Introducción a SOH de la batería de iones de litio Método de estimación de SOH de la batería de iones de litio internacional

Basado en la investigación sobre el método de estimación de SOH de batería en el país y en el extranjero, este artículo presenta dos métodos principales aceptados internacionalmente.

1. Enfoque basado en la experiencia

El método empírico de predicción de la duración de la batería también se denomina método basado en reglas estadísticas, que incluye principalmente los tres tipos siguientes:

1) Método de número de ciclo

Este método consiste en contar el ciclo de la batería, y cuando el número de ciclos de la batería alcanza un cierto rango, se considera que la batería alcanza la vida útil. Este método debe considerar los efectos de diferentes condiciones de ciclo, estados de ciclo y otros factores en la vida útil del ciclo, y determinar la vida útil de la batería según la experiencia y los parámetros estándar.

2) Método de Anthony y método de amperio-tiempo ponderado

El número total de horas que una batería puede soportar energía durante todo el proceso de carga y descarga de una batería nueva debe ser un valor fijo cuando la capacidad acumulada de la batería alcanza un cierto nivel, se considera que la batería ha llegado al final de su vida útil. . Este método es un método de amperios-hora. El método de amperio-hora ponderado considera que cuando la batería emite la misma cantidad de electricidad en diferentes condiciones, el grado de daño a la vida es ligero y pesado, por lo que cuando la cantidad de electricidad acumulada se multiplica por un factor de ponderación, el amperio acumulado -horas alcanza un cierto valor y se considera que llega la batería. Fin de la vida.

3) Método de acumulación de envejecimiento orientado a eventos

Este método primero debe formular una descripción del evento específico que causa la pérdida de la vida útil de la batería. Generalmente, cada evento tiene una descripción a escala del grado de daño, monitoreando la ocurrencia de eventos durante el uso de la batería y acumulando el deterioro de la vida de la batería causado por cada evento, la vida restante de la batería actual.

Los métodos anteriores se basan todos en alguna experiencia en el uso de baterías, de acuerdo con algunas leyes estadísticas para dar una estimación aproximada de la duración de la batería, solo en el caso de tener suficiente experiencia en el uso de la batería, para ocasiones específicas. Predicción de la vida.

2, enfoque basado en el rendimiento

Basado en diversas formas de modelos de desempeño, y considerando el proceso de envejecimiento y los factores de estrés. En la actualidad, muchos estudios han llevado a cabo una predicción de la vida útil de la batería basada en esta idea. Según las diferentes fuentes de información utilizadas en la predicción de la vida, la predicción de la vida basada en el rendimiento de la batería se divide en tres categorías: basada en mecanismos, basada en características y basada en datos.

La predicción basada en mecanismos es analizar y establecer el modelo de mecanismo operativo y el modelo de envejecimiento de la batería desde la perspectiva del mecanismo esencial de la batería, describir el comportamiento de envejecimiento de la batería desde la perspectiva del principio electroquímico y predecir la vida útil de la batería. analizando el modelo de batería.

La predicción basada en características es la evolución de los parámetros característicos exhibidos en el proceso de envejecimiento de la batería, y la correspondencia entre la cantidad de características y la duración de la batería se establece para la predicción de la vida.

La predicción basada en datos es el uso de datos de prueba de rendimiento de la batería, extrayendo la ley de la evolución del rendimiento de la batería a partir de los datos para la predicción de la vida útil. Por ejemplo, los modelos analíticos y los modelos de redes neuronales artificiales derivados del ajuste de datos son métodos basados en datos. Cada uno de los tres métodos tiene sus propias ventajas y desventajas, y la combinación de varios métodos se usa a menudo en aplicaciones prácticas.

1) Enfoque basado en mecanismos

La predicción basada en mecanismos requiere estudiar el efecto de cada factor de envejecimiento en las variables de estado. Este método describe primero el proceso fisicoquímico de la batería, basado en la ley de Ohm, la ley de voltaje-corriente de Kirchhoff y el proceso de reacción electroquímica (Butler-Volmer). Ley), proceso de difusión (ley de Fick), etc .; luego estudie la ley de la influencia del proceso de envejecimiento en las variables de estado. Por un lado, debemos estudiar el modelo de mecanismo de la batería por otro lado. Debemos estudiar el modelo del mecanismo de envejecimiento del proceso de envejecimiento y la influencia de los factores de estrés en las variables de estado.

Las principales ventajas de la predicción de la vida basada en mecanismos son: baterías adecuadas para casi todas las condiciones de estado y modos de funcionamiento; una explicación detallada del proceso de envejecimiento de la batería, que se puede utilizar para la producción de baterías y los fabricantes de diseño para mejorar el diseño de la batería; en comparación con otros métodos Según el modelo, el análisis de la estrategia de control de la batería puede ser más detallado y preciso. La desventaja es que el modelo requiere parámetros finos y alta complejidad; la prueba de los factores de envejecimiento es complicada y es difícil establecer un modelo de mecanismo de envejecimiento perfecto.

2) Método de predicción basado en características

La idea basada en la predicción de la vida útil de las funciones es utilizar la evolución de los parámetros característicos exhibidos en el proceso de envejecimiento de la batería para establecer la correspondencia entre el valor de la cantidad de funciones y el estado de salud de la batería para la predicción de la vida útil.

Las predicciones actuales de duración de la batería basadas en características se centran principalmente en la relación entre la impedancia electroquímica y la vida útil de la batería. La espectroscopia de impedancia electroquímica (EIS) se utiliza como método de investigación de las características de duración de la batería. Generalmente, la curva del espectro de impedancia se mide en diferentes etapas del ciclo de vida de la batería. La forma del modelo de circuito equivalente de batería se obtiene de acuerdo con la curva del espectro de impedancia, y se analizan el número de ciclo, etc. Se da la ley de influencia de los parámetros como la resistencia de solución, la resistencia de carga y la impedancia de Warburg en el modelo de circuito efectivo, y finalmente la fórmula de ajuste de los parámetros en el modelo de circuito equivalente con el número de ciclos de batería. Además del espectro de impedancia EIS, también existe un método de medición de impedancia de pulso que estima la resistencia interna de una señal de excitación de pulso o escalón aplicada a la batería.

El espectro de impedancia EIS puede proporcionar una descripción más detallada de la impedancia de la batería y se puede utilizar para estimar las características de vida útil de la batería. Sin embargo, la medición es más complicada y requiere instrumentos de medición especiales. La tecnología EIS se aplica al monitoreo en línea del estado de la batería. Se están estudiando técnicas de medición rápida. La medición de la impedancia de impulso es simple y fácil de realizar. Se puede medir rápidamente y se puede monitorear en línea. Los resultados de la prueba pueden describir la impedancia de la batería hasta cierto punto, reflejar las características de la impedancia de la batería que aumentan con la disminución de la vida útil y también se pueden utilizar como características de la vida útil de la batería.

3) predicción basada en datos

El proceso fisicoquímico de la batería en sí es complicado y muchas leyes son difíciles de describir directamente a través de la investigación de mecanismos. La idea de describir el rendimiento de la batería desde la perspectiva de los datos de prueba se denomina enfoque basado en datos.

Hay muchos algoritmos comunes basados en datos, como Support Vector Machine (SVM), Autoregressive Moving Average (ARMA) y Particle Filtering (PF).

La predicción basada en datos no requiere el conocimiento del mecanismo del sistema de objetos. Con base en los datos recopilados, se utilizan varios métodos de aprendizaje de análisis de datos para extraer la información implícita para la predicción, evitando así la complejidad de la adquisición del modelo, método práctico de pronóstico. Sin embargo, los datos obtenidos suelen tener una fuerte incertidumbre e incompletitud. No es realista probar todos los posibles factores que influyen en la vida en aplicaciones prácticas. Por lo tanto, las predicciones basadas en datos son fáciles de implementar, pero también tienen ciertas limitaciones.

La página contiene el contenido de la traducción automática.