摘要

动力电池作为新能源汽车的重要组成部分，其品质直接影响新能源汽车的质量。动力电池由多个串并联电池电 芯组成，受内外多种因素作用，电芯之间存在不一致性，使电芯之间存在电压差，压差不断扩大是电池容量衰减的重要因素之 一。对动力电池压差产生的原因进行深入分析，通过大数据分析及现场确认，找到电池压差的主要成因，并据此提出合理可行 的改善措施，为优化动力电池压差问题提供参考。

关键词

新能源汽车；动力电池；压差

0 引 言

动力电池是新能源汽车三大核心部件之一， 内部集成复杂[1]，通常由几十甚至几百只电芯通过 串并联组合而成，因此对一致性要求更高。动力电池的一致性通常是指电芯之间差异性大小，可分为制造过程的一致性和使用过程的一致性。制 造过程的一致性主要与制造工艺、生产控制水平等因素有关，使用过程的一致性主要取决于系统 集成和电池管理[2]。

如果动力电池中的电芯发生问题，例如容量降低或者漏电等，那么动力电池压差将出现 问题[3]。伴随着电池系统的使用， 压差会进一步 扩大， 由于木桶效应，放电时电压最低的电芯会 首先达到放电截止电压，充电时电压最高的电芯 会率先达到充电截止电压，进而影响电池容量以 及车辆的续驶里程。

本文对动力电池系统的压差进行研究，通过大数据筛选，并结合现场检查，对可能形成压差 的原因进行逐一排查，包括电芯一致性、制造工 艺、生产批次、BMS (Battery Management System， 电池管理系统) 控制策略、硬件和使用习惯，并 对发现的问题进行优化改善。

1 电池系统压差问题

电池系统压差问题突出，从大数据中共选取8 723 辆车进行统计分析，每一辆车为一个样本，所对应的电池系统会产生一个压差数值， 满电时压差预警阈值为 120 mV，压差报警阈值为 220mV。提取所有样本连续 38 周内触发压差预警值和压差报警值的数据进行分析，共产生压差预警数据1099个，其中包括压差报警维修数据446个，分布如图 1 所示。

图 1 连续 38 周压差报警趋势

为分析 1 099 个压差异常样本，在未触发预警阈值的样本中随机选取 7 624 个作为对照，对照样本选取条件为：满电且最高电芯电压 Vmax ≥4.2 V。

满电时压差 Vdif 计算式为Vdif= Vmax-Vmin (1)式中：Vmax 为满电时单个样本中最高电芯电压；Vmin 为满电时单个样本中最低电芯电压。

对单个样本进行分析，按充电日期计算单个 样本的 Vdif 值，得到单个样本 Vdif 的时间序列 Vdif 1, Vdif 2 ，…，Vdif i，…， Vdif n ，其中日期间隔天数 t 须满足 t≥14 d，n 为单个样本在连续 38 周内满电压差的计算次数。

则单个样本的压差变化率 k’i 为

k’i=( Vdif i+1－Vdif i ) /ti ()2

式中：Vdif i+1 为单个样本第 i+1 次满电的压差 计算值，mV；Vdif i为单个样本第 i 次满电的压差 计算值， mV；ti 为连续两次满电的压差计算时间 间隔， ti ≥14 d；i 的取值为 1≤i≤n－1。

由式(2) 计算得到单个样本压差变化率的时间序列 k’1，k’2 ，…，k’i ，…，k’n－1，序列的平均值 为 k’ave。针对 8 723 个样本，计算得到 8 723 个 k’ave 值，异常样本与对照样本在 0~1.25 mV/d 内的 k’ave 分布如图 2、图 3 所示。

图 2 异常样本压差变化率平均值 k’ave 分布

图 3 对照样本压差变化率平均值 k’ave 分布

综合图 2、图 3，将单个样本 k’ave ×30 (一个 月按 30 d 计算)得到单个样本月度压差变化值，通过开路电压法估算，可将电压差值转化为容量Q的衰减值，月度容量衰减值即为月自放电容量， 本文所有样本的统计结果见表 1。

表 1 压差异常样本和对照样本的统计对比

对电芯压差进行分析， 由表 1 可知， 1 099个压差预警样本中，高于电芯规格书要求(即月 自放电容量≥4%Q) 的数量占比为 3.2% ；7 624 个对照样本中，高于电芯规格书要求的数量占比约为 0.5%。对比图 2、图 3，压差预警样本和对 照样本的压差变化率在不同区间均有分布，通过 正态分布拟合曲线及柱状图可以看出，前者的压差变化率峰值为 0.40.5 mV/d，后者的压差变化 率为 0.10.3 mV/d，前者的压差变化率高于后者，从而使压差问题更早出现，对于对照样本若不施加有力均衡措施，后续仍可能会出现同样问题。

2 成因分析

根据电池系统 FMEA(Failure Mode and Effect Analysis，失效模式和影响分析) 及再发防止清单 并结合电池数据，确认可能导致压差的原因， 主 要包括电芯生产工艺、电芯生产批次、BMS 的均 衡策略、硬件故障、电气连接以及用户的使用习惯， 如图 4 所示。由于异常样本和对照样本中均不含有由电气连接导致的压差问题， 所以本文不对电气连接问题进行分析。

图 4 压差成因分析

2.1 电芯生产工艺

从 446 个压差报警样品中选取 3 个自放电量 高于电芯规格书要求且通过手动均衡后仍出现充 电末端压差增长≥20 mV/月的样本进行分析。从 3 个样本中各选取一个电芯，由此得到 3 个电芯 A、 B 、C ，分别进行拆解分析， A 电芯为样本 1 中 9# 模组的 34 号电芯，B 电芯为样本 2 中 7#模组的 28 号电芯， C 电芯为样本 3 中 18#模组的 71 号电芯， 拆解后模组如图 5 所示。发现异常电芯自放电量 高的原因为卷芯有颗粒击穿隔膜， 颗粒成分为铁、 铬、不锈钢，因此电芯生产工艺是引起电池系统 压差问题的原因之一。

图 5 拆解的模组

2.2 电芯生产批次

对异常样本中电芯的生产批次进行统计分析，发现第 13 、24 周生产的电芯预警频率最高， 对这两周的过程数据进行确认。与正常批次电芯 的出厂电压压差进行对比，未见异常， 如图 6 所 示，二者重合度较高；与正常批次电芯的自放电 测试结果进行对比，未见异常，各批次的优率值相差不大， 见表 2。因此，生产批次不是引起电芯压差问题的原因。

图 6 不同批次电芯压差对比

表 2 不同批次电芯自放电测试对比

2.3 BMS 均衡策略

每个样本中不同电芯自放电率(自放电容量/ 额定容量)存在差异无法避免，须使用均衡功能 使电芯电压趋于一致，弥补电芯间的自放电率差 值。所需均衡时间的估算式为

每日须均衡小时数=电芯容量×月电芯的自 放电率差/ (均衡电流平均值×均衡开启时间占比 ×30) (3)

式中：电芯容量为电芯的额定容量；月电芯自放电率差(样本中最高电压电芯与最低电压电 芯的电芯自放电率差值) 由测量得到；均衡电流平均值为电芯额定电压/均衡电阻；均衡开启时间占比取决于硬件能力，不同硬件的均衡开启时间不同；一个月按 30 天计算。按照月电芯自放电率 差为 2.5%计算，该型号电池系统每日需均衡小时数为 4.5 h。根据大数据统计结果，私家电动车每日使用时间为 2 h，不足 4.5 h，因此，该电池系统 在使用中压差会逐渐增大。

2.4 硬件故障

部分车辆存在集中区间内电芯电压较其他串 数偏低问题，如图 7 所示。由于电芯问题导致的 压差异常多为离散分布。电芯采样控制器由模组 供电，出现电压集中偏低情况多为BMS异常引起，对该区间内的采样控制器进行分析，存在未上电时漏电问题，拆解后发现光电耦和器(光耦)件失效。

图 7 出现整组电芯电压偏低

如图 8 所示，子板接插件 PIN 17 直接与光耦 PIN4 相连是 ESD (Electro-Static Discharge，静电释放) 导入的途径。在采样控制器装配或电池系 统装配时，如果静电防护不当，会产生 ESD。光 耦正常时，低压不上电的情况下，光耦不开启， 不会给后续芯片供电；光耦异常时，由于 MOSFET (Metal-Oxide-Semiconductor Field-Effect Transistor 金属-氧化物半导体场效应晶体管) 损伤，导致光 耦 PIN4 至 PIN3 产生漏电， 后续芯片因为有电而 工作，产生异常漏电流。对失效光耦进行热成像分析， 如图 9 所示， 可以看到失效位置，因此， 光耦失效是压差增大的原因之一。

图 8 光耦失效原理

(a )光耦失效位置 1

(b)光耦失效位置 2

图 9 光耦热成像分析

2.5 用户使用习惯

不同 的使用 习惯会对 电池系统充放电倍率、充放电深度等产生影响。单一样本的使用 场景多样， 不具备分析价值。对比异常样本与 对照样本一年内各数据指标，包括充电时间、 充电起止 SOC ( State of Charge 荷电状态)， 单次充电深度ΔSOC，如图 10 所示，各指标下两组样本的差异性较小，说明使用习惯基本一 致， 因此， 使用习惯对电池系统的压差增大基本不产生影响。

图 10 快充典型参数对比

3 改善方案

3.1 优化电芯生产工艺与建立市场维护机制

生产端加强生产环境管理，优化除尘工序， 减少粉尘混入的可 能。在市场端建立维护机 制。对于充电末端压差≥50 mV 的电池系统， 需要均衡补电，均衡合格标准为充电末端压差 ≤30 mV。针对均衡后的电芯，当每月充电末 端压差增长≥20 .72 mV/月时，需要通过手动均 衡维护或 更换模组的办法使压差问题 得到改善。

3.2 优化均衡策略

由式(3) 可知， 电芯容量、月电芯的自放 电率差和均衡电流均为确定值， 通过增加均衡 开启占比时间可以提升均衡效率，进而减少压差增大问题， 但这会增加 BMS 温升， 温度过高会造成器件损坏。因此， 将 BMS 外壳更换为金 属壳增加散热， 可减少热量积聚，优化前、后对比见表 3。

根据式(3) 计算， 优化后电池每日需均衡小时数为 1.73 h，小于私家车每日使用时间 2 h，这个方案可以匹配月电芯自放电率差≤2.5%的电池 系统， 排除光耦硬件问题，通过优化均衡策略， 可以很大程度上改善压差问题。

3.3 ESD 防护与光耦更换

对生产环境中ESD 防护进行检查，从人员、 设备、物料等方面进行改善：更换掉人员佩戴的表面阻抗超标的静电手套，更换掉阻抗超标 的静电皮及座椅，更换掉非防静电材质的不良品放置盒， 如图 11 所示， 生产环境得到了明显 改善。由于光耦短期内无法改善抗 ESD 能力， 目前只能更换光耦， 更换的晶片面积增大至之 前的 8.18 倍，耐压能力较之前增加了 20 V，且MOSFET 外围保护环间距增大，对更换后的车辆进行跟踪，车辆的压差均在正常范围内，压差问题得到很大改善。

图 11 ESD 检查

4 结束语

针对动力电池系统压差问题，采用大数据分 析与现场拆解方法，发现问题原因有电芯生产工 艺、电芯自放电率异常、电芯自放电率一致性和 均衡能力不匹配，以及静电导致光耦器件失效的漏电流。针对问题原因， 提出了具体优化措施， 包括对自放电率异常电芯进行手动均衡维护或更换模组，更换 BMS 外壳材质提高散热能力并优化均衡策略，以及生产环节加强静电防护并更换光 耦器件。各优化措施有效改善了电池系统的压差过大问题，这为压差问题提供了分析思路和解决方法。