海洋平臺不間斷電源鋰離子蓄電池故障診斷

吳佳銘，陳自強

（上海交通大學 海洋工程國家重點實驗室，高新船舶與深海開發裝備協同創新中心，上海 200240）

為滿足深海資源開發技術發展，促進深海工程裝備戰略新興產業發展，開展水下作業裝備技術研究成為當下熱潮之一。由于海洋環境復雜多變，海洋平臺在作業中不可避免地會遇見各類危險狀況。作為主電源故障時，平臺通訊設備和安全設備的維系裝置，UPS在海洋平臺安全領域有著不可或缺的作用。因此，實時監控運行狀態，及時診斷故障，提升海洋平臺 UPS安全性和可靠性是當下的研究重點。對此，主要有以下兩個研究方向，一是改善UPS的結構[1]；二是提高UPS鋰離子蓄電池的性能。

目前，海洋平臺 UPS主要有密封式閥控鉛酸蓄電池和磷酸鐵鋰蓄電池兩種類型。鉛酸蓄電池采用全密封結構，在使用過程中無酸霧泄露腐蝕設備、污染環境，在不間斷電源領域內受到廣大用戶的歡迎。但是其能量密度小，反應產生的氣體具有一定的危險性，且需要定期的維護、監測和替換，不符合海洋平臺 UPS 高可靠性要求。而磷酸鐵鋰蓄電池自放電小，對溫度波動不太敏感，單體鋰電池的損壞不會引起整組電池失效，具有極高的可靠性。在物理結構上，對比鉛酸蓄電池，鋰離子電池還具有質量輕、體積小等優勢，方便海洋平臺內部空間布置。因此，筆者選擇磷酸鐵鋰電池研究海洋平臺UPS的故障診斷系統。

由于海洋平臺作業環境的復雜性和不可預知性，UPS 在實際過程中會遇到復雜的工況和各類突發事件，造成蓄電池物理化學性能方面不可逆轉的損壞。例如短路、過充、過放、過載等問題都會導致蓄電池內部電阻阻值的增加，產熱量上升，降低電池最大容量和充放電效率[2]。此外蓄電池性能也會在多次循環下不斷衰減[3]。目前，磷酸鐵鋰電池的診斷方法包括使用擴展卡爾曼濾波EKF（Extended Kalman Filter）監測電池內部狀態參數[4]，使用最小二乘評估電池荷電狀態[5]和使用無跡粒子濾波 UPF（Unscented Particle Filter）評估電池壽命[6]等。為了解決傳統方法魯棒性差，個別算法也引入了自適應參數λ加強對突變故障的識別速度，如Zheng等人的自適應無跡卡爾曼濾波[7]。然而大部分算法主要研究電池的參數變化，缺乏對故障類型的診斷和復雜海況的適應性，無法用于故障診斷系統。

因此，文中基于多模型粒子濾波算法，結合磷酸鐵鋰電池等效電路模型，研究復雜工況下的海洋平臺UPS蓄電池故障診斷系統。通過設計電池過充、過放和過熱三種故障實驗檢測系統的準確性與可靠性[8-9]。

1 故障診斷系統設計

海洋平臺 UPS故障診斷系統總體設計方案如圖1所示。系統由數據采集，控制設備、故障診斷系統和上位機四部分組成[10]。系統通過采集模塊實時采集海洋平臺 UPS蓄電池的充放電電流、端電壓和溫度等信息，并將各項數據通過CAN總線傳輸到故障診斷系統。故障診斷系統通過診斷算法濾波，并通過各個電池狀態模型辨識得到蓄電池的各項參數和故障類型。上位機的圖形化界面中將顯示電池參數，并對故障信息進行顯示和警報。歷史故障和異常參數將存儲在上位機的數據庫中，方便后期查看和蓄電池維護。在故障診斷系統中，采用飛思卡爾的MPC5606S芯片作為處理器，確保充足的計算資源和處理速度。

2 電池模型與離散

合理的電池模型對故障診斷算法有著極其重要的意義[11-12]。一方面，精確的電池模型能夠為故障診斷算法提供合理的依據。在實踐中，鋰離子蓄電池的故障是通過其外在特性診斷的，合理的模型能夠建立電池故障和外在特性之間的數值聯系，從而實現算法精確診斷功能。另一方面，電池模型可以估計系統的工作狀態，對各種工況進行模擬仿真，提高工作的安全性和可靠性。

為了較好擬合電池的極化現象，同時降低模型復雜度，增加算法實用性，選擇磷酸鐵鋰電池二階 RC等效電路模型，如圖 2所示[13]。其中歐姆內阻 Rs描述電池通電后的瞬間壓降，兩個RC回路分別描述電池的較快和較慢的極化特性。

針對以上模型，設向量X為：

則離散后的狀態空間方程：

式中：zk為鋰離子電池端電壓；Up1,k和 Up2,k為第 k次迭代容阻的端電壓；ek-1為系統噪聲；rk為觀測噪聲，在這里，假設系統噪聲和觀測噪聲之間互不相關；T為兩次采樣的時間間隔。

針對海洋平臺運行環境中的復雜工況，增加系統噪聲ek-1的均方差值，突出其對故障診斷系統的影響。

3 電池故障實驗

磷酸鐵鋰電池在發生故障后，歐姆內阻和極化特性將發生較大的變化，導致電池的端電壓和放電效率降低，造成 UPS在工作狀態下放電功率不足和放電時間過短的情況。這在海洋平臺 UPS的使用中是需要竭力避免的，因此磷酸鐵鋰電池故障實驗的設計和研究對于海洋平臺安全性和可靠性有著重要的意義。文中分別設計了磷酸鐵鋰電池的過充、過放和過熱三種故障實驗，并記錄了電池的參數變化，

3.1 裝置與環境

實驗用電池為軟包磷酸鐵鋰電池，實際容量為2.5 Ah，充放電截止電壓為3.65 V/2.5 V，實驗溫度為25 ℃。實驗設備包含恒溫箱、高溫防爆箱、電池測試平臺、輔助通道以及電腦上位機。其中電池測試平臺測量電池實時狀態數據，電壓分辨率為 0.002 V，電流分辨率為 0.02 A。輔助通道和電腦上位機采集數據并繪制電壓與電流的時域曲線。

為了實時監測電池溫度，防止熱失控，將磷酸鐵鋰電池放于特制的高溫防爆箱中，在電池的五個位置布置熱電偶，在電池溫度與恒溫箱溫度超過2 ℃時，中斷實驗，靜置電池降溫。具體實驗設備連接如圖3所示，

3.2 方法

分別對三組相同的電池進行過充、過放和過熱實驗，每次實驗過充過放深度為20%，并循環15次。過充電故障實驗方法如下所述。

1）在 25 ℃的條件下，分別將電池 1和電池 2以1 C放電倍率（I=2500 mA）放電，至電池達到截止電壓2.5 V。靜置1.5 h后，對電池1進行充電。先以 1 C充電倍率充電，直到電池達到充電截止電壓3.65 V。靜置1 h后，以0.1 C充電倍率充電至3.65 V。之后，靜置600 s后，以0.02 C充電倍率充電，直到電池電壓大于截止電壓。

2）將電池1和電池2放置在25 ℃的恒溫箱中靜置90 min。

3）在電池過充實驗中，將電池 1與電池 2串聯后放于高溫防爆箱中，以0.2 C放電倍率充電，當充電時間為60 min時停止充電。

4）將過充后的電池放于 25 ℃恒溫箱中，使得電池與恒溫箱溫度不大于2 ℃。之后采用基于FreedomCAR發布的《功率輔助型電池測試手冊》中的混合脈沖功率測試（Hybrid Pulse Power Characterization，HPPC）[14]測量故障實驗后電池的各項參數。

故障實驗流程如圖4所示。

以上步驟為磷酸鐵鋰電池的過充故障實驗，同理，在過放故障實驗中，需要將過充故障實驗中的放電和充電互換。在過熱故障實驗中，設置恒溫箱溫度為45 ℃，進行HPPC循環實驗。

單個HPPC充放實驗具體步驟為：先以1 C電流倍率放電10 s，之后靜置40 s消除電池極化特性，之后以 0.75 C的電流倍率充電10 s。在HPPC實驗前，需要將電池充滿，并靜置1.5 h。在每個HPPC實驗結束后，要以1 C電流倍率放電357.5 s，使得電池荷電狀態（State of Charge，SOC）減少10%左右。之后，將電池靜置1.5 h，開始下一個HPPC充放電試驗，直到電池電壓小于2.5 V。最后以0.02 C放電倍率放電，計算HPPC循環實驗中放電總量，用于標定每個HPPC充放電時的SOC。

4 多模型粒子濾波算法

海洋平臺 UPS運行環境復雜，工況多變，導致電流波動，測量設備噪聲偏大。又由于磷酸鐵鋰電池模型的不確定性，需要采取特定的算法加強模型輸出中的電池參數和故障信息，抑制并削弱模型誤差和測量噪聲，提高參數估計和診斷的可靠性。文中采用粒子濾波算法。

粒子濾波算法得到的殘差和故障類型之間為非線性問題，為了根據殘差準確地診斷故障類型，在這里引入交互式多模型算法。交互式多模型粒子濾波算法針對粒子濾波算法中磷酸鐵鋰電池模型和狀態參數估計的非線性和非高斯問題，以多模型結構跟蹤各類故障，增強粒子濾波算法性能，擴大故障診斷范圍。其主要步驟如下所述。

1）輸入粒子間交互。對k－1時刻得到的正常狀態、過充狀態、過放狀態和過熱狀態四個模型的粒子均值進行輸入交互。

2）隨機抽取粒子。根據 k－1時刻各模型的粒子協方差和交互得到的粒子均值，隨機得到各模型粒子。

3）多模型粒子濾波。將得到的各模型粒子帶入到各自的粒子濾波器中，計算得k時刻的粒子集：

通過觀測值的殘差計算各粒子的權值并進行歸一化操作：

4）模型概率更新。根據各模型殘差得到協方差矩陣：

根據協方差矩陣，得到粒子的似然分布：

并根據似然分布求得各模型概率：

5）輸出粒子間交互。根據更新的模型數據，對四個模型的粒子集進行交互，得到其加權平均值。

算法模型總體流程如圖5所示。

由圖5可得，在系統工作過程中，每一時刻測量得到的電池端電壓Zk和電流Ik作為外界輸入量輸入診斷系統，各個粒子濾波模型將估計得到的殘差輸入到模型更新和交互輸出算法。對各個模型進行歸一化操作，輸出當前電池處于各個模型的條件概率和根據條件概率診斷得到海洋平臺 UPS蓄電池的故障類型。

5 測試與結果分析

多模型粒子濾波算法中的參數由故障實驗中HPPC實驗辨識得到，并選擇其中四組數據作為測試樣本，檢測故障診斷的時間和效果。

5.1 單故障類型診斷

在測試中，針對電池在工作中連續出現不同的故障進行實驗。將實驗時間分為四步，每步時間為300 s，具體方案為：在0~300 s，電池為正常工作狀態；在300~600 s，電池發生過充故障；在600~900 s，電池發生過放故障；在900~1200 s，電池發生過熱故障。在測試過程中，故障診斷系統對各類型故障的診斷結果如圖6所示。

由圖6可得，在初始時刻，選取各個模型的條件概率為1/4。在0~300 s，正常狀態模型的條件概率從1/4逐漸收斂于1，其他故障模型的概率均收斂于0。在300~1200 s，電池處于故障狀態時，相應的故障模型概率在5 s內收斂于1，其余模型收斂于0。

5.2 混合故障類型診斷

由于海洋平臺 UPS的工況復雜，有較大概率發生復合故障的情況。為了檢驗提出的故障診斷系統是否適應復合故障的檢驗，文中使用第三節提出的故障實驗對正常狀態下的磷酸鐵鋰電池進行 5次過充循環實驗和10次過放循環實驗，并測得實驗后電池的狀態參數，使用故障診斷系統進行故障類型診斷。具體測試步驟為：在0~300 s，電池為正常工作狀態；在300~600 s，電池發生復合故障。 本次測試對磷酸鐵鋰電池故障類型診斷如圖7所示。

由圖7可得：復合故障診斷結果為過充故障的概率為35%，過放故障概率為65%，基本符合預期結果。綜上可得，故障診斷系統可以正確診斷故障類型，在海洋平臺UPS故障診斷領域有較好的可行性。

6 結論

文中提出了一種基于多模型粒子濾波算法的海洋平臺 UPS故障診斷算法，設計了安全有效的蓄電池過充、過放和過熱故障實驗，研究得到了復雜工況下海洋平臺 UPS故障診斷系統，并測試了單一故障和復合故障下診斷系統的性能。

1）故障診斷精確性。單一的故障發生后，相應的故障模型的條件概率迅速上升趨于1，并在其附近小幅度震蕩。復合故障發生后，故障診斷系統也能較為精確地診斷出故障的概率。

2）故障診斷時間。在測試中，電池狀態發生改變，即產生故障時，故障診斷系統能迅速地改變各個模型輸出的條件概率，并在5 s內準確地診斷出故障類型，有較好的及時性。

后期將進一步研究電池組的實驗和算法，擴大故障診斷系統的適應性，更好地研究真實環境下海洋平臺UPS的故障診斷系統，提高海洋平臺UPS的安全性和可靠性。