鋰離子電池在不同區間下的衰退影響因素分析及任意區間的老化趨勢預測檢視原始碼討論檢視歷史
鋰離子電池在不同區間下的衰退影響因素分析及任意區間的老化趨勢預測準確估計鋰離子電池的健康狀態(SOH)對於控制策略制定和運行維護至關重要。考慮到充放電區間和電壓相變過程對電池老化的影響,本項目針對2.75A⋅h 18650 型號三元電池設計了11 個荷電狀態(SOC)區間的循環壽命測試與性能測試。
一、案例簡介
根據實驗結果,分別分析循環區間荷電狀態(SOC)寬度、恆壓充電時間、平均SOC 和充電相變過程對電池老化快慢的作用機制。結合電池老化機理和實驗結果,提取量化SOC 區間對老化影響程度大小的特徵參數。建立預測健康狀態的循環神經網絡[1](LSTM RNN)模型,用於學習電池老化對於循環次數及特徵參數的長期依賴關係。分別採用誤差最大值、平均絕對誤差、方均根誤差和方差對模型的準確性和可靠性進行分析。結果表明,該項目提出的區間循環壽命模型能實現任意區間的老化趨勢預測,節省測試時間和測試成本。
二、技術要點
本項目在考慮內部機理的條件下,將電池實際使用過程可能存在的區間和不同反應階段的SOC 區間,按照實用區間、相變區間和20%DOD 區間對電池整體使用區間進行了劃分。分析區間特徵對容量衰退的影響因素,提取多個影響電池老化程度的特徵參數,建立了一種基於數據驅動算法的鋰離子電池衰退半經驗模型。該模型結合電池老化機理和實驗結果,能夠實現實用區間下電池老化趨勢的準確預測。
三、應用場景
四、應用成效
本項目從循環區間寬度、恆壓充電時間、平均SOC及電池相變過程三個方面,對不同區間內的電池容量衰退結果進行了對比分析。結果表明,電池使用 區間在接近滿充滿放的狀態下,越往中間收縮,實際衰退速度越慢。恆壓充電是導致電池出現衰退加速「拐點」的重要原因。對於上限SOC 固定為100%的區間,線性衰退階段容量下降速率相近,但區間寬度越小「拐點」出現越早。當SOC 區間相同時,SOC 均值越大,電池老化越快。結合區間容量衰退結果和衰退機理,提取了部分SOC 區間下壽命影響因素的量化特徵,採用循環神經網絡(LSTM RNN)方法,建立了基於數據驅動方法的鋰離子電池[2]SOC 區間循環衰退模型。在給定任意SOC 區間上、下限前提下,模型輸出不同循環次數的容量預測值,通過[5%, 95%]、[40%, 60%]區間進行模型驗證,利用平均絕對誤差、方均根誤差等對模型進行性能評估,發現隨着循環次數的增加,預測誤差有所增大,但最大誤差不超過2%,證明了該預測方法的可行性和有效性。
參考文獻
- ↑ 經典 | 最全神經網絡結構大盤點 ,搜狐,2018-09-26
- ↑ 鋰離子電池的的原理、配方和工藝流程,搜狐,2020-06-16