電動(dòng)汽車鋰離子電池健康狀態(tài)估算及壽命預(yù)測(cè)方法綜述

何洋，彭以平

（三峽大學(xué)電氣與新能源學(xué)院，湖北 宜昌 443002）

前言

隨著科學(xué)技術(shù)的發(fā)展與科技水平的不斷進(jìn)步，不可再生能源的缺乏與社會(huì)對(duì)能源的巨大需求之間的矛盾日益激化，與此同時(shí)，環(huán)境污染問題受到社會(huì)各界的重視。就汽車行業(yè)而言，在方便人們出行的同時(shí)，汽車排放的尾氣也對(duì)環(huán)境造成了巨大的影響，汽車能源問題逐漸受到大眾的關(guān)注。以此為背景，為推進(jìn)汽車能源的轉(zhuǎn)型，電動(dòng)汽車誕生。在電動(dòng)汽車的動(dòng)力源中，鋰電池是主流動(dòng)力源，隨著其使用程度的加深，可出現(xiàn)不同程度的損傷。此外，電池組的健康狀況也直接關(guān)系到電動(dòng)汽車的動(dòng)力性能。因此，對(duì)鋰離子電池的健康狀況進(jìn)行檢測(cè)，對(duì)其使用壽命進(jìn)行預(yù)測(cè)，能夠及時(shí)更換老化電池，提高電池組的整體壽命，為電動(dòng)汽車的安全行駛提供重要保障。

1 電池健康狀態(tài)的定義與影響因素

鋰離子電池SOH性能指標(biāo)主要包含容量、內(nèi)阻、功率等參數(shù)。通常情況下，SOH指基于標(biāo)準(zhǔn)條件，電池完全充電后測(cè)定的容量與額定容量的比值。SOH能夠在一定程度上反映電池的壽命，IEEE標(biāo)準(zhǔn)1188.1996明確指出：電池SOH＜80%時(shí)，電池即不能正常發(fā)揮其性能，應(yīng)當(dāng)及時(shí)進(jìn)行更換。

影響電池健康狀態(tài)的因素較多，主要的內(nèi)在因素如下：

①電源正極材料的溶解，導(dǎo)致電池容量衰退；

②充電過程中，電解液與含碳電極之間發(fā)生還原反應(yīng)進(jìn)而消耗有機(jī)溶劑；

③鋰電池過度充電，使得電源負(fù)極鋰沉淀。

此外，鋰電池的自放電，形成界面膜，以及影響電池SOH估測(cè)的外在因素，都將影響鋰電池的SOH值。

2 電池健康狀況的估算

鋰離子電池 SOH的準(zhǔn)確估算對(duì)電動(dòng)汽車的穩(wěn)定行駛具有重要的意義，針對(duì)電池SOH的估算方法主要有：

①定義法：根據(jù)電池SOH的定義進(jìn)行估算，對(duì)滿電量的鋰離子電池進(jìn)行放電，并記錄電池放出的電量。定義法是公認(rèn)的電池SOH評(píng)定方法，但耗時(shí)較長，實(shí)用性較差。

②電化學(xué)阻抗法：在鋰電池的兩端施加數(shù)個(gè)頻率不同的正弦信號(hào)，測(cè)試電池響應(yīng)，搜集參數(shù)信息，采用模糊理論對(duì)其進(jìn)行分析以預(yù)測(cè)電池的SOH值。

③內(nèi)阻法：基于電池內(nèi)阻與SOH之間的關(guān)系，建立二者之間的對(duì)應(yīng)關(guān)系。相關(guān)的實(shí)驗(yàn)研究結(jié)果顯示，在電池的使用過程中，電池的內(nèi)阻值會(huì)逐漸增加，而電池的SOH值會(huì)逐漸減小。脈沖法是實(shí)際應(yīng)用中的一種常用方法，以電流脈沖對(duì)電池進(jìn)行激勵(lì)，根據(jù)電流和對(duì)應(yīng)端電壓的變化，結(jié)合歐姆定律及極化曲線擬合對(duì)內(nèi)阻進(jìn)行估算。電池的內(nèi)阻辨識(shí)算法，常用粒子濾波、遞推最小二乘 RLS(recursive least square)或卡爾曼濾波 KF(Kal- man filter)。

④模型法：在分析電池的內(nèi)在特性或者外在特性的基礎(chǔ)上，對(duì)電池的SOH進(jìn)行建模，以此估算電池的SOH值。

3 健康狀態(tài)估算模型

電池 SOH是在一定工況下電池最大放出容量與額定容量之間的比值。在電池的使用過程中，電池會(huì)逐漸老化，SOH隨之減小。針對(duì)電動(dòng)汽車所使用的鋰離子電池，其使用環(huán)境復(fù)雜多樣，如汽車行駛過程中可能出現(xiàn)的加速、減速情況，以及惡劣天氣的影響等，都在一定程度上影響了鋰離子電池組的溫度、充放電倍率等參數(shù)，電池SOH也隨之變化。電池SOH是電池使用壽命的重要表征，但電池SOH與各參數(shù)之間的關(guān)系較為復(fù)雜，給SOH的估算形成了較大困難。在探究電池SOH準(zhǔn)確預(yù)測(cè)的過程中，出現(xiàn)了四類SOH估算模型。

3.1 電化學(xué)模型

電化學(xué)模型針對(duì)電池內(nèi)部的物理化學(xué)反應(yīng)的特性進(jìn)行分析。電化學(xué)模型中最具代表性的是Gang Ning模型，其主要的研究對(duì)象是電化學(xué)反應(yīng)特性與電池容量衰退的實(shí)質(zhì)。相關(guān)分析結(jié)果顯示，鋰離子電池的容量減少的主要機(jī)理為SEI膜的產(chǎn)生消耗部分鋰離子。以電化學(xué)模型估算電池的SOH值，主要強(qiáng)調(diào)電池的內(nèi)部結(jié)構(gòu)、參數(shù)變化或者電化學(xué)反應(yīng)，但電池的電化學(xué)系統(tǒng)較為復(fù)雜，相關(guān)參數(shù)的識(shí)別較為困難，內(nèi)部的衰退機(jī)理也難于準(zhǔn)確把控，因此基于此模型實(shí)現(xiàn)對(duì)電池SOH的有效估算的難度較大。

3.2 經(jīng)驗(yàn)?zāi)Ｐ?/h3>

經(jīng)驗(yàn)?zāi)Ｐ突诖罅康碾姵爻浞烹妼?shí)驗(yàn)數(shù)據(jù)，借助實(shí)驗(yàn)手段分析各個(gè)參數(shù)變化的衰減規(guī)律對(duì)電池容量的影響，從而獲得二者之間的數(shù)學(xué)方程。因此，經(jīng)驗(yàn)?zāi)Ｐ鸵渤蔀閿?shù)學(xué)模型。在實(shí)驗(yàn)時(shí)，對(duì)鋰離子電池的工況進(jìn)行有效控制，對(duì)大量的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析，以總結(jié)各個(gè)參數(shù)值與 SOH之間的變化規(guī)律，以數(shù)據(jù)擬合的方式獲得經(jīng)驗(yàn)?zāi)Ｐ汀?/p>

3.3 等效電路模型

等效電路模型基于電池內(nèi)部的化學(xué)反應(yīng)分析，以等效電路元件實(shí)現(xiàn)對(duì)電池內(nèi)部的化學(xué)反應(yīng)的模擬。常見的等效電路模型有Thevenin模型、Rint模型、PNGV模型等。等效電路模型的優(yōu)勢(shì)在于可利用仿真軟件進(jìn)行仿真與分析。在大型仿真環(huán)境中，等效電路模型易于實(shí)現(xiàn)，因而尤其適用于系統(tǒng)層面上的仿真。

3.4 人工神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)模型以模擬人體神經(jīng)元的方式建立運(yùn)算機(jī)制，根據(jù)人體大腦神經(jīng)突觸的連接結(jié)構(gòu)、信息處理與傳遞的方式構(gòu)建數(shù)學(xué)模型，以大量節(jié)點(diǎn)形成大規(guī)模的節(jié)點(diǎn)網(wǎng)絡(luò)，節(jié)點(diǎn)之間的連接相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶?；谌斯ど窠?jīng)網(wǎng)絡(luò)建立的SOH估算模型，能夠根據(jù)實(shí)際電池的狀態(tài)參數(shù)獲得SOH的估算值，省去建立數(shù)學(xué)表達(dá)方程的環(huán)節(jié)，使用簡單，且具有較快的速度與較高的精度。

4 健康狀態(tài)估算方法

4.1 卡爾曼濾波法

卡爾曼濾波法是借由系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)進(jìn)而對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法?？柭鼮V波法是一種傳統(tǒng)方法，其特點(diǎn)是在線性狀態(tài)空間表示的基礎(chǔ)上，從輸出和輸入觀測(cè)數(shù)據(jù)求取系統(tǒng)狀態(tài)或真實(shí)信號(hào)。為適應(yīng)電池的非線性系統(tǒng)，卡爾曼濾波法經(jīng)過了不斷改進(jìn)，如EKF、UKF。該算法的本質(zhì)是遞推反饋，以最小均方誤差為估計(jì)的最佳準(zhǔn)則，尋求一套遞推估計(jì)的算法。在一些利用雙卡爾曼濾波算法的實(shí)驗(yàn)中，通過電壓、電流等數(shù)據(jù)建立等效模型及其空間狀態(tài)方程，最終實(shí)現(xiàn)了循環(huán)壽命的預(yù)測(cè)，針對(duì)電池SOH的估算具有較好的精度。

4.2 粒子濾波法

粒子濾波方法通過尋找一組狀態(tài)空間中傳播的隨機(jī)樣本，近似表示概率密度函數(shù)，以樣本均值代替積分運(yùn)算從而獲得系統(tǒng)狀態(tài)的最小方差估計(jì)。粒子濾波中利用粒子集來表示概率的方法適用于任何形式的狀態(tài)空間模型。粒子濾波器將貝葉斯學(xué)習(xí)技術(shù)與重要性采樣進(jìn)行有效結(jié)合，從而滿足了狀態(tài)跟蹤性能要求?；谶@一想法，將系統(tǒng)的狀態(tài)表示為概率密度函數(shù)，該密度函數(shù)源于未知狀態(tài)空間采樣值的一組粒子近似。就強(qiáng)跟蹤粒子濾波方法的相關(guān)試驗(yàn)結(jié)果來看，在局部突變的曲線跟蹤上，該方法表現(xiàn)出了一定的優(yōu)越性。

4.3 神經(jīng)網(wǎng)絡(luò)估算方法

神經(jīng)網(wǎng)絡(luò)估算方法具有速度較快、精度較高等優(yōu)點(diǎn)，以基于LMBP神經(jīng)網(wǎng)絡(luò)的估算方法為例進(jìn)行分析。BP神經(jīng)網(wǎng)絡(luò)內(nèi)置算法為標(biāo)準(zhǔn)BP算法，屬有導(dǎo)師學(xué)習(xí)算法。LM算法是利用標(biāo)準(zhǔn)數(shù)值優(yōu)化技術(shù)的一種快速算法，適用于性能指數(shù)為均方誤差的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。此方法可以嵌入電池測(cè)試管理系統(tǒng)，對(duì)鋰離子電池組SOH進(jìn)行實(shí)時(shí)預(yù)測(cè)，以檢查鋰離子電池組健康狀態(tài)，從而判斷是否需要更換電池。

5 結(jié)語

對(duì)電池組健康狀態(tài)及其壽命進(jìn)行有效的評(píng)估，直接關(guān)系到電池組的性能發(fā)揮與運(yùn)行狀況。目前的鋰電池壽命研究主要針對(duì)標(biāo)準(zhǔn)工況下的動(dòng)力電池單體，而實(shí)際使用中存在電池成組與工作環(huán)境等因素的影響。因此，鋰電池SOH估算方法的研究，需結(jié)合外部環(huán)境，考慮電池成組后單體一致性，確定模型與算法，實(shí)現(xiàn)監(jiān)測(cè)過程的智能化，實(shí)時(shí)監(jiān)測(cè)鋰電池SOH，動(dòng)態(tài)評(píng)估其健康狀態(tài)。

[1] 劉建強(qiáng),葉從進(jìn),竇賢云,等.鋰離子電池健康狀態(tài)估計(jì)研究[J].輕工科技, 2017(6):72-73.

[2] 李佳.鋰離子電池的健康狀態(tài)估計(jì)研究現(xiàn)狀分析[J].蓄電池,2017,54(5):232-236.

[3] 馮能蓮,陳龍科,湯杰.鋰離子電池健康狀態(tài)估計(jì)方法[J].北京工業(yè)大學(xué)學(xué)報(bào),2016, 42(11):1750-1755.

[4] 李廣地,呂浩華,袁軍,等.動(dòng)力鋰電池的壽命研究綜述[J].電源技術(shù),2016,40(6):1312-1314.