锂离子电池状态估计与剩余寿命预测方法综述_赵珈卉.pdf

第第 44 卷卷 第第 1 期期 2023 年年 2 月月Vol.44 No.1Feb.2023发电技术发电技术Power Generation Technology锂离子电池状态估计与剩余寿命预测方法综述赵珈卉，田立亭，程林*（清华大学电机工程与应用电子技术系，北京市 海淀区 100084）Review on State Estimation and Remaining Useful Life Prediction Methods for Lithium-ion BatteryZHAO Jiahui,TIAN Liting,CHENG Lin*(Department of Electrical Engineering,Tsinghua University,Haidian District,Beijing 100084,China)摘要摘要：准确估计锂离子电池荷电状态(state of charge，SOC)、电池健康度(state of health，SOH)以及预测电池剩余寿命(remaining useful life，RUL)是电池管理的重要内容，对延长电池寿命和保证电池系统可靠性具有重要意义。各国研究人员对电池状态评估与寿命预测方法进行了大量研究，提出了多种方法。首先，介绍了SOC与SOH的定义及已有估算方法，并进行了对比；然后，介绍了RUL的定义，并对主要方法进行了分类与比较；最后，总结了锂离子电池状态估计与寿命预测方面存在的挑战，并提出了未来的发展方向。关键词关键词：锂离子电池；荷电状态(SOC)估算；健康度(SOH)估算；剩余寿命(RUL)预测ABSTRACT:Accurate estimation of state of charge(SOC),battery state of health(SOH)and prediction of battery remaining useful life(RUL)of lithium-ion battery are important contents of battery management.It is of great significance to prolong battery life and ensure the reliability of battery system.Researchers all over the world have done a lot of research on battery state evaluation and RUL prediction methods,and proposed a variety of methods.This paper first introduced the definition of SOC and SOH and the existing estimation methods and compared them.Then,the definition of RUL was introduced and the main methods were classified and compared.Finally,the challenges of lithium-ion battery state estimation and RUL prediction were summarized,and the future development direction was proposed.KEY WORDS:lithium-ion battery;state of charge(SOC)estimation;state of health(SOH)estimation;remaining useful life(RUL)prediction0引言引言锂离子电池具有能量密度高、自放电低、寿命长等优点，已经在很多领域得到应用1-2。在锂离子电池全球市场规模日益扩大的背景下，荷电状态(state of charge，SOC)估算等相关技术研究也需要逐步完善，以切实保障锂离子电池在多场景下的推广应用。SOC的准确估计对防止电池过充过放、延长电池循环寿命具有重要作用。然而锂离子电池高度非线性且其SOC受多种因素影响，导致难以准确估计SOC。因此，锂离子电池SOC估算方法一直被广泛关注。另外，在锂离子电池的连续充放电过程中，电池性能会随着容量降低和阻抗增加而恶化，易出现内短路、热失控等问题，导致设备和系统故障，甚至灾难性事故3。因此，准确估算电池健康 度(state of health，SOH)与 预 测 剩 余 寿 命(remaining useful life，RUL)以提升电池的可靠性也非常关键4。目前，已有部分学者对SOC、SOH、RUL的估计及预测方法进行了梳理与总结1-5。然而随着电池行业的发展，电池状态估计与寿命预测方法已有大量创新，以往综述并不能全面覆盖创新方法。因此，本文根据近期研究进行了再次梳理与总结，介绍了SOC、SOH及RUL的估计方法，并基于当前研究存在的问题，提出了未来锂离子电池DOI：10.12096/j.2096-4528.pgt.22082 中图分类号：TK 02基金项目：国家重点研发计划项目(2018YFC1902200)；国家自然科学基金项目(52037006)。Project Supported by National Key R&D Program of China(2018YFC1902200);National Natural Science Foundation of China(52037006).Vol.44 No.1赵珈卉等赵珈卉等：锂离子电池状态估计与剩余寿命预测方法综述锂离子电池状态估计与剩余寿命预测方法综述状态估计与RUL预测的研究方向。1SOC估计估计1.1SOC估计方法分类估计方法分类电池SOC指电池中剩余电荷的可用状态，为电池剩余电荷余量Qremain与标称(额定)电荷容量Qrated的比值，一般用百分比表示，公式为SOC=QremainQrated100%(1)本文将锂离子电池 SOC 估计方法归纳为以下4类5：1）基于实验的SOC估计方法6。通过实验测量电池表征数值来进行SOC的精确估算。2）基于模型的SOC估计方法7-8。通过建立等效电路模型、电化学模型等相关电池模型，估计其状态参数来实现电池SOC的估算。3）基于数据驱动的SOC估计方法9。通过大量数据拟合并借助数学模型来估算电池SOC。4）基于融合方法的SOC估计方法10。多类方法取长补短，以达到提升SOC估算精度、降低计算时间的效果。图1展示了上述4种方法的具体分类情况。1.2基于实验的基于实验的SOC估计方法估计方法1.2.1安时积分法安时积分法也叫电流积分法或库仑计数法，其本质是在电池进行充电或放电时，通过累积充放的电量来估算电池的SOC。与其他SOC估算方法相比，安时积分法相对可靠，并且可以动态地估算电池的SOC值，因此被广泛使用，其计算方法为SOC=SOC0-1CNt0tIdt(2)式中：SOC为时刻t的荷电状态；SOC0为起始时刻t0的荷电状态；CN为电池当时标准状态下的可用容量；为库仑效率；I为电流，充电时为负，放电时为正。图图1 锂电池锂电池SOC估计方法分类估计方法分类Fig.1 Classification of lithium-ion battery SOC estimation methods2第第 44 卷卷 第第 1 期期发电技术发电技术由式(2)可以看出，影响安时积分法精度的因素包括以下3方面：1）起始荷电状态SOC0主要与电流传感器采样精度、采样频率有关；2）库仑效率受电池的工作状态影响大(如荷电状态、温度、电流大小等)，难以准确测量；3）可用容量CN受电池老化状态与运行工况(充放电倍率、温度等)影响。上述误差具有累积效应，因此单纯采用安时积分法很难满足荷电状态估计的精度要求。部分学者对提升安时积分法精度展开了研究。文献11对磷酸铁锂动力电池进行测试，比较了各参数对于提高SOC估算精度的重要性，结果表明，初始SOC修正方法对于提高安时积分法的精度最为重要。文献12指出安时积分法常采用开环的工作模式，若在仿真过程中未对测试电流进行及时修正，则会导致较大的测量累积误差；同时，针对传统安时积分法因将电池可用容量视为定值而带来的误差，提出了带容量修正的安时积分法。文献13针对传统安时积分法由于无法在线更新库仑效率而带来误差的问题，提出一种利用不同库仑效率对分段积分后电量进行修正的安时积分法。1.2.2开路电压法由于电池在长时间静置的条件下，其端电压与 SOC 有固定的函数关系，因此测量开路电压(open circuit voltage，OCV)与SOC的对应图即可获得电池SOC14。安时积分法在使用时，常在充放电初/末段依靠OCV-SOC曲线进行校准。然而开路电压法存在以下3个问题：1）测量开路电压时需要电池长时间静置以达到电压稳定，实时应用较为困难；2）静置时间多长难以确定；3）如图2所示，电池存在迟滞效应15，同一电压在充电和放电时对应的SOC不同，此特点也将导致SOC计算产生较大误差。1.2.3其他方法电化学阻抗谱法采用小幅度正弦交流信号对电化学电源系统进行微扰，通过测量不同频率下的电池阻抗值，找出与电池SOC变化最相关的电池内部反应机理，以此来估计电池 SOC 值15-17。电化学阻抗谱法可快速、直接反映电池动力学特性，可将SOC的影响因素解耦研究，但实际应用中电化学阻抗谱测量较为困难。负载电压法也是常用的SOC估算方法。由于负载电压随SOC变化的规律与开路电压随SOC变化的规律相似，因此可以根据电压变化大致计算SOC18。此方法具有操作简单、估算效率高等优点。但由于锂电池端电压与SOC之间的关系曲线存在“平台区”19，如图3所示，平台区某一开路电压对应容量范围较广，在此区间内端电压估算不准确将导致较大的SOC估算误差。另外，电流工况变化大时，由于极化电压的存在，电池端电压与开路电压变化规律偏差较大，也将给SOC计算带来误差。1.3模型法模型法锂离子电池模型包含外特性模型与电化学模型，二者均可用于SOC计算。1.3.1基于外特性模型的SOC估算方法基于外特性模型的SOC估算方法较为简单，计算量小，工程应用较为容易。外特性模型包括等效电路模型与开路电压SOC模型。常用的等效电路模型有 Rint 模型、PNGV 模型20、n 阶UocSOC充电OCV放电OCV放电截止电压充电截止电压OCVcharge(SOCk)OCVdischarge(SOCk)SOCk图图2 锂电池锂电池OCV-SOC曲线曲线Fig.2 OCV-SOC curve of lithium-ion battery02460510U/V容量/(Ah)-20 0 25 平台区图图3 磷酸铁锂电池磷酸铁锂电池1 C放电时端电压与放电时端电压与SOC关系曲线关系曲线Fig.3 Curve of terminal voltage-SOC for LiPeO4 battery3Vol.44 No.1赵珈卉等赵珈卉等：锂离子电池状态估计与剩余寿命预测方法综述锂离子电池状态估计与剩余寿命预测方法综述Thevenin模型20-21(n阶RC模型)、GNL模型20等。各等效电路模型对比如表1所示。Rint模型为最简单的等效电路模型，由一个理想电压源和一个内阻串联而成，模型简单，容易测定模型参数。然而无法反映电池暂态过程，精度较低，适用范围小。相比于Rint模型，Thevenin模型增加了RC回路以反映电池内部的极化过程。增加的RC回路越多，电路模型越精确，相应地计算复杂性与计算量也越高。2 阶 Thevenin 模型又可称为双极化(dual polarization，DP)模型，其中一个RC回路表示电池电化学极化，另一个RC回路表示电池浓差极化。然而，Thevenin模型无法考虑到负载