動力鋰電池形變參數測量與健康評估

摘要：動力鋰電池作為新能源汽車的核心部件，其性能直接影響電動汽車的續航里程、安全性和使用壽命。形變參數測量與健康評估是確保電池性能穩定、延長電池使用壽命的重要手段。鑒于此，首先研究鋰電池的形變機理，進而闡明形變與鋰電池健康的內在聯系；然后提出一種基于線激光技術的鋰電池形變測量方法，解決微小形變量的高精度采集問題；最后詳細分析基于GWO-GPR的健康評估模型。研究結果表明，所提方法切實、有效，為動力鋰電池健康狀態評估提供了一種新技術手段，具有較好的應用價值。

關鍵詞：鋰電池；參數測量；健康評估；高斯回歸；灰狼優化

中圖分類號：TM912" " 文獻標志碼：A" " 文章編號：1671-0797（2025）03-0026-05

DOI：10.19514/j.cnki.cn32-1628/tm.2025.03.008

0" " 引言

動力鋰電池以其體積小、重量輕、能量密度高等特點，在新能源汽車等領域發揮著至關重要的作用，是推動相關行業發展和技術創新的關鍵部件[1]。

隨著技術的進步和市場需求的增長，動力鋰電池產業迅速擴張，然而其應用依然受安全、環保、續航等因素制約[2-3]。科研人員正積極開展動力鋰電池相關研究工作，力圖尋找解決上述問題的技術路徑，以促進動力鋰電池更加廣泛深入地應用。作為一個研究熱點，電池健康狀態（SOH）評估即通過了解電池當前的狀態，準確地預測和評估電池的性能[4]，為電池的設計、制造、使用、維護等提供科學依據，以提高電池的安全性、可靠性、經濟性、環保性，推動電池技術的持續發展[5]。

目前常見的電池SOH評估方法有實驗法、模型法、數據驅動法等[6]，這些評估方法各有優缺點，總的來說，SOH估計在可靠性、精度等方面還有許多問題亟待深入研究。本文提出了一種基于形變分析的鋰電池健康評估方法，該方法具有非接觸、免約束等特點，為動力鋰電池健康評估提供了新的技術解決方案。

1" " 動力鋰電池的形變規律

如圖1所示，動力鋰電池由正極、隔膜、負極、電解液、集流體等部分組成，通過鋰離子的遷移和電子的流動，實現能量的存儲和釋放[7]。

在鋰電池的充放電循環使用過程中，正負極之間的鋰離子嵌入與脫嵌會引起電池內部材料膨脹和收縮[8]，這一由內部因素產生的形變是可逆的、彈性的、不可避免的。此外，高溫會改變電池的化學成分，擠壓、撞擊等會導致電池內部應力積累，過充、過放會加大正負極材料的膨脹和收縮，溫度、機械應力、過充、過放等外部因素相互耦合，也會導致鋰電池形變，加快電池的劣化失效。一般來說，這些由外部因素產生的電池形變是不可逆的，危害性極大，應采取必要措施極力避免。

電池形變與健康狀態的耦合關系十分復雜。圖2為某型鋰電池在不同荷電狀態（SOC）的可逆形變測量曲線，該圖表明：隨著SOC的增加，電池在同一水平面上的形變量也呈現出相應的增大趨勢，電池可逆形變與SOC密切相關[9]。

圖3為某型鋰電池不同老化程度下的厚度變化曲線[10]，該圖表明：隨著電池循環老化的加深，電池剩余容量逐漸衰減，同時其可逆形變（即膨脹與收縮的能力）也減弱，表現為厚度變化的最大值逐漸縮小。這表明電池的容量衰減與其可逆形變量之間存在負相關關系，即電池容量的減少會導致其可逆形變量降低。

2" " 基于線激光的形變參數提取方法

本文設計了如圖4所示的動力鋰電池形變測量系統，完成鋰電池形變信息的實時采集與分析，為后續鋰電池健康評估提供精準、可靠的評價參數。

如圖4所示，系統主要由線激光傳感器、測試分析計算機、形變測量平臺、被測電池等組成。其中，線激光傳感器是測量系統的核心，負責鋰電池變形幾何信息的高精度坐標采集；測試計算機上運行專用測量分析軟件，負責測量模式設置、測量方法優化和結果處理與分析；形變測量平臺由一塊基準底板和十字調整支架組成，負責線激光傳感器與被測電池之間位置關系調整，以建立測量坐標系。

如圖5所示，LS-100CN線激光傳感器，基于二維激光投射技術，通過成像元件接收被測物表面反射的光條圖像，并應用投影變換算法解析出測量輪廓，進而獲取高度X與寬度Y的二維坐標數據。該傳感器工作距離為100 mm，測量范圍±25 mm，全量程線性精度±0.1%，其內置的圖像處理算法能夠自動補償輪廓，具有非接觸性、高精度、高效率、寬動態范圍等優勢，極為適用于電池形變的在線測量與分析。

3" " 基于GWO-GPR的健康評估方法

首先進行數據準備與預處理，利用電池形變測量系統采集電池電參數以及形變幾何信息，并對數據進行處理，選擇反映電池健康狀況的特征HF（Health Feature）與電池健康狀況SOH構建數據集，將數據集劃分為訓練集與測試集。

接著，初始化灰狼優化算法（GWO），包括設置種群大小、最大迭代次數和超參數取值范圍等參數，并在超參數取值范圍內隨機生成一組灰狼個體，每個個體對應一組GPR（高斯過程回歸）超參數。

然后，選擇合適的核函數，構建GPR模型，這里選擇ARD平方指數核，數學公式為：

K（x，x′）=σf 2exp-

（1）

式中：σf 2為信號方差；li為第i個特征的長度尺度；d為輸入特征的維度；xi和xi ′為輸入向量x和x′的第i個特征。

并利用隨機生成的灰狼個體對應的超參數構建GPR模型：

f（x）～GP[m（x），k（x，x′）]（2）

式中：m（x）為均值；k（x，x′）為方差。

隨后，通過灰狼優化算法進行迭代與模型訓練，計算每個灰狼個體對應的GPR模型的預測誤差作為適應度值：

MSEi=（yj-μij）2（3）

式中：yi為真實值；μij為第i只狼對應的GPR模型對j個數據點的預測值；n為樣本數量。

并基于適應度值更新灰狼個體位置：

Xi new=X*-A·|C·X*-Xi|（4）

式中：X*為當前最優解；Xi為第i個灰狼個體的位置；A和C為系數向量，其計算公式分別為：

A=2a·r1-a（5）

C=2r2（6）

式中：a為收斂因子，隨著迭代次數從2線性減小到0；r1和r2為隨機數。

直到滿足預設的終止條件，結束迭代。迭代結束后，選擇適應度值最小的灰狼個體作為最優解，使用這組最優超參數構建最終的GWO-GPR模型，并使用測試數據集對模型進行評估，以衡量其預測性能。

最后，將待預測的電池數據輸入到訓練好的GWO-GPR模型中，利用模型進行預測，得到電池的健康狀況預測結果。算法流程如圖6所示。

4" " 實驗與分析

為驗證技術方法的有效性，在圖7所示的動力鋰電池形變測量分析系統中進行了實驗研究。系統主要由激光測量系統和充放電控制系統組成，其中充放電控制系統負責鋰電池的充放電管理和電參數監測，激光測量系統負責鋰電池形變信息的實時采集與分析。系統涉及的關鍵儀器如表1所示。

4.1" " 測量位置優選

研究表明，鋰電池循環充放電過程中，不同測量位置的絕對形變量具有不一致性，選擇形變顯著的測量位置有利于提高測量結果的準確性和可靠性。如圖8所示，本文選擇上、中、下三個典型位置進行了可逆形變測量，測量數據如表2所示。結果表明，在鋰電池充放電過程中，三處位置的可逆形變變化趨勢相同，但形變絕對量值各不相同，鋰電池中心處（Pc）形變量最大，可以作為評估鋰電池可逆形變特性的理想位置。

4.2" " 形變測量實驗

對某型鋰電池進行了形變幾何信息采集，得到形變測量曲線如圖9所示。

結果表明：線激光測量方法可以有效提取鋰電池在一個充電過程中的形變信息，隨著SOC增大，曲線總體趨勢伴隨著波動不斷上移，采用數學方法求解曲線上移量，可以用來表征電池形變的大小，進而為電池健康評估提供可靠的評價參數。

4.3" " 健康評估分析

基于鋰電池形變測量數據和GWO-GPR算法建立形變—健康評估模型，得到鋰電池SOH估算結果如圖10所示，估算誤差曲線如圖11所示。實驗結果表明，本方法切實有效，SOH綜合估算誤差小于2%。

5" " 結論

本文研究了一種基于動力鋰離子電池形變特性的SOH估算方法。該方法通過整合動力鋰離子電池的形變數據與SOH指標，構建用于模型訓練與驗證的訓練集與測試集。在此基礎上，引入了多種優化算法，旨在提高模型對SOH預測的準確性。實驗結果表明，該基于形變特征的動力鋰離子電池SOH估算方法展現出了良好的性能，能夠有效對鋰離子電池的SOH進行預測，為鋰離子電池的健康管理與維護提供了有力支持。

[參考文獻]

[1] 邱細妹，王燕，呂海明，等.“雙碳”背景下新能源材料技術發展策略——以松山湖材料實驗室為例[J].中國科學院院刊，2022，37（3）：375-383.

[2] 蔡雨思，李澤文，劉萍，等.基于間接健康特征優化與多模型融合的鋰電池SOH-RUL聯合預測[J].電工技術學報，2024，39（18）：5883-5898.

[3] 李存璞，唐曉霞，魏子棟.鋰離子電池的熱失控與預防[J].科技導報，2024，42（12）：178-192.

[4] 柯學，洪華偉，鄭鵬，等.基于多時間尺度建模自動特征提取和通道注意力機制的鋰離子電池健康狀態估計[J].儲能科學與技術，2024，13（9）：3059-3071.

[5] 周洪，辛竹琳，付豪，等.基于專利數據挖掘的固態鋰電池關鍵材料分析[J].儲能科學與技術，2024，13（7）：2386-2398.

[6] 柳杰.基于機器學習的鋰離子電池健康狀態參數估計研究[D].西安：西京學院，2023.

[7] 徐俊，郭喆晨，謝延敏，等.儲能鋰電池系統綜合管理研究進展[J].西安交通大學學報，2024，58（10）：1-23.

[8] 林春景，李丹華，溫浩然，等.動力電池在充電過程中的膨脹力特性[J].儲能科學與技術，2022，11（5）：1627-1633.

[9] OH K Y，EPUREANU B I，SIEGEL J B，et al.Phenomeno-

logical force and swelling models for rechargeable lithium-ion battery cells[J].Journal of Power Sources，2016，310：118-129.

[10] GRIMSMANN F，BRAUCHLE F，GERBERT T，et al.Impact of different aging mechanisms on the thickness change and the quick-charge capability of lithium-

ion cells[J].Journal of Energy Storage，2017，14：158-162.

收稿日期：2024-11-04

作者簡介：王彥昕（1999—），女，山西人，碩士研究生，研究方向：應急管理信息化智能化技術。

通信作者：李學哲（1976—），男，吉林柳河人，博士，教授，研究方向：測控技術與儀器儀表。