賀佳偉,邵壘*,楊文舉,譚晶心

(1.重慶交通大學(xué)航空學(xué)院,重慶 400074;2.重慶交通大學(xué)綠色航空技術(shù)研究院,重慶 400074)

電動(dòng)汽車具有節(jié)能、低噪聲、零排放等突出優(yōu)點(diǎn)[1],隨著中國對(duì)新能源汽車領(lǐng)域的重視不斷提高,電動(dòng)汽車行業(yè)正逐漸成為國家的戰(zhàn)略支柱產(chǎn)業(yè),其發(fā)展對(duì)于能源短缺和節(jié)能減排具有重要現(xiàn)實(shí)意義[2]。在電動(dòng)汽車領(lǐng)域,鋰電池由于具有較高的能量密度和良好的循環(huán)穩(wěn)定性等優(yōu)點(diǎn),車輛電力推進(jìn)系統(tǒng)能量大多由鋰電池供應(yīng)[3]。然而鋰電池在電動(dòng)領(lǐng)域獲得廣泛應(yīng)用的同時(shí),鋰電池火災(zāi)事故也開始出現(xiàn)的愈發(fā)頻繁[4],使得大眾對(duì)電動(dòng)汽車的安全使用產(chǎn)生不信任,一定程度阻礙了電動(dòng)汽車的推廣[5]。

目前,鋰電池火災(zāi)風(fēng)險(xiǎn)方面的研究主要圍繞電池?zé)崾Э卣归_。Feng等[6]提出了鋰離子電池?zé)崾Э貭顟B(tài)的時(shí)序圖概念,用于梳熱失控過程物理化學(xué)反應(yīng)的演變過程,準(zhǔn)確解析了鋰離子電池系統(tǒng)熱失控機(jī)理。Jiang等[7]針對(duì)熱失控蔓延仿真三維模型計(jì)算量龐大的問題,開發(fā)了一種電路網(wǎng)絡(luò)模擬熱阻網(wǎng)絡(luò)的新方法,簡化了熱失控蔓延的模擬過程。Li等[8]通過評(píng)估燃燒行為的3個(gè)階段,獲得了車輛鋰電池火災(zāi)燃燒的特點(diǎn),為電池包的安全設(shè)計(jì)提供了新理論。上述研究主要討論了熱失控理化反應(yīng)、熱失控蔓延、燃燒特征等鋰電池自身熱安全特性。然而,鋰電池?zé)岚踩詢H是鋰電池火災(zāi)風(fēng)險(xiǎn)的重要因素之一。鋰電池火災(zāi)風(fēng)險(xiǎn)不僅需要考慮自身理化性質(zhì),而且需要考慮各類復(fù)雜行駛環(huán)境、主客觀影響因素。為此,將影響車載動(dòng)力鋰電池火災(zāi)的風(fēng)險(xiǎn)因素轉(zhuǎn)化為定量參數(shù),繼而通過理論方法綜合評(píng)估火災(zāi)風(fēng)險(xiǎn),研究各個(gè)參數(shù)的影響特性,對(duì)提升車載動(dòng)力鋰電池的安全性能顯得尤為重要。

鄭青川等[9]采用基于熵權(quán)改進(jìn)的云模型法對(duì)油氣管道進(jìn)行安全風(fēng)險(xiǎn)評(píng)估,結(jié)果中評(píng)價(jià)管道坡面水毀的危險(xiǎn)等級(jí)分值隨機(jī)性和模糊性得到充分體現(xiàn)。戴劍勇等[10]運(yùn)用網(wǎng)絡(luò)云模型法對(duì)尾礦庫潰壩進(jìn)行安全評(píng)估,分析得到較高風(fēng)險(xiǎn)等級(jí)下的關(guān)鍵風(fēng)險(xiǎn)指標(biāo)。張鵬等[11]采用基于熵權(quán)的云模型法對(duì)石拱橋技術(shù)狀況進(jìn)行風(fēng)險(xiǎn)評(píng)估,評(píng)價(jià)結(jié)果可以為石拱橋養(yǎng)護(hù)提供更加科學(xué)合理的決策依據(jù)。上述研究中的云模型是一種實(shí)現(xiàn)定性和定量概念轉(zhuǎn)換的方法。對(duì)云模型進(jìn)行熵權(quán)改進(jìn)后,不僅可以綜合考慮各因素的模糊性和隨機(jī)性,還能得到不同指標(biāo)之間的相關(guān)性。

鑒于此,充分考慮車載動(dòng)力鋰電池運(yùn)行過程的各種因素,建立起車載動(dòng)力鋰電池火災(zāi)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,對(duì)體系中各層級(jí)指標(biāo)運(yùn)用基于熵權(quán)改進(jìn)的云模型法進(jìn)行分析,產(chǎn)出云圖論證車載動(dòng)力鋰電池的風(fēng)險(xiǎn)狀況并提供風(fēng)險(xiǎn)預(yù)防措施。可為車載動(dòng)力鋰電池的火災(zāi)風(fēng)險(xiǎn)評(píng)估提供理論支撐。

1 理論模型

1.1 多指標(biāo)評(píng)估云模型

熵權(quán)法是一種客觀計(jì)算評(píng)價(jià)指標(biāo)權(quán)重的方法。熵是對(duì)不確定性的定量測(cè)量,通過對(duì)各指標(biāo)變量的離散特征進(jìn)行計(jì)算,經(jīng)修正獲得相對(duì)客觀的權(quán)重結(jié)果。熵權(quán)法的計(jì)算過程一般包括:原始數(shù)據(jù)的歸一化、評(píng)價(jià)指標(biāo)的熵值計(jì)算、基于熵值的熵權(quán)確定。計(jì)算公式為[12]

(1)

(2)

(3)

(4)

云模型源于信息科學(xué),用于定性概念與定量描述之間的轉(zhuǎn)換,能夠反映出思維的模糊性和事物的不確定性[13]。為了便于研究,云模型會(huì)轉(zhuǎn)換成云圖形式進(jìn)行輸出,其原理如圖1所示。

Forward CG為前向云發(fā)生器;Drop[x,μ(x)]為構(gòu)成云圖的云滴,其中,x為云滴的橫坐標(biāo),μ(x)為云滴的縱坐標(biāo)圖1 前向云發(fā)生器Fig.1 Forward cloud generator

圖1中輸入端的Ex、En、He是用于表示定性概念的云模型數(shù)字特征,其中,Ex表示云滴在論域空間分布的期望,該點(diǎn)能代表定性概念;熵En表示定性概念隨機(jī)性的度量,反映云滴離散程度;超熵He為熵的不確定性度量,通過其可觀察出云滴厚度。云模型涉及多層級(jí)、多指標(biāo)的分析,因此Ex、En、He的產(chǎn)生需先得到最底層指標(biāo)的云模型,繼而層層計(jì)算推導(dǎo)出最上層指標(biāo)的云模型[14]。

對(duì)于最底層的風(fēng)險(xiǎn)因素指標(biāo),其云模型可通過式(5)～式(7)得到。

(5)

(6)

Hei=kEni

(7)

式中:Exi、Eni、Hei分別為第i個(gè)風(fēng)險(xiǎn)因素的期望值、熵、超熵;xij為第j位專家對(duì)第i個(gè)評(píng)價(jià)指標(biāo)的評(píng)定結(jié)果;n為評(píng)價(jià)專家總數(shù);系數(shù)k由云層離散程度進(jìn)行調(diào)整,選取k=0.08。

對(duì)于風(fēng)險(xiǎn)項(xiàng)目指標(biāo),在獲得其底層指標(biāo)的云模型后,可根據(jù)式(8)～式(10)推導(dǎo)出自身的云模型。

(8)

(9)

(10)

為了直觀描述研究對(duì)象的模糊性與不確定性,需建立用于參照的標(biāo)準(zhǔn)云圖[15-17]。首先根據(jù)評(píng)論集約定設(shè)立標(biāo)準(zhǔn)等級(jí)如表1所示,繼而通過式(11)～式(13)得到標(biāo)準(zhǔn)等級(jí)的云模型參數(shù),最后由式(14)獲取云滴組成所需標(biāo)準(zhǔn)云圖,如圖2所示。

表1 風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn)等級(jí)Table 1 Risk assessment standard level

圖2 標(biāo)準(zhǔn)云圖Fig.2 Standard cloud image

(11)

(12)

(13)

(14)

式(14)中:μ為云滴在云圖中的縱坐標(biāo),即確定度;λ～N(En,He2)。

1.2 風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的建立

由于電動(dòng)汽車車載鋰電池火災(zāi)成因復(fù)雜,既有電池內(nèi)部因素,也有外部事故因素,既有人為主觀風(fēng)險(xiǎn),也有客觀環(huán)境風(fēng)險(xiǎn)。因此,為便于分析車載動(dòng)力鋰電池的火災(zāi)風(fēng)險(xiǎn),有必要建立起一套適用于大部分車載動(dòng)力鋰電車的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。參考電動(dòng)汽車火災(zāi)事故以及鋰電池火災(zāi)的相關(guān)研究[18-19],充分考慮電動(dòng)汽車運(yùn)行特點(diǎn),最終建立起包含4個(gè)一級(jí)指標(biāo)(鋰電池因素、保養(yǎng)不當(dāng)、駕駛失誤、外部環(huán)境)、10個(gè)二級(jí)指標(biāo)(爆炸、老化、短路、過充、電線接觸不良、充電口接觸不良、明火、事故撞擊、氣溫過高、雨水天氣)的風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,如表2所示。表內(nèi)各指標(biāo)的風(fēng)險(xiǎn)大小采用火災(zāi)風(fēng)險(xiǎn)評(píng)估值表示。

表2 風(fēng)險(xiǎn)評(píng)估指標(biāo)體系Table 2 Risk assessment index system

2 實(shí)例分析

2.1 數(shù)據(jù)分析

選取比亞迪L3Z-3703010型號(hào)動(dòng)力鋰電池作為研究對(duì)象進(jìn)行實(shí)例分析。該電池規(guī)格為12 V、70 Ah,被運(yùn)用于比亞迪某型電動(dòng)汽車作為動(dòng)力來源?；谄溥\(yùn)行場(chǎng)景和已建立的風(fēng)險(xiǎn)評(píng)估體系,相關(guān)領(lǐng)域?qū)＜液蛯W(xué)者結(jié)合自身知識(shí)及經(jīng)驗(yàn)參與該型電池的風(fēng)險(xiǎn)評(píng)估,得到了10類風(fēng)險(xiǎn)因素的熵權(quán)值和云模型參數(shù)值。通過對(duì)評(píng)估結(jié)果進(jìn)行熵權(quán)計(jì)算,獲得各層級(jí)指標(biāo)權(quán)重。以表1中B1～B3為例,風(fēng)險(xiǎn)評(píng)估結(jié)果如表3所示。

表3 B1～B3風(fēng)險(xiǎn)評(píng)估結(jié)果Table 3 B1～B3 Risk assessment results

基于表1結(jié)果通過式(1)得到歸一化評(píng)價(jià)標(biāo)矩陣。根據(jù)式(2)得到風(fēng)險(xiǎn)指標(biāo)A51～A53的熵值分別為:e1=0.60,e2=0.57,e3=0.52。根據(jù)式(3)得到風(fēng)險(xiǎn)指標(biāo)B1～B3的熵權(quán)分別為:w1=0.30,w2=0.33,w3=0.37。按照相同步驟得出各層指標(biāo)的熵權(quán)如表4、表5所示。

表4 各風(fēng)險(xiǎn)因素熵權(quán)Table 4 Entropy weight of risk case

表5 各風(fēng)險(xiǎn)項(xiàng)目熵權(quán)Table 5 Entropy weight of risk item

將專家處得到的風(fēng)險(xiǎn)評(píng)估值以及表4、表5中的熵權(quán)值代入式(5)～式(10)處理,得到各層風(fēng)險(xiǎn)指標(biāo)的云模型參數(shù)如表6、表7所示。數(shù)據(jù)反映出風(fēng)險(xiǎn)因素的期望值、離散程度、不確定度。

表6 各風(fēng)險(xiǎn)因素云模型參數(shù)Table 6 Cloud model parameters of risk case

表7 各風(fēng)險(xiǎn)項(xiàng)目云模型參數(shù)Table 7 Cloud model parameters of risk item

2.2 云圖分析

將表7內(nèi)數(shù)據(jù)代入式(11)建立四類風(fēng)險(xiǎn)項(xiàng)目的云圖如圖3所示。

圖3 風(fēng)險(xiǎn)項(xiàng)目云圖Fig.3 Cloud image of risk item

圖3中各云圖的中心軸Ex用于判斷風(fēng)險(xiǎn)等級(jí)進(jìn)行定性評(píng)估。云圖風(fēng)險(xiǎn)區(qū)間跨度值的1/2為3En,代表風(fēng)險(xiǎn)項(xiàng)目的穩(wěn)定性。云滴群厚度He為不確定度量。對(duì)于風(fēng)險(xiǎn)區(qū)間跨度大、云滴群偏厚的風(fēng)險(xiǎn)項(xiàng)目需要采取措施增加穩(wěn)定性。

基于表7內(nèi)數(shù)據(jù)推導(dǎo)出最終云模型參數(shù)為(53.00,6.20,0.48),將其輸入前向云發(fā)生器,根據(jù)式(14)得到云滴[x,μ(x)],輸出云圖,如圖4所示(初始云滴數(shù)設(shè)定為1 000)。

圖4 車載動(dòng)力鋰電池火災(zāi)風(fēng)險(xiǎn)云圖Fig.4 Fire risk cloud image of vehicle power lithium battery

通過標(biāo)準(zhǔn)云圖為參照,發(fā)現(xiàn)共有159個(gè)Ⅱ類風(fēng)險(xiǎn)等級(jí)云滴(20≤Ex≤40),525個(gè)Ⅲ類風(fēng)險(xiǎn)等級(jí)云滴(40

為獲得不同風(fēng)險(xiǎn)指標(biāo)對(duì)火災(zāi)發(fā)生的影響,在電動(dòng)汽車動(dòng)力鋰電池火災(zāi)中,對(duì)風(fēng)險(xiǎn)評(píng)估指標(biāo)體系中的風(fēng)險(xiǎn)指標(biāo)進(jìn)行熵權(quán)排序,如圖5所示。

圖5 風(fēng)險(xiǎn)因素熵權(quán)排序Fig.5 Entropy weight ranking of risk case

觀察圖5信息可知,盡管風(fēng)險(xiǎn)因素的熵權(quán)各不相同,但大部分風(fēng)險(xiǎn)因素的熵權(quán)差異并不是很大。如A3與A1的熵權(quán)僅相差0.000 6。綜合圖中的熵權(quán)排序可知:①動(dòng)力鋰電池火災(zāi)風(fēng)險(xiǎn)事故中,前五的風(fēng)險(xiǎn)指標(biāo)中客觀風(fēng)險(xiǎn)因素占80%。但客觀風(fēng)險(xiǎn)因素發(fā)生的可能性小于人為誘發(fā)因素,后者平均維持在前者的約62%;②在風(fēng)險(xiǎn)評(píng)估體系中,客觀風(fēng)險(xiǎn)因素?cái)?shù)目占比高達(dá)79%,使得降低相關(guān)人員對(duì)主觀風(fēng)險(xiǎn)因素的關(guān)注度,使得其風(fēng)險(xiǎn)性上升。

3 結(jié)論

(1)所選比亞迪電動(dòng)汽車動(dòng)力鋰電池(L3Z-3703010)的火災(zāi)風(fēng)險(xiǎn)為Ⅲ類風(fēng)險(xiǎn)等級(jí)。在電動(dòng)汽車發(fā)展的過程中,新暴露出的問題能夠定性考慮進(jìn)風(fēng)險(xiǎn)評(píng)估體系,從而達(dá)到優(yōu)化評(píng)估體系,提高評(píng)估結(jié)果準(zhǔn)確性的效果。

(2)所構(gòu)建評(píng)估體系中電池類風(fēng)險(xiǎn)指標(biāo)數(shù)占比到40%,其風(fēng)險(xiǎn)期望值相較其他風(fēng)險(xiǎn)因素低,可在電池生產(chǎn)階段對(duì)所屬的風(fēng)險(xiǎn)指標(biāo)進(jìn)行改進(jìn),例如電池材料升級(jí)、電池結(jié)構(gòu)改造、加裝保護(hù)裝置,從而將動(dòng)力鋰電池整體風(fēng)險(xiǎn)限制在可控范圍。

(3)在風(fēng)險(xiǎn)評(píng)估體系中,對(duì)動(dòng)力鋰電池的火災(zāi)風(fēng)險(xiǎn)影響排名靠前的三類風(fēng)險(xiǎn)因素分別為氣溫過高、過充、事故擠壓。針對(duì)上述三類風(fēng)險(xiǎn)指標(biāo)進(jìn)行預(yù)防獲得的效果最為顯著,如增設(shè)電池冷卻系統(tǒng)、優(yōu)化充電設(shè)備,增設(shè)防護(hù)裝置等措施。