宋 珂, 徐宏杰

(同濟(jì)大學(xué),上海 201804)

0 引 言

隨著日益嚴(yán)重的環(huán)境污染和溫室效應(yīng)，新能源汽車(chē)成為了一個(gè)越來(lái)越熱門(mén)的領(lǐng)域。在目前的電動(dòng)汽車(chē)上，鋰離子電池是一個(gè)主要應(yīng)用的儲(chǔ)能元件。鋰離子電池相比于傳統(tǒng)的鉛酸電池而言，有能量密度大，工作電流密度高以及快速啟動(dòng)性能好的優(yōu)點(diǎn)，所以被廣泛應(yīng)用在動(dòng)力電池領(lǐng)域。但是它的缺點(diǎn)也十分明顯，其電池容量衰減較快，壽命較短，尤其是在低溫條件下工作時(shí)。因此動(dòng)力鋰離子電池的健康狀況(State of Health, SOH)監(jiān)測(cè)和剩余壽命(Remaining Useful Life, RUL)預(yù)測(cè)成為了一個(gè)熱門(mén)研究課題。SOH監(jiān)測(cè)和RUL預(yù)測(cè)為動(dòng)力鋰離子電池的健康狀態(tài)管理提供了有效的方法，便于工程師在合適的時(shí)間對(duì)電池進(jìn)行維護(hù)，減少經(jīng)濟(jì)損失和避免重大安全事故的發(fā)生。

1 動(dòng)力鋰離子電池介紹

動(dòng)力鋰離子電池的荷電狀態(tài)(State of Charge，SOC)是描述和研究電池狀態(tài)的重要參數(shù)之一，也是整個(gè)動(dòng)力電池管理系統(tǒng)(Battery Management System，BMS)設(shè)計(jì)制定的依據(jù)。從電量、能量等不同的角度，SOC有多種不同的定義方式。通常來(lái)說(shuō)，SOC反映的是電池的剩余容量狀況，其數(shù)值上定義為當(dāng)前電池剩余可使用容量與電池總?cè)萘康谋戎礫1]：

(1)

其中，QC為電池剩余可使用的容量 ,CI為電池以恒定電流I放電時(shí)所能達(dá)到的容量，Q為電池已放出的電池容量。

不同研究學(xué)者對(duì)于SOH的定義也有差異。常見(jiàn)的SOH定義方式通常從電池的容量或者內(nèi)阻兩個(gè)不同角度出發(fā)進(jìn)行定義。以電池容量的SOH定義方式還有絕對(duì)容量和相對(duì)容量之分。以絕對(duì)電池容量定義為例，SOH定義為當(dāng)前電池充滿(mǎn)電的總?cè)萘亢碗姵仡~定容量之比，即當(dāng)前動(dòng)力電池從SOC為1以一定的放電倍率放電至截止電壓所放出的容量與電池的額定容量之比[2]。

(2)

其中，Caged指的是當(dāng)前電池總?cè)萘?，Crated指的是電池額定容量。

而以相對(duì)電池容量定義的SOH指的是，電池當(dāng)前總?cè)萘肯鄬?duì)于電池壽命終點(diǎn)(End of Life, EOL)[3]總?cè)萘坎钪岛碗姵仡~定容量相對(duì)于電池壽命終點(diǎn)總?cè)萘坎钪档谋戎礫4]，即

(3)

其中，CEOL指的是電池壽命終點(diǎn)的總?cè)萘俊?/p>

內(nèi)阻是影響電池性能的一大關(guān)鍵因素，以?xún)?nèi)阻定義的SOH指的是，電池當(dāng)前內(nèi)阻相對(duì)于電池壽命終點(diǎn)內(nèi)阻差值和電池額定內(nèi)阻相對(duì)于電池壽命終點(diǎn)內(nèi)阻差值的比值[4]，即

(4)

對(duì)于動(dòng)力鋰離子電池的健康狀態(tài)和剩余使用壽命研究而言，電池壽命終止的定義也是影響研究關(guān)鍵的因素。由SOH的定義不難看出，EOL的定義方式也隨著SOH定義方式變化而變化。通常情況下，以容量的方式來(lái)定義EOL，即電池容量下降為標(biāo)稱(chēng)電池容量的80%時(shí)，認(rèn)為電池壽命終了。即以絕對(duì)容量定義的SOH可以認(rèn)為，SOH到達(dá)0.8時(shí)，即到達(dá)壽命終點(diǎn)[5]。以相對(duì)容量定義的SOH認(rèn)為，SOH等于0時(shí)，到達(dá)壽命終點(diǎn)[6]。

動(dòng)力鋰離子電池的剩余使用壽命RUL指的是電池從當(dāng)前時(shí)刻到電池EOL的剩余使用時(shí)間或循環(huán)次。RUL的研究需要結(jié)合電池的使用場(chǎng)景，是電池的健康狀態(tài)SOH更為直觀(guān)的反映。

2 動(dòng)力鋰離子電池

2.1 動(dòng)力鋰離子電池工作原理

鋰離子電池單體通常由正極、隔膜、負(fù)極、電解液和外殼組成。其正極一般是錳酸鋰，鈷酸鋰或鎳鈷錳酸鋰，負(fù)極是石墨或近似石墨結(jié)構(gòu)的碳材料。鋰離子電池是一種鋰離子濃差電池，充放電時(shí)鋰離子在正負(fù)電極之間漂移以傳遞電能。鋰離子電池的具體工作原理如下：

正極反應(yīng)：放電時(shí)Li+嵌入，充電時(shí)Li+拖嵌。

負(fù)極反應(yīng)：放電時(shí)Li+拖嵌，充電時(shí)Li+嵌入。

圖1 鋰離子電池工作原理

在日常的使用中，鋰離子電池通常是以電池組的形式進(jìn)行工作的，即通過(guò)串并聯(lián)的形式將許多電池單體組合成一個(gè)滿(mǎn)足工作需求的電池組。電池成組之后，單體之間存在的不一致性是影響電池健康狀態(tài)和剩余使用壽命的一大關(guān)鍵因素。電池組的壽命通常取決于性能最差的單體電池，即使其他所有單體性能良好，電池組也將無(wú)法使用。徐愛(ài)琴等人通過(guò)基于城郊工況的臺(tái)架循環(huán)試驗(yàn)，總結(jié)了磷酸鐵鋰電池單體與電池組容量衰減遵循的衰減規(guī)律，得到了電池組的衰減速率為電池單體的2.7倍的結(jié)論[7]。

圖2 鋰離子電池單體和電池組

在大部分研究以及討論中，電池健康狀況和剩余使用壽命指的是鋰離子電池組，而不是電池單體。

2.2 動(dòng)力鋰離子電池衰減機(jī)理

動(dòng)力鋰離子電池在充放電的過(guò)程中，其內(nèi)部存在著一系列電化學(xué)反應(yīng)以及物理變化。除了鋰離子在正負(fù)極之間正常循環(huán)拖嵌、嵌入外，在工作過(guò)程中還會(huì)產(chǎn)生許多其他的副反應(yīng)，影響電池的健康狀態(tài)和剩余使用壽命。從內(nèi)部組成來(lái)說(shuō)，鋰離子電池的衰減過(guò)程主要與SEI(Solid Electrolyte Interface)膜的增長(zhǎng)、正極材料的溶解、電極材料相變化、活性物質(zhì)的損耗、電解質(zhì)的分解、分離件的老化等有關(guān)。這些電池內(nèi)部的變化通常會(huì)導(dǎo)致鋰離子電池的容量衰減和內(nèi)阻增加，影響動(dòng)力電池的性能。戴海峰等人總結(jié)了鋰離子電池的衰減機(jī)理，如圖3所示

圖3 鋰離子動(dòng)力電池老化過(guò)程機(jī)理[3]

2.3 動(dòng)力鋰離子電池衰減的影響因素

動(dòng)力鋰離子電池的工作過(guò)程中，各種外部因素都會(huì)導(dǎo)致電池內(nèi)部不同程度的衰減。這些引起電池健康狀態(tài)和剩余使用壽命發(fā)生變化的因素主要包括，充放電截止電壓、放電倍率、放電深度(Depth of Discharge，DOD)、電池荷電狀態(tài)SOC、溫度、電流波動(dòng)頻率、機(jī)械破壞等。

以電池充放電過(guò)程為例，在電池在充放電過(guò)程中，如果充放電電壓達(dá)到充放電的終止電壓時(shí)仍然繼續(xù)充放電，就會(huì)發(fā)生過(guò)充或過(guò)放。當(dāng)鋰離子電池過(guò)充時(shí)，即充電截止電壓較高時(shí)，會(huì)產(chǎn)生諸如正極鋰金屬氧化物發(fā)生溶解、隔膜氧化、電解質(zhì)性能衰減等問(wèn)題，引起電池健康狀態(tài)下降和剩余使用壽命降低。從過(guò)充對(duì)電池內(nèi)部的影響來(lái)看，過(guò)充時(shí)電池內(nèi)部發(fā)生過(guò)多電化學(xué)反應(yīng)，導(dǎo)致Li+在電極的表面沉積，阻止了電池中的活性物質(zhì)運(yùn)動(dòng)，降低電池內(nèi)部反應(yīng)速率，從而引起電池衰減。除此之外，正極鋰金屬氧化物溶解使一些金屬單質(zhì)聚集在負(fù)極，阻塞了隔膜，使得電池內(nèi)阻變大。在這些情形下引起的電池容量衰減是不可逆的。鋰離子電池過(guò)放也會(huì)導(dǎo)致電池的衰減，電池單體過(guò)放電程度越大，電池單體容量衰減速率越快。另外，過(guò)放還容易造成電池單體內(nèi)部短路。從內(nèi)部來(lái)看，在鋰離子電池發(fā)生過(guò)放后，Cu2+容易形成在負(fù)極表面沉積的單質(zhì)銅，Li+的嵌入和拖嵌運(yùn)動(dòng)會(huì)被沉積的物質(zhì)所阻礙，最終導(dǎo)致鋰離子電池容量的衰減。

在鋰離子電池的使用過(guò)程中，充放電倍率是最主要的電池工作參數(shù)。對(duì)于相同容量的電池，充放電電流與充放電倍率成正比。充放電倍率影響著鋰離子電池的衰減速度。對(duì)于充電來(lái)說(shuō)，越低的電池充電倍率能使電池可充入的容量越高，越低的放電倍率能使電池可放出的容量越高，即越接近全容量放電。另外，電池極化現(xiàn)象隨著電流增大會(huì)更加明顯，因此過(guò)大的充放電倍率容易導(dǎo)致鋰離子電池偏離平衡狀態(tài)。電池偏離平衡狀態(tài)表現(xiàn)在對(duì)電池內(nèi)阻以及電壓的影響，時(shí)間一長(zhǎng)電池極板衰減更加迅速，降低了電池健康狀態(tài)和剩余可使用壽命。曹建華等人[8]針對(duì)車(chē)用錳酸鋰電池的測(cè)試結(jié)果表明，在相同的電壓變化范圍內(nèi)，大電流強(qiáng)度充放電引起的電池容量衰減要遠(yuǎn)大于小電流強(qiáng)度充放電引起的電池容量衰減。電池強(qiáng)化試驗(yàn)表明，電流強(qiáng)度是影響蓄電池壽命的主要因素。除此之外，鋰離子電池放電倍率高對(duì)應(yīng)的工作溫度高，容易產(chǎn)生副反應(yīng)，使正負(fù)極材料的晶體產(chǎn)生疲勞甚至衰竭，所以高放電倍率與低放電倍率相比會(huì)產(chǎn)生更大的容量損失，而長(zhǎng)時(shí)間的高倍率放電會(huì)顯著減短蓄電池的壽命。

動(dòng)力鋰離子電池在非工作狀態(tài)下，也存在自放電現(xiàn)象造成電池的衰減。自放電現(xiàn)象是指電池在不與外電路連接，開(kāi)路擱置的條件下，電池由于內(nèi)部自發(fā)反應(yīng)引起電池容量損的現(xiàn)象。理論上，蓄電池電極在開(kāi)路時(shí)也處于熱力學(xué)不穩(wěn)定狀態(tài)，化學(xué)或者物理反應(yīng)會(huì)在電池內(nèi)部自發(fā)進(jìn)行，導(dǎo)致蓄電池性能的衰減。鋰離子電池自放電導(dǎo)致不可逆損失的原因主要是鋰離子的損失以及電極微孔被電解質(zhì)氧化物堵塞等。

3 健康狀態(tài)與剩余使用壽命預(yù)測(cè)方法

近些年來(lái)，科學(xué)家們做了許多相關(guān)的研究。動(dòng)力鋰離子電池SOH和RUL預(yù)測(cè)方法主要能分為三個(gè)種類(lèi)。一是以傳統(tǒng)的模型為基礎(chǔ)的方法，二是數(shù)據(jù)驅(qū)動(dòng)型的方法，三是模型和數(shù)據(jù)驅(qū)動(dòng)融合的方法。

3.1 模型驅(qū)動(dòng)方法

模型驅(qū)動(dòng)型的方法是通過(guò)研究電池的衰退機(jī)理，建立相應(yīng)的物理模型，結(jié)合實(shí)驗(yàn)數(shù)據(jù)推導(dǎo)得出的經(jīng)驗(yàn)公式。Fangfang Yang[9]以鋰離子電池的庫(kù)倫效率這一參數(shù)為基礎(chǔ)，推導(dǎo)出其容量變化的一個(gè)經(jīng)驗(yàn)性公式。Kaveh等人[10]開(kāi)發(fā)一種基于增強(qiáng)單粒子模型(eSPM)參數(shù)估計(jì)的剩余有用壽命(RUL)預(yù)測(cè)算法。該算法利用估計(jì)的eSPM參數(shù)得到的復(fù)合SOH度量來(lái)設(shè)計(jì)基于粒子濾波(PF)的RUL預(yù)測(cè)器，利用SOH度量的演化來(lái)預(yù)測(cè)RUL。Du Xiaowei[11]采用基于模型的方法建立數(shù)學(xué)和物理模型來(lái)描述電池的降解過(guò)程，并通過(guò)測(cè)量數(shù)據(jù)更新模型參數(shù)。用健康指標(biāo)、可用容量和內(nèi)部續(xù)航能力來(lái)反映鋰離子電池的剩余使用壽命。模型驅(qū)動(dòng)的方法所需的數(shù)據(jù)少，但是對(duì)參數(shù)的準(zhǔn)確度要求高，Heng Zhang[12]提出了一種改進(jìn)的基于線(xiàn)性?xún)?yōu)化組合重采樣(U-LOCR-PF)的無(wú)氣味粒子濾波(UPF)算法，以提高預(yù)測(cè)精度。

3.2 數(shù)據(jù)驅(qū)動(dòng)方法

從上述的參考文獻(xiàn)中會(huì)發(fā)現(xiàn)，利用傳統(tǒng)的模型為基礎(chǔ)的方法通常要求科研人員具有十分充分的相關(guān)領(lǐng)域的知識(shí)，而鋰離子電池的衰減機(jī)理是一個(gè)十分復(fù)雜的過(guò)程，因此根據(jù)相關(guān)知識(shí)建立一個(gè)準(zhǔn)確的表達(dá)式十分困難，而數(shù)據(jù)驅(qū)動(dòng)型的方法就解決了這個(gè)問(wèn)題。

數(shù)據(jù)驅(qū)動(dòng)型的方法與傳統(tǒng)的模型驅(qū)動(dòng)方法最大的不同在于，數(shù)據(jù)驅(qū)動(dòng)型的方法不要求研究人員有十分專(zhuān)業(yè)的相關(guān)知識(shí)，只要能獲取大量的實(shí)驗(yàn)數(shù)據(jù)，就能夠訓(xùn)練出一個(gè)十分準(zhǔn)確的預(yù)測(cè)模型。數(shù)據(jù)驅(qū)動(dòng)方法旨在通過(guò)基于可用數(shù)據(jù)自適應(yīng)建立的一些近似模型來(lái)映射上述機(jī)理模型的輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的關(guān)系。數(shù)據(jù)驅(qū)動(dòng)型的方法有很多，其主要的步驟都基本相同，獲取數(shù)據(jù)、訓(xùn)練模型、調(diào)整參數(shù)、預(yù)測(cè)這四個(gè)過(guò)程。由于鋰離子電池的衰減特性具有高度非線(xiàn)性性的特點(diǎn)，普通的數(shù)據(jù)擬合方法不足以挖掘出數(shù)據(jù)深層次的特征?？茖W(xué)家做了許多這方面的研究，并且對(duì)著傳感器檢測(cè)精度的提高，以及運(yùn)算器計(jì)算能力的快速發(fā)展，數(shù)據(jù)驅(qū)動(dòng)型的方法在近些年來(lái)逐漸嶄露頭角。特別是隨著大數(shù)據(jù)和人工智能相關(guān)理論的發(fā)展，越來(lái)越多的科研人員開(kāi)始嘗試?yán)萌斯ぶ悄艿姆椒▉?lái)進(jìn)行鋰離子電池的RUL預(yù)測(cè)。Xunfei Zhou等人[13]利用ANNs神經(jīng)網(wǎng)絡(luò)和SVMs向量機(jī)與熱成像技術(shù)結(jié)合，建立鋰離子電池循環(huán)壽命預(yù)測(cè)模型。在機(jī)器學(xué)習(xí)的基礎(chǔ)之上發(fā)展而來(lái)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)更加擅長(zhǎng)于捕捉數(shù)據(jù)結(jié)構(gòu)內(nèi)更深層次的特點(diǎn)，因此被廣泛使用在數(shù)據(jù)預(yù)測(cè)的領(lǐng)域。F.Cadinia等人[14]在濾波算法的基礎(chǔ)上進(jìn)行了擴(kuò)展，他們將粒子濾波器和神經(jīng)網(wǎng)絡(luò)結(jié)合，建立了一種RUL的預(yù)測(cè)模型。Phattar Khumprom等人[15]利用DNN神經(jīng)網(wǎng)絡(luò)建立了RUL和SoH的預(yù)測(cè)模型，通常還將預(yù)測(cè)結(jié)果與一些傳統(tǒng)的機(jī)器學(xué)習(xí)方法，比如線(xiàn)性回歸、支持向量機(jī)SVM和人工神經(jīng)網(wǎng)絡(luò)ANN進(jìn)行了比較。Cheng-Geng Huang等人[16]利用一個(gè)雙向的LSTM網(wǎng)絡(luò)建立模型，并且得到了比普通LSTM更加精確的預(yù)測(cè)結(jié)果。盡管深度學(xué)習(xí)等數(shù)據(jù)驅(qū)動(dòng)型的方法十分適合鋰離子電池的RUL和SoH預(yù)測(cè)，但是其在實(shí)際的應(yīng)用中仍有缺陷，比如可靠度不高以及要求計(jì)算能力較大等。Joonki Hong[17]采用了端到端深度學(xué)習(xí)的框架，通過(guò)考慮原始數(shù)據(jù)中的時(shí)間模式和交叉數(shù)據(jù)相關(guān)性，尋找更高的周期間老化的分辨率，以便進(jìn)行更快更準(zhǔn)確的預(yù)測(cè)。其提出的框架顯著提高了剩余的有用壽命預(yù)測(cè)的速度(快了25倍)，并且只有了10.6%的平均絕對(duì)錯(cuò)誤率。雖然利用數(shù)據(jù)驅(qū)動(dòng)的方法實(shí)現(xiàn)電池健康狀態(tài)估計(jì)和壽命預(yù)測(cè)的精度高，但是數(shù)據(jù)驅(qū)動(dòng)方法需要大量的實(shí)驗(yàn)數(shù)據(jù)。數(shù)據(jù)量太小會(huì)嚴(yán)重影響估計(jì)和預(yù)測(cè)的精度。

3.3 模型和數(shù)據(jù)驅(qū)動(dòng)融合方法

模型和數(shù)據(jù)驅(qū)動(dòng)融合型的方法范疇十分廣泛，其基本的形式是物理模型和機(jī)器學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò)的有機(jī)結(jié)合，發(fā)揮物理模型的準(zhǔn)確性、嚴(yán)謹(jǐn)性的同時(shí)，利用機(jī)器學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行模型的簡(jiǎn)化。融合方法克服了單一基于模型預(yù)測(cè)和單一基于數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)的局限性，可以提高預(yù)測(cè)的準(zhǔn)確性。Lin Chen[18]提出了一種將線(xiàn)性?xún)?yōu)化重幅粒子濾波器(LORPF)與滑動(dòng)窗口灰色模型(SGM)相結(jié)合的改進(jìn)規(guī)則預(yù)測(cè)方法，所提出的sgm-lorpf框架僅使用少量的歷史數(shù)據(jù)，可以獲得準(zhǔn)確的結(jié)果。Yuchen SONG[19]提出了一個(gè)基于RVM和KF的融合算法。當(dāng)RVM輸出一個(gè)新的估計(jì)器時(shí)，采用卡爾曼濾波器對(duì)該估計(jì)器進(jìn)行物理退化模型的優(yōu)化。然后將優(yōu)化后的估計(jì)量作為在線(xiàn)樣本加入到訓(xùn)練集中，重新訓(xùn)練RVM模型，動(dòng)態(tài)調(diào)整系數(shù)矩陣和相關(guān)向量，進(jìn)行下一次迭代預(yù)測(cè)。YongZhi Zhang[20]提出了一種基于誤差修正思想的混合預(yù)測(cè)鋰離子電池剩余使用壽命的新方法，該方法融合了無(wú)跡卡爾曼濾波算法、完全集成經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴ê拖嚓P(guān)向量機(jī)算法。

4 結(jié) 語(yǔ)

針對(duì)動(dòng)力鋰離子電池健康狀態(tài)和剩余使用壽命的相關(guān)研究進(jìn)行了總結(jié)，對(duì)比了幾種健康狀態(tài)定義方式，總結(jié)鋰離子電池衰減機(jī)理和引起衰減機(jī)理，對(duì)三大類(lèi)不同的預(yù)測(cè)方法，列舉了相關(guān)學(xué)者在這些方法基礎(chǔ)上的研究，得到了關(guān)于動(dòng)力鋰離子電池健康狀態(tài)和剩余使用壽命的研究現(xiàn)狀。