。免拆解的锂电快速检测诊断分析系统体积只有普通工具盒大小，单手即可拿起，测试过程只需要连接好电路即可快速检测。克服了上述检测设备体积大、造价高且操作复杂的缺点，一般检测人员也可快速上手。本系统在嵌入式Linux 系统设备和各硬件模块的基础上可完成对电池的放电检测。此外，快速检测仪会将数据上传至诊断云平台，通过电池诊断算法进行深入的电池健康诊断。既完成了传统大型电池检测仪器的部分功能，同时加入的云端诊断算法进一步深入挖掘出测试数据的价值。

1 系统方案

快速检测诊断仪主要包括以下几个部分：嵌入式Linux、扩展板、电路开关、直流负载、电池管理系统（电池组中原有配置；若原无配置，则需添加）等，连接方式如图1 所示。将待测的电池组的电极通过电缆连接到电路开关、扩展板和直流负载；将与电池组相配合的电池管理系统的通信接口通过有线的方式连接到扩展板中的总线控制和收发器；通过对直流负载设置给定的电流值放电，总线控制和收发器以及嵌入式Linux接收和处理电池管理系统的通信报文,嵌入式Linux 解析相关的报文得到所有单体电池的电压值。并根据电流设定值的改变和电压值的改变，计算出所有单体电池的直流电阻值。

图1 快速检测诊断仪系统结构框图Fig.1 Structural block diagram of rapid diagnostic instrument

2 系统主要硬件结构

2.1 控制模块

快速检测诊断仪选用树莓派三代B型（RPI-3B）作为设备的处理器，为整个就地端检测部分的项目代码运行设备。树莓派（RPI）可运行完整的操作系统，系统中使用的Python 与C 语言的系统架构在RPI 中运行较为便捷。并且，RPI 自带的接口比较全面，USB、HDMI、SD 读卡器等常用接口都有，通过连接配套显示屏可直接解决人机操作界面的问题。同时本设备也不局限于就地端检测，数据上传至云端平台将可以进行深度检测。RPI-3B 可连接WiFi 网络或者网线，通过FTP 的方式即可完成就地设备同云平台的数据连接，省去了外加扩展。通过40Pin 引脚与扩展板连接。

2.2 执行模块

系统中的扩展板设计结构框图如图2 所示，主要包括时钟芯片DS1307，模拟输出作为一个恒流板的控制电压输入的MCP4725，接收模拟信号的ADS1115 以及恒流板和后续进一步开发用的485 模块。该扩展板提供了RPI 没有的DAC和ADC 端口，并且通过DAC 端口给恒流板的控制电压输入信号可以实现向电池组索取电能，释放到回路负载中，完成设定的恒流放电检测。同时在测试工程中MCP2515 作为CAN 的控制芯片将采集到的数据报文传入树莓派中，为后续诊断云平台分析做准备。

图2 扩展板原理设计框图Fig.2 Expansion plate principle design block diagram

3 系统软件设计

本系统中的RPI 设备中软件架构开发选用的是C 编程语言和Python 语言，C 语言作为一门面向过程的非解释性语言将作为底层的开发[4]，而使用C 语言可通过简单的编译即可实现更加安全的发布，防止软件系统被逆向破解。Python 作为一个跨各种平台的脚本语言适用于快速功能性的开发，与其相匹配的大量开源库保障了更多功能的实现基础，适用于本系统的控制与视图开发[5]。

项目架构采用MVC 三层架构模式，如图3 所示。分别代表 Model-View-Controller（模型-视图-控制器）模式。其中的Model（模型）代表的是一个存取数据的对象。可作为带有逻辑的控制器；而View（视图）代表模型包含的数据的可视化，在本系统中将实现测试使用的用户从窗口下达指令给设备，完成人机交互的工作，同时也将显示历史数据以及相关图形图标，根据需求提供各类界面，Controller（控制器）作用于模型和视图上。它控制数据流向模型对象，并在数据变化时更新视图，使视图与模型分离开。除此以外，还有公共参数类（PP），其定义了整个系统所需要的参数，该类被其它三层调用。其中Controller 层选用C 语言编写，Model 层和View 层使用Python 语言编写。两种语言通过FIFO 通讯，其中View 层使用Python 的Tkinter 作为图形开发界面。

图3 3 层架构控制逻辑结构框图Fig.3 Control logic structure diagram of three-tier architecture

对于本系统的嵌入式Linux 和扩展板，测试用户从View 层触发操作指令，系统中的代码将截取所需要的电池报文，如电池电压、放电时间等传给Model 层，后者接到报文片段后进行逻辑拼接形成一条完整的报文，然后Model 层传给Controller 层，后者接收完整报文后发给扩展板，终端设备接收报文后返回相应报文作为响应。Controller 层接收响应报文并传给PP 类，Model层从PP 类调用响应报文后进行解析并传给View层显示。在电池管理系统（BMS）通上电源后，BMS 将以固定频率向扩展板接收器发送报文，这些报文将在Model 层解析传给View 层进行显示。图4 为仪器操作界面。

图4 快速检测仪操作界面Fig.4 Operation interface of rapid detector

4 诊断云平台系统设计

诊断云平台系统是为了实现快速检测仪存储与分析，便于进一步查阅历史数据和深入诊断电池健康状态。快速检测系统除就地端检测后快速生成结构外，将数据发送至诊断云平台，诊断云平台将数据存入数据库，电池算法将直接从云端数据库调取数据，方便测试员在线查看测试数据及诊断结果。本系统的服务器选用的是阿里云ECS 服务器，阿里云提供的服务器以及云端数据库等服务较为完善，便于云平台的配置和管理。项目部署如图5 所示。

图5 云平台服务部署Fig.5 Cloud platform service deployment

在测试环境对平台进行功能定义和业务逻辑设计，这里采用Python 的轻量级Web 框架Flask进行web 服务器的搭建。采用前后端分离进行设计，诊断云平台前端使用VUE.js 构建的数据驱动Web 界面。可通过端口通讯实现响应的数据绑定和组合的视图组件，支持大量的第三方组件和库，后端使用Flask 实现诊断算法的发布和数据的查询，同数据库绑定向前端推送JSON 数据包实现人机交互。云平台架构见图6。

图6 云平台架构Fig.6 Cloud platform architecture

5 云平台诊断算法

5.1 直流内阻诊断

电池内阻是指电流流过电池所受到的阻力，包括欧姆电阻和极化电阻[6]。欧姆电阻由电解质、正负电极材料及各部分元件的接触电阻组成。极化电阻是指正负极进行电化学反应时极化、浓差极化等所引起的内阻之和。在实验中可知欧姆内阻在数值上远大于极化内阻，所以本项目的快速诊断主要用来测试待测电池的欧姆内阻值。锂电池的欧姆内阻在电流流过电池两端的效果可以由脉冲响应曲线来加以说明，如图7 所示。

人们可问的一个基本问题是：基于射线的方法足以模拟广角反射／折射数据吗？答案并非直截了当。它依赖于我们对由广角反射／折射数据得到的模型的解译能力。地质学家们面对广角反射／折射数据得到的模型有时也会感到迷惑。在地表或近地表的地质观测中推断出的壳体和断层在这一模型中几乎很难被识别出来（如，圣十字山中的维索戈瑞和凯尔采单元，见Malinowski et al，2005）。这是因为不同年代和起源的地壳单元可能显示相同的岩石性质（而且仅靠P波速度不能对岩石类型做出很好的区分），其他精细尺度的特征，如近垂直的断层，就超出了广角反射／折射方法的分辨率范围。

图7 锂电池脉冲放电响应曲线Fig.7 Pulse discharge response curve of lithium battery

在t0时刻开始大电流放电后，电池的端电压突然下降ΔU1，这是因为受到电池欧姆内阻R的影响。但这个电压下降时间很短，紧接着电池内部的电化学反应开始作用，使得电池电压开始缓慢下降，见t0-t1时间段[7]。在此阶段，电压的下降包括了电池内部发生的极化作用而产生的压降和电池荷电状态SOC 变化引起的电池开路电压的下降，表现为极化内阻的特性。需要测量到ΔU1再除以放电电流I 就可以求得欧姆电阻R。待测电池的直流内阻可由式（1）得到：

在设备测试中，通过CAN 报文数据可得到待测电池整个测试过程中的电压，再根据检测设定的放电电流即可得到电池的直流内阻，通过设定待测电池电阻的安全阈值即可筛选出存在问题的单体电池。

在对国网电池进行检测后，云平台直流内阻诊断结果如图8 所示。

图8 云平台电池欧姆内阻分析结果Fig.8 Results of Ohmic internal resistance analysis of cloud platform cells

其中单体电池1，15，19，20，21 号发生异常报警。预警阈值设定由不同类型电池类型而定，本次测试中设定5 mΩ 毫欧作为预警标准，结果大于5 mΩ 或者为空值则给出报警。1 号电池发生异常内短路，而15，19，20，21 内阻过大，判定为差电池。

5.2 自放电率分析

锂电池自放电为含一定电量的锂电池，在某一温度下放置一段时间后电池的部分容量将被损失，以及锂电池在没有使用的情况下电池容量的损失。而锂电池自放电最直接的表现为存储一段时间后其开路电压（OCV）及电池在未接入电路使用状态下的电压下降[8]。

锂电池组的容量和寿命不仅与每一个单个电池有关，更与每个单体电池之间的一致性有关，不好的一致性将会极大削弱电池组的性能。自放电的一致性是影响锂电池的容量和安全性的重要因素，电池组中各单体自放电不一致会导致电池在一段时间储存之后SOC 发生较大的差异，严重地影响电池模组的容量和安全性。锂电池自放电过大会造成以下问题：纯电动汽车停车时间过久，启动不了；电池入库前电压等一切正常，待出货时发现低电压甚至零电压；夏天车载GPS 放在车上，过段时间使用感觉电量或使用时间明显不足，甚至伴随电池发鼓。

因此，对锂电池进行自放电检测可以及时发现问题，并保证锂电池的安全性和可靠性。锂电池自放电可以通过存储前后的容量损耗、开路电压差值和存储过程中的放电电流进行分析，本诊断系统通过锂电池存储前后的开路电压数据对锂电池自放电分析步骤如下：

（2）在电池组存储一段时间后，便携式锂电检测仪记录电池组开路电压及测试时间，并将数据上传至诊断云平台；

（3）诊断云平台通过开路电压差值法对单体进行自放电率计算，计算公式为

式中：K——电池自放电率，mV/d；OCV1——电池第1 次测试放电结束后的开路电压，V；OCV2——电池存储一段时间后的开路电压，V；Δt——存储时间。

（4）诊断云平台系统将计算出的各单体自放电率与其相应的阈值进行对比，对各单体进行具体的诊断。

通过便携式锂电快速检测诊断仪及诊断云平台系统对锂电池单体的自放电分析可及时发现电池组中异常的单体，从而根据具体情况进行维保，以保证电池使用时的可靠性和安全性。检测结果如图9 所示。通过OCV—SOC 曲线，可以获得国标的自放电率每月2%～5%的容量所对应的电压差值，电压差值与静置时间的比值即为与容量损失相对应的电压下降速率。在诊断测试结果中可以发现，1 号单体自放电率为空值异常，15，19，20 号自放电率过大为异常电池。

图9 云平台电池自放电率分析结果Fig.9 Analysis results of self-discharge rate of cloud platform battery

5.3 诊断报告

除在线查看历史数据和算法结果外，诊断云平台会将检测的结果以及诊断结论生成诊断报告。诊断报告可离线下载至本地，方便工程师或用户通过诊断报告对电池包中有问题的单体电池进行均衡或更换，诊断报告如图10 所示。

图10 云平台诊断报告Fig.10 Cloud platform diagnostic report

6 结语

本文在嵌入式Linux 系统设备和各硬件模块的基础上，并配合云端诊断平台，设计了一套从就地端检测到云端测试诊断的完整系统，实现了对锂电池健康安全状态的快速诊断。主要应用于电动汽车动力电池包的进货验收、使用一段时间后的例行检测，以及退役时梯次利用等场景，其特点为快速检测和云端的深入检测。快速性表现在2 min 内检测出电池包单体的直流内阻以及单体开路电压（OCV），从而对电池一致性问题做出诊断。云端的深入检测包括查阅历史检测数据和电池诊断算法分析，最终每个检测结果都会生成在检测报告上给用户查看。本系统还在不断完善和改进，在后续开发中将依照国标以及实验论证的数据进一步开发更全面的检测诊断算法，对整组电池中各个单体电池做更为深入的检测。同时，快速检测将加入绝缘检测和电池管理系统检测，实现从设备端到待测电池的全面诊断。本系统通过便捷且低成本的快速检测方式，配合云端互联网，能够将大批量电池更好地利用起来，完善退役电池后市场，保障用户用电安全。