梯次利用鋰電池健康狀態預測

孫冬 許爽

DOI:10.19595/j.cnki.1000-6753.tces.170107

01

導語

當電動汽車中鋰電池組的荷電能力降低到原有容量80%左右時，不再適合繼續在汽車中使用，若將這些鋰電池報廢進行回收處理，未能實現物盡其用，將造成極大的資源浪費。從電動汽車退役下來的鋰電池脫離了電池管理系統，處於離線狀態，且各單體電池健康狀態存在差異，在無法獲取歷史數據的狀態下，需要研究適用於梯次利用鋰電池的健康狀態離線預測方法。

02

研究（項目）背景

鋰電池健康狀態（SOH）的主要判斷依據是當前靜態容量，因其測試過程耗時長、測試條件要求高、測試環境特殊，通常在實驗室中完成，不適用於工程實現。實現離線狀態下鋰電池SOH預測，除了建立必要的壽命模型，還需一套合理的測試方法和評價方法。然而，有些健康特徵無法在短時間內無法得到。因此，考慮工程可實現性，若大批量電池組待測時，測試時間越短越好。

03

論文所解決的問題及意義

本文針對退役鋰電池處於離線狀態且單體電池之間存在性能差異等問題，以鋰電池歐姆內阻為研究對象，設計了適用於梯次利用鋰電池性能測試工況，基於鋰電池一階RC等效電路模型，研究了基於增量式自回歸模型(I-ARX)的健康特徵數據提取方法，以此構建了均值內阻、最小內阻和內阻-荷電狀態(SOC)三種健康因子，建立了健康壽命模型，提出了基於多模型數據融合技術的鋰電池SOH預測方法。

04

論文方法及創新點

本文以歐姆內阻為健康因子，提出採用恆流放電間歇法測試鋰電池動態內阻，進而研究了歐姆內阻辨識方法和健康特徵數據的提取方法。在處理內阻測試數據時發現，所得到內阻-SOC曲線表現出二次曲線特性，且曲線斜率與鋰電池SOH有關，如圖1所示。

圖1 鋰電池內阻-SOC曲線

本文設計了鋰電池健康壽命測試實驗，直接尋求所辨識歐姆內阻與SOH之間的關係。在不同SOH狀態下，分別在四種不同環境溫度(10℃、25℃、40℃和55℃)中，對多個全新鋰電池進行健康壽命測試，主要包括基本性能測試和加速老化測試。基於鋰電池健康壽命測試實驗數據，考慮DOD範圍為20%~80%，構建均值內阻健康因子、最小內阻健康因子和內阻-SOC曲線斜率健康因子，並以此建立了三種健康壽命模型。

為保證梯次利用鋰電池SOH預測精度，本文提出採用多模型數據融合技術。採用了BP神經網路，這一種常用的數據融合方法，利用其自學習、自適應和模擬任意非線性等優勢，進行梯次利用鋰電池SOH預測，其評價方法示意圖如圖2所示。

圖2 基於多健康壽命模型數據融合的評價方法示意圖

05

結論

本文開展了梯次利用鋰電池SOH離線預測的實驗研究，所設計鋰電池測試工況以動態內阻測試為目標，測試工況時長較短，可在1小時內完成退役鋰電池組測試，具有一定的工程可實現性；基於所設計鋰電池性能測試方法，構建了均值內阻、最小內阻和內阻-SOC曲線三種健康因子，進而建立了三種健康壽命模型；所提出的基於多模型數據融合技術的評價方法，有利於保證梯次利用鋰電池SOH預測的可靠性和精確度，與傳統預測方法相比，不再依靠電池管理系統中的歷史充放電數據。

引用本文

孫冬, 許爽. 梯次利用鋰電池健康狀態預測[J]. 電工技術學報,2018 33 (9): 2121-2029

Sun Dong, Xu Shuang. State of health prediction of second-use lithium-ion battery[J]. Transaction of China Electrotechnical Society,2018 33 (9): 2121-2029.

作者簡介

孫冬(1979-)，男，鄭州輕工業學院講師，博士畢業於上海大學電力電子與電力傳動專業，目前重點研究鋰電池系統建模和多狀態聯合估計、鋰電池壽命衰退模型和鋰電池管理系統應用。

許爽(1978-)，女，鄭州工程技術學院副教授，曾參與電動汽車電池網路組合與維護技術河南省工程實驗室建設，研究方向為數學建模、數據挖掘和大數據分析演算法。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！