鋰離子動力電池健康狀態(tài)評估方法的研究進展

張文華，毛榮軍，劉平，伍發(fā)元，吳三毛

(1.國網(wǎng)江西省電力科學(xué)研究院，江西南昌330000；2.南昌工程學(xué)院機械與電氣工程學(xué)院，江西南昌330000)

鋰離子動力電池健康狀態(tài)評估方法的研究進展

張文華1,2，毛榮軍1，劉平1，伍發(fā)元1，吳三毛1

(1.國網(wǎng)江西省電力科學(xué)研究院，江西南昌330000；2.南昌工程學(xué)院機械與電氣工程學(xué)院，江西南昌330000)

隨著鋰離子電池在儲能體系中的廣泛應(yīng)用，其健康狀態(tài)的評估研究備受關(guān)注。綜述了國內(nèi)外動力電池健康狀態(tài)評估方法的研究進展。討論了幾種主要的鋰離子電池健康狀態(tài)評估方法，包括定義法、內(nèi)阻法、交流阻抗法、電壓曲線法、模型法以及一些新方法，并對未來鋰離子電池健康狀態(tài)評估方法的研究方向做出展望。

鋰離子動力電池；健康狀態(tài)；評估方法

儲能技術(shù)是近年來隨著新能源、電動汽車和電網(wǎng)發(fā)展而興起的新興技術(shù)，不僅可以為新能源以及分布式能源的大規(guī)模并網(wǎng)提供條件，而且是構(gòu)建智能電網(wǎng)的重要組成部分，為電網(wǎng)調(diào)峰調(diào)頻、削峰填谷以及電能質(zhì)量等提供保障[1]。儲能系統(tǒng)中鋰電池儲能單元是由數(shù)量龐大的單體電池實現(xiàn)模塊化成組后應(yīng)用的。由于成組的單體電池的性能存在差異，自身的充放電溫度、自放電率也不相同，電池成組后能量密度、壽命等性能都會大幅下降，大大影響了儲能系統(tǒng)的正常運行[2]。因此，儲能系統(tǒng)中電池的健康狀態(tài)(SOH)成為人們最關(guān)注的問題。建立儲能系統(tǒng)中鋰電池的健康狀態(tài)評價方法，實時監(jiān)控或者提前預(yù)知電池健康狀態(tài)，不僅為在役電池的篩選以及分級組合提供科學(xué)依據(jù)，而且能夠有效延長動力電池服役期限，降低動力電池的全生命周期成本，提高資源利用的有效性和合理性。

本文主要介紹國內(nèi)外動力電池健康狀態(tài)評估方法的研究進展。重點討論幾種主要的動力電池健康狀態(tài)評估方法，分析各種方法的原理及應(yīng)用范圍，并對鋰離子動力電池健康狀態(tài)評估方法的研究方向進行展望。

1 電池健康狀態(tài)的定義

電池的健康狀態(tài)反映電池的整體性能以及在一定條件下釋放電的能力，是表征電池壽命的一個重要參數(shù)，指在標(biāo)準(zhǔn)條件下，動力電池從充滿狀態(tài)以一定倍率放電到截止電壓所放出的容量()與新電池的標(biāo)稱容量()的比值[3]，其值介于0～100%。電池SOH值越大，表示電池性能越好，循環(huán)壽命越長。

2 電池健康狀態(tài)評估方法

電池健康狀態(tài)受到多種因素的影響，估算較為復(fù)雜。隨著電池的老化，SOH的變化主要體現(xiàn)在容量和內(nèi)阻上。當(dāng)電池健康狀態(tài)惡化時，其阻抗會逐漸增大，容量、能量、功率將發(fā)生不同程度的衰減。目前，在鋰電池SOH評估方面，主要是將容量、內(nèi)阻、功率或循環(huán)次數(shù)中的一種或幾種作為估計參數(shù)，根據(jù)參數(shù)變化規(guī)律，進行數(shù)學(xué)擬合回歸，得到適合于特定電池的SOH評估算法，主要評估方法有：定義法、內(nèi)阻法、交流阻抗法、電壓曲線法、模型法以及一些新方法等。

2.1 定義法

定義法又稱容量法，是通過電池的容量、能量、功率等特征量變化的比例關(guān)系進行SOH評估[4]。Kong Soon Ng等[5]采用鋰電池在SOC～100%時的最大釋放電量 ()來估算電池的SOH，在新電池開始使用時等于，隨著電池的使用會逐漸減小，可用定義法評估SOH。Achmad Widodo等[6]在研究電池健康檢測儀的智能預(yù)測功能時，以容量法為基礎(chǔ)，采用當(dāng)前電池放電容量與電池初始放電容量的比值作為衡量電池SOH的標(biāo)準(zhǔn)。

該方法對于單體電池的SOH評估來說，操作簡單，精度較高，可實現(xiàn)在線測試；但是，對于車載電池組SOH評估不適宜，反復(fù)全充全放會造成電池性能一定程度上的衰減[7]。

2.2 內(nèi)阻法

通過電池內(nèi)阻估算其健康狀態(tài)，首先要盡可能精確地測量電池內(nèi)阻值，然后要明確電池老化程度與其內(nèi)阻的相關(guān)性。為了獲得電池的內(nèi)阻值，通常需建立鋰離子電池內(nèi)阻等效電路模型，使用遞推最小二乘法等方法來計算模型中電阻值，從而實現(xiàn)電池內(nèi)阻的實時辨識。等效電路模型主要有時域模型和頻域模型兩種。

時域模型通常用于內(nèi)阻法估算電池SOH的內(nèi)阻辨識中，其中PNGV模型最為常用，如圖1[8]所示，圖中：OCV為電池開路電壓，R0為電池歐姆內(nèi)阻，Rp為極化內(nèi)阻，Cp為極化電容，Cb為表示電荷累積作用的大電容，U為負(fù)載電壓。通過采集復(fù)合恒流脈沖實驗的數(shù)據(jù)，運用多元線性回歸的方法即可得到模型的各項參數(shù)。而頻域模型通常用于交流阻抗法估算電池SOH的內(nèi)阻辨識。

圖1 PNGV等效電路模型

近年來，學(xué)者們就內(nèi)阻法估算電池SOH進行了大量研究。2008年，魏學(xué)哲等[9]通過恒流脈沖放電實驗，考察了商品錳酸鋰電池的歐姆內(nèi)阻和極化內(nèi)阻隨電池老化的變化趨勢，結(jié)果發(fā)現(xiàn)，隨著電池性能的衰退，歐姆內(nèi)阻增大，極化內(nèi)阻基本不變，于是直接將歐姆內(nèi)阻作為電池內(nèi)阻的表征量進行分析研究。2011年，Remmliger等[10]針對電動汽車動力電池，使用汽車啟動時的電流脈沖估計電池內(nèi)阻，實現(xiàn)了在線估計電池SOH。作者通過對比新舊鋰電池在-10～55℃的內(nèi)阻變化，發(fā)現(xiàn)電池內(nèi)阻隨溫度變化尤為明顯，并通過脈沖實驗及內(nèi)阻辨識建立了內(nèi)阻與溫度的相關(guān)性，式(2)中，正參數(shù)用以確定內(nèi)阻為溫度。將其帶入公式(3)中，電池性能的衰減指數(shù)由參數(shù)辨識內(nèi)阻值、實際溫度以及新電池內(nèi)阻值計算獲得，從而實現(xiàn)了電池SOH估算。

內(nèi)阻法實現(xiàn)了動力電池健康狀態(tài)的在線評估，但是該方法實現(xiàn)條件不易滿足，不僅要求一些參數(shù)的高精度控制，而且要忽略其中一種或幾種參數(shù)的影響，可能會造成估算誤差。

2.3 交流阻抗法

交流阻抗法是一種頻域的測量方法，通過測量很寬頻率范圍內(nèi)的阻抗譜來研究電極系統(tǒng)，可得到更多的動力學(xué)信息及電極界面結(jié)構(gòu)信息。而電極結(jié)構(gòu)的變化與電池性能密切相關(guān)，因此將交流阻抗法應(yīng)用于電池狀態(tài)檢測的研究過程中是可行的。

國內(nèi)外研究者們采用交流阻抗法估算電池SOH，首先建立頻域的等效電路，最常用的Randles模型[11]如圖2所示，圖中：R0為歐姆阻抗，Rct為電荷轉(zhuǎn)移過程的電化學(xué)阻抗，Cct為雙電層元件，Zw為擴散傳質(zhì)過程的Warburg阻抗。通過電化學(xué)阻抗譜實驗，得到電池模型的Nquist圖，從而辨識電池不同老化程度的模型參數(shù)，然后運用模糊理論或神經(jīng)算法對采集到的數(shù)據(jù)信息進行分析，來判斷電池的健康狀態(tài)。

圖2 電池Randles模型

2010年，Bharath Pattipati等[11]建立電池的Randles模型，實驗得到中低頻阻抗隨電池循環(huán)次數(shù)的增加而增大，在該頻率范圍內(nèi)，容量與阻抗呈現(xiàn)明顯的線性關(guān)系，該結(jié)論為交流阻抗法測試電池SOH提供了理論參考。2013年，張彩萍等[12]通過測試鋰離子電池的電化學(xué)阻抗，建立了梯次利用鋰離子電池電化學(xué)阻抗模型，研究了阻抗模型參數(shù)隨電池老化程度的變化特性，結(jié)果表明，電化學(xué)阻抗和擴散阻抗隨電池循環(huán)次數(shù)的增加明顯增大，而歐姆阻抗幾乎不變，該結(jié)論進一步驗證了電池健康狀態(tài)與其內(nèi)部各阻抗的關(guān)系。

總之，交流阻抗測試可得到電池內(nèi)部各組分阻抗，比起其他方法獲得的電池信息更為全面，而目前交流阻抗譜法評估SOH的研究還不夠成熟，不僅需要大量數(shù)據(jù)采集與分析來獲取電池特性，并且對儀器要求較高，因此該方法目前不適合車載電池和在線評測。

2.4 電壓曲線法

電壓曲線法是通過電池充電或放電曲線的外部特征來判斷SOH，董明哲等[13]以模式識別為指導(dǎo)思想，認(rèn)為充放電特性一致的電池也具有一致的化學(xué)特性，在此基礎(chǔ)上，采用統(tǒng)計模式識別方法，建立按電池充放電壓特性曲線進行波形識別的數(shù)學(xué)模型，以此評估電池容量及SOH。徐文靜[14]利用不同健康程度下電池充入或放出相同電量時，會出現(xiàn)電壓差異的特點，建立了電壓曲線擬合法來估算電池當(dāng)前的SOH。該方法在單體電池循環(huán)實驗的基礎(chǔ)上，通過神經(jīng)網(wǎng)絡(luò)擬合出電壓基準(zhǔn)曲線，并加入自適應(yīng)方法，用于SOH的估算。

目前，基于電壓曲線的研究較少，由于該方法需對大量電池進行充放電實驗，耗時較長，不符合在線估計要求；另外，電池容量受充放電制度以及初始狀況等的影響，分析結(jié)果存在許多不確定性因素。

2.5 模型法

模型法是在研究電池老化機理的基礎(chǔ)上，通過分析大量的實驗數(shù)據(jù)，建立容量衰減與電池內(nèi)部參數(shù)、溫度、倍率、放電深度、自放電等參數(shù)的函數(shù)關(guān)系，來實現(xiàn)對電池健康狀態(tài)的估計，包括電化學(xué)模型、經(jīng)驗?zāi)Ｐ汀⒌刃щ娐纺Ｐ偷取Ｆ渲校娀瘜W(xué)模型通過電池內(nèi)部電化學(xué)反應(yīng)機理描述電池老化規(guī)律；經(jīng)驗?zāi)Ｐ蛯⒂绊戨姵匦阅艿耐獠恳蛩刈鳛檩斎耄匀萘孔鳛檩敵觯浑娐纺Ｐ褪请姵氐闹苯拥刃щ娐罚汕度氲诫姵毓芾硐到y(tǒng)中，已經(jīng)實現(xiàn)了在線SOH預(yù)測。

1994年，F(xiàn)uller等[15]采用“第一性原理”電化學(xué)模型來估算鋰離子聚合物電池的容量。Spotnitz等[16]將SEI膜電阻的增長引入Fuller模型中，用以研究電池阻抗變化與容量衰減的關(guān)系。同期，Ramadas等[17]綜合考慮電池充放電倍率和活性物質(zhì)減少兩種因素對電池性能的影響，根據(jù)電池內(nèi)部的電化學(xué)反應(yīng)以及循環(huán)過程中SEI膜電阻的增長，建立了電池容量衰減半經(jīng)驗?zāi)Ｐ汀?/p>

2005年，B.Y.Liaw等[18]研究了以容量衰減為基礎(chǔ)的循環(huán)壽命模型，在分析大量數(shù)據(jù)的基礎(chǔ)上，定量研究電池SOC、SEI膜電阻以及鋰離子擴散系數(shù)等內(nèi)部因素對電池循環(huán)容量衰減造成的影響，還定量分析了外部因素如溫度、倍率、充電上限電壓以及放電深度等造成的容量衰退，從而得到了預(yù)測電池容量衰退的經(jīng)驗?zāi)Ｐ汀?/p>

黎火林等[19]綜合考慮溫度和倍率對電池容量衰減的影響，對18650型鋰離子電池進行了加速壽命實驗。在Arrhenius公式及現(xiàn)有的加速壽命經(jīng)驗公式基礎(chǔ)上，對實驗數(shù)據(jù)進行擬合、回歸分析，得到溫度、倍率與電池容量衰減之間呈冪函數(shù)關(guān)系，如式(4)，建立了鋰離子電池容量衰退經(jīng)驗?zāi)Ｐ汀?/p>

總之，模型法同時將多種電池老化影響因素作為輸入，實現(xiàn)了多種參數(shù)對電池容量衰減的綜合作用，估算精度相對較高，但主要局限于實驗室評估；雖然電路模型實現(xiàn)了車載電池的SOH在線預(yù)測，但預(yù)測精度不高。

2.6 其他方法

近年來，在電池健康狀態(tài)的估算方面，國內(nèi)外學(xué)者在研究傳統(tǒng)估算方法的同時，也發(fā)展了一些新的估算方法，并且將其與傳統(tǒng)方法結(jié)合，用以提高電池SOH的估算精度。

在對電池SOH進行定性或定量分析的過程中，都會用到一些數(shù)學(xué)工具，包括卡爾曼濾波法[20]、模糊邏輯、人工神經(jīng)網(wǎng)絡(luò)法[21]、幾率密度函數(shù)[22]、支持向量機法[11]等。其中，卡爾曼濾波法能使用可觀測量對估算誤差進行修正，在估計電池SOC方面已經(jīng)取得了一定的成績，在估算電池SOH方面也備受關(guān)注。同濟大學(xué)的戴海峰等[23]利用雙卡爾曼濾波算法，在實驗中采集電流、電壓等數(shù)據(jù)的基礎(chǔ)上，對電池的壽命狀態(tài)進行了估計，并且估計精度也相對較高。

3 結(jié)論

隨著電動汽車、儲能電站等大型儲能系統(tǒng)的大力發(fā)展，鋰離子電池健康狀態(tài)的評估研究備受關(guān)注，國內(nèi)外研究者建立了多種SOH評估方法，包括定義法、內(nèi)阻法、交流阻抗法、電壓曲線法、模型法以及一些新方法等，不同方法有著自身的優(yōu)缺點和應(yīng)用領(lǐng)域。但是，目前國內(nèi)外對電池SOH的研究大多處于實驗室階段，尤其是精度較高的定義法、阻抗法和模型法，動力電池的實際應(yīng)用環(huán)境無法滿足估算條件。即使內(nèi)阻法實現(xiàn)了整車電池SOH的實時估計，其精度也較低。

因此，從多種評估方法相結(jié)合的角度出發(fā)，將兩種或幾種評估方法進行有機結(jié)合，實現(xiàn)評估精度和應(yīng)用功能的統(tǒng)一，將是未來動力電池健康狀態(tài)評估方法的研究方向。

[1]張宇，俞國勤，施明融，等.電力儲能技術(shù)應(yīng)用前景分析[J].華東電力，2008，36(4):91-94.

[2]CONTE F V.Battery and battery management for hybrid electric vehicles[J].Electronic and Information,2006,123(10):520-525.

[3]OKOSHI T,YAMADA K,HIRASAWA T,et al.Battery condition monitoring(BCM)technologies about lead-acid batteries[J].Journal of Power Sources,2006,158(2):874-878.

[4]BIAGETTI R V,PESCO A M.Apparatus and method for adaptively predicting battery discharge reserve time:US,4952862[P].1989-08-28.

[5]NG K S,MOO C S,CHEN Y P,et al.Enhanced coulomb counting method for estimating state-of-charge and state-of-health of lithium-ion batteries[J].Applied Energy,2009,86(9):1506-1511.

[6]WIDODO A,SHIM M C,CAESARENDRA W,et al.Intelligent prognostics for battery health monitoring based on sample entropy [J].Expert Systems with Applications,2011,38(9):11763-11769.

[7]CHEN Z,MI C C,FU Y H,et al.Online battery state of health estimation based on Genetic Algorithm for electric and hybrid vehicle applications[J].Journal of Power Sources,2013,240(15):184-192.

[8]JOHNSON V H.Battery performance models in ADVISOR[J].Journal of Power Sources,2002,110(8):321-329.

[9]魏學(xué)哲,徐瑋,沈丹.鋰離子電池內(nèi)阻辨識及其在壽命估計中的應(yīng)用[J].電源技術(shù),2009,33(3):217-220.

[10]REMMLINGER J,BUCHHOLZ M,MEILER M.State-of-health monitoring of lithium-ion batteries in electric vehicles by on-board internal resistance estimation[J].Journal of Power Sources,2011,196(12):5357-5363.

[11]PATTIPATI B,PATTIPATI K.Automotive battery management systems[J].IEEE Autotestcon,2008(9):8-11.

[12]張彩萍，姜久春，張維戈，等.梯次利用鋰離子電池電化學(xué)阻抗模型[J].電力系統(tǒng)自動化,2013,37(1):54-58.

[13]董明哲.充電電池容量預(yù)測的算法研究[J].鞍山師范學(xué)院學(xué)報, 2000,2(3):80-84.

[14]徐文靜.純電動汽車鋰動力電池健康狀態(tài)估算方法研究[D].吉林：吉林大學(xué)，2012.

[15]FULLER T F,DOYLE M,NEWMAN J.Relaxation phenomena in lithium ion insertion cells[J].Journal of the Electrochemical Society,1994,141(4):982-990.

[16]SPOTNITZ R.Simulation of capacity fade in lithium-ion batteries[J].Journal of Power Sources,2003,113(1):72-80.

[17]RAMADASS P,HARAN B,WHITE R.Mathematical modeling of the capacity fade of Li-ion cells[J].Journal of Power Sources, 2003,123(2):230-240.

[18]LIAW B Y,JUNGST R G,NAGASUBRAMANIAN G,et al.Modeling capacity fade in lithium-ion cells[J].Journal of Power Sources,2005,140(1):157-161.

[19]黎火林，蘇金然.鋰離子電池循環(huán)壽命預(yù)計模型的研究[J].電源技術(shù),2008,32(4)：242-246.

[20]PLETT G L.Extended Kalman fltering for battery management systems of LiPB-based HEV battery packs[J].Journal of Power Sources,2004,134(2):277-292.

[21]石春源.基于Elman神經(jīng)網(wǎng)絡(luò)鋰電池劣化程度的預(yù)測研究[D].哈爾濱：哈爾濱理工大學(xué)，2011.

[22]FENG X N,LI J Q,OUYANG M G,et al.Using probability density function to evaluate the state of health of lithium-ion batteries[J].Journal of Power Sources,2013,232(15):209-218.

[23]戴海峰.利用雙卡爾曼濾波算法估計電動汽車用鋰離子動力電池的內(nèi)部狀態(tài)[J].機械工程學(xué)報,2009,45(6):95-101.

Progress of state of health evaluation methods for lithium-ion power battery

With the wide application of lithium ion battery in the energy storage system,much attention has been paid to the state of health(SOH)evaluation research.The research advance of SOH evaluation methods for lithium-ion battery was reviewed.Several main SOH evaluation methods were discussed,including defining method,internal resistance method,AC impedance,voltage curve method,model method and some new methods.The research direction was proposed.

Li-ion power batteries;state of health;evaluation methods

TM 912

A

1002-087 X(2016)06-1315-03

2015-12-20

張文華(1983—)，女，河南省人，副教授，主要研究方向為鋰離子電池。