鋰離子電池的健康狀態(tài)評(píng)估

導(dǎo)讀

準(zhǔn)確評(píng)估鋰離子電池的健康狀態(tài)對(duì)電動(dòng)汽車的使用至關(guān)重要。及早發(fā)現(xiàn)性能不足有助于及時(shí)維護(hù)動(dòng)力電池系統(tǒng)，同時(shí)可以降低使用成本、防止故障和安全事故。近年來(lái)，“大數(shù)據(jù)”分析和相關(guān)統(tǒng)計(jì)/計(jì)算能力的蓬勃發(fā)展也有利于基于數(shù)據(jù)驅(qū)動(dòng)進(jìn)行電池健康狀態(tài)估計(jì)的研究。以下將從差分分析提取特征、相關(guān)的機(jī)器學(xué)習(xí)算法以及與剩余使用壽命預(yù)測(cè)關(guān)聯(lián)這幾個(gè)方面展開(kāi)，對(duì)基于數(shù)據(jù)驅(qū)動(dòng)進(jìn)行電池健康狀態(tài)估計(jì)進(jìn)行簡(jiǎn)要介紹。

1.差分分析提取特征

關(guān)于電池的差分分析基于對(duì)恒流充、放電過(guò)程中電、熱、機(jī)械等信號(hào)曲線的差分。最常見(jiàn)的有容量增量/差分電壓(IC/DV)分析、差分熱伏安法(DTV)和差分機(jī)械參數(shù)法(DMP)。

容量增量/差分電壓 (IC/DV) 分析：作為一種非破壞性表征方法，已廣泛用于老化機(jī)理分析。通過(guò)微分將充、放電曲線中的電壓平臺(tái)轉(zhuǎn)換為 IC 曲線的特征峰和 DV 曲線的特征谷，分析每個(gè)特征峰/谷隨電池老化的變化情況，并結(jié)合活性材料的變化情況，可以明晰衰退機(jī)理。此外，IC/DV分析也是進(jìn)行在線 SOH 估計(jì)的有效手段，它僅需要獲取兩個(gè)參數(shù)(電壓、充/放電容量)，且適用于不同類型的鋰離子電池。獲得平滑的 IC/DV 曲線后，即可研究與容量衰退相關(guān)的特征演變情況，例如特征峰的位置、強(qiáng)度、面積。圖1為C/3充電倍率下某NMC 電池IC曲線隨著老化的演變情況，可以發(fā)現(xiàn)所有峰都向更高電壓處移動(dòng)，并且峰強(qiáng)隨著循環(huán)次數(shù)增加而降低[1]。可以通過(guò)構(gòu)建容量和特定特征之間的分析函數(shù)，離線建立起SOH估計(jì)模型。有學(xué)者基于DV曲線特征峰之間的間隔實(shí)現(xiàn)了SOH估計(jì)[2]。注意，實(shí)車應(yīng)用中電池充電初始SOC經(jīng)常變化，充電容量的變化就會(huì)導(dǎo)致DV曲線上特征峰的位置發(fā)生較大變動(dòng)。IC曲線則不會(huì)出現(xiàn)類似問(wèn)題，針對(duì)部分循環(huán)的工況，也可實(shí)現(xiàn)基于IC曲線的SOH估計(jì)。此外，IC 曲線的特征峰一般出現(xiàn)在特定SOC區(qū)間內(nèi)，因而IC曲線比DV曲線更適合應(yīng)用于在線SOH估計(jì)。盡管基于容量增量/差分電壓分析可以實(shí)現(xiàn)在線SOH估計(jì)，但該方法也存在一些劣勢(shì)，例如：受限于低倍率的工作場(chǎng)景(<1C)，對(duì)測(cè)量噪聲敏感，易受工作溫度影響，在計(jì)算具有大電壓平臺(tái)電池(如磷酸鐵鋰電池)dV時(shí)可能產(chǎn)生無(wú)窮解。

圖1 某NMC電池在C/3充電倍率下獲得的IC曲線隨老化的演變情況[1]

差分熱伏安法(DTV)：可用作現(xiàn)有SOH估計(jì)的補(bǔ)充方法，它將IC分析的方法與溫度測(cè)量相結(jié)合，來(lái)獲取有關(guān)電極材料的熱力學(xué)信息。DTV方法是在恒流充、放電期間監(jiān)測(cè)電池表面溫度，將溫度(T)相對(duì)電壓(dT/dV)作微分得到的。DTV旨在迅速地揭示電池工作期間最顯著的與熵相關(guān)的信息。DTV曲線的特征峰參數(shù)(例如位置、峰強(qiáng)、峰寬)也可用于研究電池老化，例如容量衰退、電阻增加以及不均勻的電極性能，具備在實(shí)車中進(jìn)行SOH估計(jì)的潛力。一般認(rèn)為DTV在前期實(shí)驗(yàn)操作方面很容易在并聯(lián)電池組上進(jìn)行，其優(yōu)點(diǎn)是測(cè)試電流倍率與IC/DV分析相比可以有所提升。它只需要在恒流充、放電過(guò)程中監(jiān)測(cè)電壓和溫度參數(shù)，對(duì)于在線應(yīng)用來(lái)說(shuō)測(cè)量負(fù)擔(dān)并不大。此外，DTV方法無(wú)需嚴(yán)格的恒溫條件。只有當(dāng)電池溫度明顯高于環(huán)境溫度時(shí)，來(lái)自電池的熱量才會(huì)開(kāi)始影響分析結(jié)果。然而，DTV分析容易受到測(cè)試環(huán)境溫度的影響，環(huán)境溫度的波動(dòng)會(huì)引入較大噪聲，從而阻礙關(guān)鍵數(shù)據(jù)的提取和深入研究。

圖2 在2C恒流放電下獲得的DTV曲線(a)老化電池(b)新電池 [3]

差分機(jī)械參數(shù)法(DMP)：有研究通過(guò)對(duì)電池機(jī)械行為進(jìn)行建模從而實(shí)現(xiàn)SOH估計(jì)，如單體的應(yīng)變和應(yīng)力的變化。鋰離子在電極活性材料中的嵌入/脫嵌與其體積變化、膨脹和收縮有關(guān)，電池內(nèi)的機(jī)械應(yīng)力是電極膨脹對(duì)抗垂直于電極平面約束的結(jié)果，可通過(guò)電池表面的壓力傳感器進(jìn)行測(cè)量。有研究發(fā)現(xiàn)，電極膨脹產(chǎn)生的應(yīng)力與SOH呈線性相關(guān)，并提出通過(guò)測(cè)量電池應(yīng)變來(lái)估計(jì)SOH，相關(guān)的老化機(jī)理由SEI膜生長(zhǎng)主導(dǎo)[4]。還有學(xué)者研究了應(yīng)變對(duì)電量的一階和二階導(dǎo)數(shù)[5]以及應(yīng)變對(duì)電壓的微分[6]，他們認(rèn)為這些曲線與IC/DV曲線具類似，可能對(duì)應(yīng)電極材料中的相變過(guò)程，并發(fā)現(xiàn)這些曲線具有估計(jì)SOH的潛力。然而，應(yīng)變測(cè)量?jī)H適用于無(wú)機(jī)械約束的可自由膨脹的單體。在實(shí)際電池組中，體積膨脹受限，很難實(shí)現(xiàn)應(yīng)變測(cè)量。此外，差分機(jī)械參數(shù)法需要額外的設(shè)備對(duì)機(jī)械參數(shù)實(shí)施測(cè)量，要實(shí)現(xiàn)其在線應(yīng)用仍然存在挑戰(zhàn)。

圖3 某電池循環(huán)不同圈數(shù)后在1C放電測(cè)試下獲得的IC曲線(dQ/dV)和ICF曲線(dQ/dF)，F(xiàn)是測(cè)得的機(jī)械力 [7]

2.用于SOH估計(jì)的機(jī)器學(xué)習(xí)方法

機(jī)器學(xué)習(xí)應(yīng)用于在線SOH估計(jì)所需基本流程如圖4所示。第一步是數(shù)據(jù)收集，可測(cè)得的電池參數(shù)，例如溫度、電流和電壓數(shù)據(jù)被記錄下來(lái)并用作訓(xùn)練模型的輸入。第二步是提取可表征老化的特征。第三步是訓(xùn)練機(jī)器學(xué)習(xí)模型來(lái)描述電池SOH和所提取特征之間的關(guān)系。模型訓(xùn)練完成后，最后一步就是在 BMS中實(shí)現(xiàn)在線應(yīng)用。

圖4 機(jī)器學(xué)習(xí)應(yīng)用于在線SOH估計(jì)所需的基本流程，學(xué)習(xí)機(jī)感知環(huán)境、存儲(chǔ)數(shù)據(jù)并建立從特征空間到狀態(tài)空間的映射 [7]

特征提取很關(guān)鍵，對(duì)SOH估計(jì)效果影響很大。輸入數(shù)據(jù)越有意義、越準(zhǔn)確，預(yù)測(cè)結(jié)果就越準(zhǔn)確。以下將介紹基于機(jī)器學(xué)習(xí)進(jìn)行SOH估計(jì)的不同輸入特征。模型擬合特征：一些研究使用模型擬合特征(例如內(nèi)阻、SOC等)來(lái)訓(xùn)練SOH估計(jì)模型，但這些特征不便直接測(cè)量獲得，必須通過(guò)BMS底層的電模型和在線參數(shù)/狀態(tài)估計(jì)算法來(lái)獲得。例如有學(xué)者利用歐姆內(nèi)阻、極化內(nèi)阻和極化電容等參數(shù)作為輸入特征來(lái)訓(xùn)練機(jī)器學(xué)習(xí)算法，這種方法需要使用帶有在線狀態(tài)估計(jì)算法的電氣模型，例如遞歸最小二乘算法或擴(kuò)展卡爾曼濾波。盡管這些特征不便直接測(cè)量獲得，但基于這些特征可以將復(fù)雜動(dòng)態(tài)工況下電池的性能納入考量。處理后的外部特征：通常從恒流充放電曲線中提取，例如IC/DV曲線和電壓梯度曲線 (dV/dt)等。這些曲線特征峰的變化與電池老化過(guò)程有很強(qiáng)的關(guān)聯(lián)，在SOH估計(jì)的實(shí)驗(yàn)室研究中應(yīng)用廣泛。這類外部特征的局限性在于不適用于高度動(dòng)態(tài)的實(shí)車工況，甚至就目前BMS計(jì)算能力而言，某些特征獲取仍存在一定挑戰(zhàn)。直接外部特征：可以在電池工作期間由BMS中的傳感器直接測(cè)得，目前常見(jiàn)的包括端電壓、電流和溫度，這類特征非常適合在線應(yīng)用，但數(shù)據(jù)量較大的問(wèn)題一定程度上增加了計(jì)算工作量。

當(dāng)完成數(shù)據(jù)集收集時(shí)，就需選擇特定的機(jī)器學(xué)習(xí)模型。各類機(jī)器學(xué)習(xí)模型可以大致分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)模型。在監(jiān)督學(xué)習(xí)中，訓(xùn)練數(shù)據(jù)由一組輸入和相關(guān)的輸出組成，該算法目標(biāo)是學(xué)習(xí)從輸入到輸出的映射，具有可接受的保真度。算法輸出的形式可以是離散集合，例如將電池分為故障或非故障;或是連續(xù)集合，例如容量或內(nèi)阻。當(dāng)輸出是分類時(shí)，這個(gè)問(wèn)題稱為分類;當(dāng)它是實(shí)值時(shí)，它被稱為回歸。所有電池健康狀態(tài)估計(jì)和預(yù)測(cè)問(wèn)題都屬于回歸類別。與監(jiān)督學(xué)習(xí)算法不同，無(wú)監(jiān)督學(xué)習(xí)算法僅提供給定的輸入，其目標(biāo)是找到“有趣的模式”，識(shí)別數(shù)據(jù)中的趨勢(shì)或聚類，無(wú)需額外輸入。監(jiān)督學(xué)習(xí)是目前較為成熟有效的方法，并廣泛用于電池健康狀態(tài)診斷和預(yù)測(cè)的研究，各類應(yīng)用于電池SOH估計(jì)的監(jiān)督機(jī)器學(xué)習(xí)方法，包括人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī) (SVM)、相關(guān)向量機(jī)(RVM)、k-最近鄰(kNN)、高斯過(guò)程回歸(GPR)、隨機(jī)森林回歸(RFR)等，同時(shí)這些方法也廣泛應(yīng)用于電池RUL預(yù)測(cè)。

圖5 人工神經(jīng)網(wǎng)絡(luò)(ANN)應(yīng)用于實(shí)時(shí)SOH估計(jì)[8]

圖6 相關(guān)向量機(jī)(RVM)應(yīng)用于SOH估計(jì)[9]

圖7 k-最近鄰(kNN)應(yīng)用于SOH估計(jì)[10]

圖8 隨機(jī)森林回歸(RFR)應(yīng)用于SOH估計(jì)[11]

3.與剩余使用壽命預(yù)測(cè)關(guān)聯(lián)

電池的剩余使用壽命預(yù)測(cè)無(wú)法單獨(dú)存在，它需要當(dāng)前SOH估計(jì)結(jié)果作為輸入，兩者間的關(guān)系如圖9所示。

圖9 SOH估計(jì)與剩余使用壽命預(yù)測(cè)的聯(lián)合框架[7]

審核編輯：湯梓紅