[發明專利]基于電池退化狀態模型的鋰離子電池循環壽命預測方法

有效

• 申請號: 201310317282.3
• 申請日: 2013-07-25
• 公開（公告）號: CN103336248A
• 公開（公告）日: 2013-10-02
• 發明（設計）人: 彭宇;劉大同;周建寶;王紅;彭喜元
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G01R31/36
• 分類號: G01R31/36;G06F19/00
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳泉清

技術領域

本發明涉及一種電池退化狀態建模方法，具體涉及基于電池退化狀態模型的鋰離子電池循環壽命預測方法。

背景技術

鋰離子電池雖然是一種能量存儲和轉換設備，但它并不是可以無限使用的，即它的循環使用壽命是有限的，這是因為電池的性能會隨著電池的使用而逐漸下降。為了更好建立鋰離子電池的壽命預測模型，首先在此分析鋰離子電池的性能退化過程及其機理。

鋰離子電池是一種可充電電池，它主要依靠鋰離子在正極和負極之間移動來工作，整個電池的化學動力來自于它兩個電極化學勢的差異。蓄電池充電時將電能轉換為化學能存儲在電池中，放電時則將化學能轉換為電能供負載使用。由于兩種能量轉換的可逆性，似乎充放電的循環過程是無限的，其實不然，這是因為充放電的循環過程中，電池內部會發生一些不可逆的過程，導致內部阻抗、輸出電流等的變化，引起電池容量的衰減，從而影響了電池的循環使用壽命。

鋰離子電池在循環充放電過程中，電池內部會發生一些不可逆的化學反應過程，導致電極上“嵌入/脫出”的Li+的損失，從而使電池內部阻抗提高，直接表現為電池開路電壓的下降。

根據美國航空航天局（NASA）與美國能源局下屬的多個實驗室的多項研究，具體的影響因素可概括如下：

A、由于電池內部的電流通過時受到電池內部阻抗的影響，從而在電池內部產生一定的熱量。

B、電化學導致動力學上的阻抗，如離子必須克服電極和電解液交匯處的阻礙。

C、離子在電解液中從一個電極運動到另一個電極的過程中發生轉化帶來的阻抗。

除了開路電壓的下降，電池內部的不可逆反應引起的阻抗變化也將導致電池放電速率的降低，從而導致電池容量的衰減。電池的放電速率越大，電流越大，此時極化越嚴重，當離子擴散速度達不到所需要的速度時，電池的容量會降低。圖2給出了典型的電池放電曲線，以及不同放電速率對電池容量退化的影響。每條曲線都和一個放電速率值相對應（假定溫度條件不變）。

從圖2中可以看到，電池的容量隨著電池充放電周期的增加而逐漸減小，同時放電速率越大，電池容量減小得越快。

由前面的闡述可知，電池內部的不可逆反應導致電池阻抗增加，而這種阻抗的變化是反映電池退化狀態的主要參數。利用電阻阻抗譜法測得電池內阻阻抗包括電荷轉移電阻RCT、Warburg阻抗RW和電解質電阻RE，其中Warburg阻抗RW對電池退化過程的影響微不足道，故可忽略。NASA的PCoE研究中心經過分析大量的實驗數據發現，電池容量與內部阻抗之間具有高度的線性相關性，如圖3所示。

由以上分析可知，電池容量隨著電池的老化過程將會逐漸退化，即每次充放電循環后的電池容量會逐漸下降，從而達不到額定容量，因此可以利用電池容量的退化作為電池循環使用壽命的主要表征。

目前鋰離子電池壽命退化過程存在的問題提有：

（1）歷史數據少：由鋰離子電池退化數據特點可以看到，電池循環使用壽命的表征量——電池容量具有少量歷史數據，隨著充放電過程進行，逐漸獲取數據，因此在預測過程中很難獲取大量歷史數據，所以循環壽命預測是一個根據少量歷史數據進行預測的問題，特別是在實際工況中，無法提供大量的歷史數據進行建模訓練，這需要預測算法適合于少量歷史數據（811目前現有的數據基礎也驗證這項內容）。

（2）模型難建立：通過電池退化過程分析可知，由于鋰離子電池的壽命退化過程是由于電池內部復雜的電化學反應導致的，同時受外界因素如溫度、負載等的影響，使得其退化過程的物理模型十分復雜、失效機理難分析，同時電池的剩余使用壽命與影響因素之間沒有一個固定的可遵循的規律，因此很難用一個準確的數學模型來清晰的表示這種電池的壽命退化過程。

（3）不確定性：針對于壽命預測的問題，只給出一個單點的預測結果，信息量少，不利于決策者做出基于壽命預測結果的維修決策，因為單點預測結果的可信性低，參考價值小。

發明內容

本發明為了解決現有的鋰離子電池循環壽命預測過程中存在建模難的問題。從而提出了基于電池退化狀態模型的鋰離子電池循環壽命預測方法。

基于電池退化狀態模型的鋰離子電池循環壽命預測方法，它包括下述步驟：

步驟一、采集電池監測數據，并對該數據進行預處理；

步驟二、根據電池退化狀態模型訓練獲得電池退化狀態模型，

步驟三、根據步驟二獲得電池退化狀態模型對鋰離子電池循環壽命進行預測，獲得鋰離子電池循環壽命值，實現基于電池退化狀態模型的鋰離子電池循環壽命預測。

步驟一所述的采集電池監測數據，并對該數據進行預處理的具體過程為：