论文部分内容阅读
摘 要：锂离子动力电池系统的健康状态直接关系到电池的使用效率，以及后续电池的梯次利用，对于提高电池使用效率起到非常重要的最用。为此，研究电池健康状态的估计方法，以及国内外在电池健康上的研究进度具有重要意义。本文就近年来国内外在电池健康上的研究进行研究，分析了目前主流的电池健康状态估计方法，以及每种方法的特点。
关键词：电池健康;动力电池系统
1 引言
能源危机和环境污染的加剧，迫切要求寻找新的能量利用方式。其中，以锂离子动力电池系统为唯一动力来源的新能源汽车具有能量密度高、循环寿命长、自放电率低、环境友好的特点而得到广泛的利用。但是，动力电池系统作为一个典型的复杂系统，在使用时受电池特性及工作环境的影响，动力电池的安全使用以及废旧电池的回收利用一直是人们关注的重点。对于汽车动力电池系统在使用过程中，当电池的健康状态下降到80%左右时，将不再适合用于汽车动力系统。若将这些锂离子电池直接报废处理，将会造成资源的极大浪费。因此，建立动力电池系统的全寿命周期内的过程及属性模型，分析动力电池的健康状态，探究电池性能衰减的本质，建立动力电池梯次利用的分析体系，是为提高电池的使用效率提供理论基础。
2 电池SOH估计方法
随着新能源汽车的不断推广，动力电池的梯次利用已经成为国内外研究的热点。由于国内相关的研究起步较晚，相对于欧美等发达国家还存很大的差距[1]-[5]。现阶段国内外主要从以下方面展开研究：
（1）分析和研究电池使用寿命与经济效益的联系。为了降低电池使用成本，开展了锂离子电池全寿命经济效益的分析与研究，建立了锂离子电池相关的经济效应模型，并设计了相应的成本预测系统来指导电池梯次利用。美国可再生能源利用实验室进行的锂离子电池梯次利用项目的研究指出，从电动汽车中退役下来的锂离子电池仍具有很高的利用价值，可在微电网、光伏和风力发电等系统中应用，并制定了锂电池“价值评估-性能验证-促进实施”的研究策略。此外，美国电力公司和电力研究院、桑迪亚国家实验室、南加州安迪生公司都在动力电池梯次利用方面作出了相关研究。
（2）分析地区、环境差异造成的电池负载变化对电池寿命的影响，将电池梯次利用与环境保护相结合。考虑了地区和环境差异对动力电池的工作特性的影响，研究了动力电池选型的方法，分析如何延长电池使用寿命、控制使用成本、提高系统运行效率及成熟度。
（3）研究并制定适用于电池梯次利用的测试方法与测试标准。研究不同种类梯次利用锂电池的工作性能，针对不同生产厂家生产的锂电池（包括磷酸铁锂电池、三元材料电池、锰酸锂电池等），提出了适合退役锂电池的测试步骤和性能评估方法，主要包括有恒电流测试、恒功率测试、脉冲测试等多种测试模式。有效地分析了电池在不同测试工况下的输出特性，预测了电池使用寿命，指导电池梯次利用。
（4）通过建立不同影响因素下的动力电池系统模型，研究锂电池荷电状态、容量保持率与健康状态的估计方法，如图1所示，指导电池梯次利用，降低电池使用成本。动力电池的荷电状态表示电池容量的使用情况，由于锂离子电池系统高度的非线性特征，很难直接采用测量设备直接获取。目前在电池荷电状态估计中，常用的方法有安时积分法、狀态估计法、神经网络法和查表方法。其中，对于状态估计法中，人们通常采用电池的数据驱动模型，建立电池工作温度、电流、电压与SOC之间的关系，并采用卡尔曼算法或其衍生算法进行电池状态估计（包括：KF、EKF、PF、UPF等）。神经网络算法是采用神经网络模型，通过数据训练建立电池输入与SOC之间的关系模型，但该方法在实施时需要大量的训练数据，且受训练样本工况的制约，很难在工程中使用。电池的容量保持率表示电池在使用过程中电池标称容量的变化情况，通常电池在不同温度、不同工作倍率下具有不同的工作容量。为此，常用的估计方法有最小二成算法和卡尔曼滤波算法，分析电池在运行过程中容量的变化趋势。
锂离子电池健康状态（SOH）本质上表示电池内部参数的变化程度，常用的衡量指标包括：电池内阻的增加、容量的衰减、电池内部自由电子的多少、电极材料的损耗程度以及电解液的多少等。由于电池内部的电化学反应非常复杂，为此，人们依据电池内阻、容量保持率、电阻变化、自放电率等外部特征的变化程度进行表示，如图2所示。目前，在电池SOH的估计中，国内外专业学者尚未给出科学的定义方式。通常在电池SOH估计中采用的方法包括：（1）直接测量法。采用测量设备度量电池材料的损耗多少和电池容量的变化。（2）电化学机理分析法。通过电池内部电化学反应的速率以及观察电极材料的损耗程度，估计电池的SOH。（3）贝叶斯估计法。基于数理分析采用马尔科夫链建立电池的SOH变化规律，分析电池SOH的变化趋势。（4）神经网络法。利用电池历史数据，分析电池SOH与电池参数之间的关系模型。
3 结语
为了提高电池的使用效率，电池健康的评估方法起到非常重要的作用。为此，文中分析了近年来国内外在电池健康评估上采用的主要方法，以及对每种方法的优点和缺点做了简要描述，着重分析了目前国内外在电池健康衡量指标上尚未形成统一的描述方法。
参考文献：
[1]徐晶，张彩萍，汪国秀，等.梯次利用锂离子电池欧姆内阻测试方法研究[J]. 电源技术，2015，39（2）：252-256.
[2]李臻，董会超.退役锂离子动力电池梯次利用可行性研究[J].电源技术，2016（2016 年 08）： 1582-1584.
[3]李圆圆，霍炜，朱智富，等.快速收敛的梯次电池成组技术[J].高电压技术，2018，44（1）：169-175.
[4]Rahimi-Eichi H，Ojha U，Baronti F，et al. Battery management system：An overview of its application in the smart grid and electric vehicles[J].IEEE Industrial Electronics Magazine，2013，7（2）：4-16.
[5]Lih W C，Yen J H，Shieh F H，et al. Second-use applications of lithium-ion batteries retired from electric vehicles：challenges，repurposing process，cost analysis and optimal business model[J].International Journal of Advancements in Computing Technology，2012，4（22）.
关键词：电池健康;动力电池系统
1 引言
能源危机和环境污染的加剧，迫切要求寻找新的能量利用方式。其中，以锂离子动力电池系统为唯一动力来源的新能源汽车具有能量密度高、循环寿命长、自放电率低、环境友好的特点而得到广泛的利用。但是，动力电池系统作为一个典型的复杂系统，在使用时受电池特性及工作环境的影响，动力电池的安全使用以及废旧电池的回收利用一直是人们关注的重点。对于汽车动力电池系统在使用过程中，当电池的健康状态下降到80%左右时，将不再适合用于汽车动力系统。若将这些锂离子电池直接报废处理，将会造成资源的极大浪费。因此，建立动力电池系统的全寿命周期内的过程及属性模型，分析动力电池的健康状态，探究电池性能衰减的本质，建立动力电池梯次利用的分析体系，是为提高电池的使用效率提供理论基础。
2 电池SOH估计方法
随着新能源汽车的不断推广，动力电池的梯次利用已经成为国内外研究的热点。由于国内相关的研究起步较晚，相对于欧美等发达国家还存很大的差距[1]-[5]。现阶段国内外主要从以下方面展开研究：
（1）分析和研究电池使用寿命与经济效益的联系。为了降低电池使用成本，开展了锂离子电池全寿命经济效益的分析与研究，建立了锂离子电池相关的经济效应模型，并设计了相应的成本预测系统来指导电池梯次利用。美国可再生能源利用实验室进行的锂离子电池梯次利用项目的研究指出，从电动汽车中退役下来的锂离子电池仍具有很高的利用价值，可在微电网、光伏和风力发电等系统中应用，并制定了锂电池“价值评估-性能验证-促进实施”的研究策略。此外，美国电力公司和电力研究院、桑迪亚国家实验室、南加州安迪生公司都在动力电池梯次利用方面作出了相关研究。
（2）分析地区、环境差异造成的电池负载变化对电池寿命的影响，将电池梯次利用与环境保护相结合。考虑了地区和环境差异对动力电池的工作特性的影响，研究了动力电池选型的方法，分析如何延长电池使用寿命、控制使用成本、提高系统运行效率及成熟度。
（3）研究并制定适用于电池梯次利用的测试方法与测试标准。研究不同种类梯次利用锂电池的工作性能，针对不同生产厂家生产的锂电池（包括磷酸铁锂电池、三元材料电池、锰酸锂电池等），提出了适合退役锂电池的测试步骤和性能评估方法，主要包括有恒电流测试、恒功率测试、脉冲测试等多种测试模式。有效地分析了电池在不同测试工况下的输出特性，预测了电池使用寿命，指导电池梯次利用。
（4）通过建立不同影响因素下的动力电池系统模型，研究锂电池荷电状态、容量保持率与健康状态的估计方法，如图1所示，指导电池梯次利用，降低电池使用成本。动力电池的荷电状态表示电池容量的使用情况，由于锂离子电池系统高度的非线性特征，很难直接采用测量设备直接获取。目前在电池荷电状态估计中，常用的方法有安时积分法、狀态估计法、神经网络法和查表方法。其中，对于状态估计法中，人们通常采用电池的数据驱动模型，建立电池工作温度、电流、电压与SOC之间的关系，并采用卡尔曼算法或其衍生算法进行电池状态估计（包括：KF、EKF、PF、UPF等）。神经网络算法是采用神经网络模型，通过数据训练建立电池输入与SOC之间的关系模型，但该方法在实施时需要大量的训练数据，且受训练样本工况的制约，很难在工程中使用。电池的容量保持率表示电池在使用过程中电池标称容量的变化情况，通常电池在不同温度、不同工作倍率下具有不同的工作容量。为此，常用的估计方法有最小二成算法和卡尔曼滤波算法，分析电池在运行过程中容量的变化趋势。
锂离子电池健康状态（SOH）本质上表示电池内部参数的变化程度，常用的衡量指标包括：电池内阻的增加、容量的衰减、电池内部自由电子的多少、电极材料的损耗程度以及电解液的多少等。由于电池内部的电化学反应非常复杂，为此，人们依据电池内阻、容量保持率、电阻变化、自放电率等外部特征的变化程度进行表示，如图2所示。目前，在电池SOH的估计中，国内外专业学者尚未给出科学的定义方式。通常在电池SOH估计中采用的方法包括：（1）直接测量法。采用测量设备度量电池材料的损耗多少和电池容量的变化。（2）电化学机理分析法。通过电池内部电化学反应的速率以及观察电极材料的损耗程度，估计电池的SOH。（3）贝叶斯估计法。基于数理分析采用马尔科夫链建立电池的SOH变化规律，分析电池SOH的变化趋势。（4）神经网络法。利用电池历史数据，分析电池SOH与电池参数之间的关系模型。
3 结语
为了提高电池的使用效率，电池健康的评估方法起到非常重要的作用。为此，文中分析了近年来国内外在电池健康评估上采用的主要方法，以及对每种方法的优点和缺点做了简要描述，着重分析了目前国内外在电池健康衡量指标上尚未形成统一的描述方法。
参考文献：
[1]徐晶，张彩萍，汪国秀，等.梯次利用锂离子电池欧姆内阻测试方法研究[J]. 电源技术，2015，39（2）：252-256.
[2]李臻，董会超.退役锂离子动力电池梯次利用可行性研究[J].电源技术，2016（2016 年 08）： 1582-1584.
[3]李圆圆，霍炜，朱智富，等.快速收敛的梯次电池成组技术[J].高电压技术，2018，44（1）：169-175.
[4]Rahimi-Eichi H，Ojha U，Baronti F，et al. Battery management system：An overview of its application in the smart grid and electric vehicles[J].IEEE Industrial Electronics Magazine，2013，7（2）：4-16.
[5]Lih W C，Yen J H，Shieh F H，et al. Second-use applications of lithium-ion batteries retired from electric vehicles：challenges，repurposing process，cost analysis and optimal business model[J].International Journal of Advancements in Computing Technology，2012，4（22）.