鋰電池健康狀態(tài)估算方法綜述

張金龍，佟 微，孫葉寧，李端凱，漆漢宏，魏艷君

（燕山大學(xué)電氣工程學(xué)院，電力電子節(jié)能與傳動控制河北省重點(diǎn)實驗室，秦皇島 066004）

鋰電池健康狀態(tài)估算方法綜述

張金龍，佟 微，孫葉寧，李端凱，漆漢宏，魏艷君

（燕山大學(xué)電氣工程學(xué)院，電力電子節(jié)能與傳動控制河北省重點(diǎn)實驗室，秦皇島 066004）

電池管理系統(tǒng)BMS（battery management system）是蓄電池儲能技術(shù)中不可或缺的環(huán)節(jié)，而電池健康狀態(tài)SOH（state of health）估算是BMS的重要功能之一。SOH可以為操作員提供電池實際可用容量及老化狀態(tài)相關(guān)信息，進(jìn)而為電池控制決策提供參考。介紹了鋰電池的SOH的含義，闡述了導(dǎo)致鋰電池老化和可用容量下降的原因，并著重對當(dāng)前常見的蓄電池SOH估算方法進(jìn)行了概括和分析，同時對各種SOH估算方法中存在的問題進(jìn)行了探討。

電動汽車；鋰電池；老化原因；儲能；健康狀態(tài)估算

面對全球變暖，化石能源儲量下降的狀況，低碳綠色能源的發(fā)展已經(jīng)引起全世界的重視。電動汽車采用電能作為動力源，可實現(xiàn)二氧化碳的零排放，因此受到各國的青睞［1-3］。但目前電動汽車技術(shù)仍存在行駛里程短、成本高、安全性差等問題，這使電動汽車的發(fā)展受到了制約，造成這些問題的根本原因就是蓄電池技術(shù)不成熟［4-5］。除電池材料及生產(chǎn)工藝外，電池管理系統(tǒng)BMS（battery management system）也是蓄電池技術(shù)的重要組成部分。

BMS是保證蓄電池組正常工作的重要環(huán)節(jié)，其主要任務(wù)是為操作員提供準(zhǔn)確實時的電池狀態(tài)信息，保證電池組在安全區(qū)間內(nèi)工作，同時在電池工作狀態(tài)發(fā)生異常時進(jìn)行相應(yīng)干預(yù)，提前排除安全隱患，進(jìn)而延長電池使用壽命。BMS的主要功能之一就是對電池組內(nèi)各單體的健康狀態(tài)SOH（state of heath）進(jìn)行準(zhǔn)確估算，以SOH作為參考，操作員可以及時對電池組的充放電控制策略進(jìn)行調(diào)整，以及對老化單體進(jìn)行維修或更換。因此SOH估算技術(shù)對于增強(qiáng)BMS性能，提升蓄電池儲能技術(shù)水平，以及保障蓄電池供電系統(tǒng)整體安全運(yùn)行具有重要意義［6］。

1 電池健康狀態(tài)定義

SOH的研究始于20世紀(jì)末期，蓄電池的快速發(fā)展推動了相關(guān)技術(shù)的進(jìn)步，SOH估算以及蓄電池老化機(jī)理研究也逐漸受到相關(guān)科研人員的重視［7］。我國于2006年發(fā)布的汽車行業(yè)標(biāo)準(zhǔn) “QC/T743－2006”中明確規(guī)定了鋰電池壽命終了的條件［8］：可用容量衰減到標(biāo)準(zhǔn)容量的80%。可以理解為若鋰電池SOH降低到80%，則該電池壽命終了。目前，業(yè)內(nèi)普遍較認(rèn)可的SOH定義為

式中：Qrate為新電池出廠時的額定容量或標(biāo)稱容量；Qaged為投入使用后電池實際的可用容量，其值隨著充放電循環(huán)次數(shù)的增加會不斷減小。該定義較為簡單，但要想在蓄電池正常工作過程中實現(xiàn)對Qaged準(zhǔn)確實時的估算具有較大難度。

2 鋰電池容量衰減及老化原因

在眾多類型的蓄電池中，鋰電池因其壽命長、比能量高、放電性好、安全性高和體積小等優(yōu)點(diǎn)逐漸成為當(dāng)前最具發(fā)展前景的儲能手段［9］。為尋求鋰離子電池老化的主要因素，需要對電池衰老過程中的微觀機(jī)理進(jìn)行分析。很多文獻(xiàn)都對鋰電池在充放電循環(huán)中出現(xiàn)的容量衰減及內(nèi)阻增加等現(xiàn)象進(jìn)行了研究，并基于電池內(nèi)部電化學(xué)機(jī)理對這些現(xiàn)象進(jìn)行了解釋［10-11］。

研究表明，鋰電池的老化過程主要發(fā)生在正極、負(fù)極、電解質(zhì)以及正負(fù)極與電解質(zhì)的界面部位。目前，研究人員普遍認(rèn)為鋰電池負(fù)極與電解質(zhì)界面處產(chǎn)生的結(jié)構(gòu)變化，如固體電解質(zhì)膜 SEI（solid electrolyte interface）的形成與不斷增厚，是造成電池老化的主要原因之一。但從另一個角度講，在后續(xù)的充放電循環(huán)中，SEI膜的存在又能夠抑制電解液對負(fù)極的進(jìn)一步腐蝕。J.Vetter等認(rèn)為，鋰電池在循環(huán)使用的過程中，SEI膜不斷增厚使內(nèi)阻上升，導(dǎo)致鋰電池功率特性下降；而電極中金屬鋰不斷溶解、活性物質(zhì)逐漸損耗等因素，則導(dǎo)致鋰電池能量特性的下降［12］。此外，SEI膜在高溫狀態(tài)下的分解、低溫充電時鋰離子在負(fù)極內(nèi)部的沉積以及鋰枝晶的生長都會導(dǎo)致電池負(fù)極的衰退。

圖1 鋰離子電池基本結(jié)構(gòu)Fig.1 Basic structure of lithium battery

鋰電池電極材料及電解質(zhì)的變化也會影響電池壽命。吳贇等認(rèn)為：正極材料逐漸溶解、電極材料發(fā)生相變、電解液逐漸分解等因素是鋰電池可逆容量逐步下降的主要原因。美國John NewmNN研究小組以及德國亞琛大學(xué)的Michael A.Roscher等則通過建立相變模型經(jīng)分析得出結(jié)論：正極晶體結(jié)構(gòu)的變異，導(dǎo)致了電池內(nèi)阻的上升和容量的下降［13-14］。對于常見的LiFePO4/C電池，其正極為LiFePO4，這種金屬氧化物在鋰離子脫嵌過程中存在內(nèi)應(yīng)力，而這可能導(dǎo)致其晶體結(jié)構(gòu)穩(wěn)定性變差，正極與電解液發(fā)生反應(yīng)后還可能使正極/電解質(zhì)界面的穿透性發(fā)生改變；另外，非活性物質(zhì)如正極材料中摻入的粘結(jié)劑、導(dǎo)電劑的分解和腐蝕也會導(dǎo)致正極性能的惡化。

總體來講，對于電池負(fù)極，SEI膜的形成與增長、電解液對負(fù)極的腐蝕、鋰金屬的沉積、粘結(jié)劑的分解以及集流體的腐蝕是造成電極老化的主要原因。對于電池正極，內(nèi)應(yīng)力造成的正極材料晶格結(jié)構(gòu)坍塌、活性物質(zhì)粉化脫落、電解液對電極的腐蝕、副反應(yīng)新相沉積、導(dǎo)電劑的反應(yīng)、粘結(jié)劑分解以及集流體的腐蝕是電極老化的主要因素。

3SOH估算方法

SOH受眾多因素影響，與電池老化機(jī)理相關(guān)，其中很多參數(shù)都難以實時測量，因此相對于電池荷電狀態(tài)SOC（state of charge）而言，SOH估算的復(fù)雜性和難度更高。目前關(guān)于鋰電池SOH估算仍存在較多問題，主要體現(xiàn)在兩個方面：①缺乏簡單有效的分析電池老化過程的方法；②電池SOH在線估算方法尚不成熟，實時性較差。這也是相關(guān)科研工作者主要的研究方向［14］。目前SOH估算方法主要可分為兩大類。

3.1 特征法

特征法SOH估算是依據(jù)電池老化過程中所表現(xiàn)出的特征參量的演變，建立特征量與電池SOH之間的映射關(guān)系，進(jìn)而對SOH進(jìn)行估算。

3.1.1 內(nèi)阻分析法

內(nèi)阻分析法最常見的就是基于電池直流內(nèi)阻或交流阻抗對SOH進(jìn)行分析。內(nèi)阻分析法以電池內(nèi)阻作為電池壽命主要表征，隨著電池老化和容量的下降，電池內(nèi)阻會有一個逐漸增大的過程，因此，為了估算SOH，首先要建立內(nèi)阻與SOH的對應(yīng)關(guān)系，進(jìn)而通過對內(nèi)阻的精確測量或估算來定位電池的SOH。實際應(yīng)用中，常用的內(nèi)阻獲取方法是脈沖法，即采用電流脈沖對電池進(jìn)行激勵，根據(jù)電流和對應(yīng)端電壓的變化結(jié)合歐姆定律及極化曲線擬合，對內(nèi)阻進(jìn)行估算；另外，粒子濾波、遞推最小二乘RLS（recursive least square）或卡爾曼濾波KF（Kalman filter）等算法常用于電池的內(nèi)阻辨識。

美國科羅拉多大學(xué) Gregory L.Plett等通過EKF算法來測量電池的內(nèi)阻以及電量的變化與電池SOH之間的關(guān)系，進(jìn)而估算電池的SOH［16］；印度Baladizon大學(xué)Neeta Khare等運(yùn)用統(tǒng)計學(xué)建模的方法來確定電池內(nèi)阻與SOH之間的映射關(guān)系，進(jìn)而實現(xiàn)SOH估算［17］；戴海峰等分析了在循環(huán)充放電條件下電池內(nèi)阻與電流倍率、放電深度和環(huán)境溫度之間的關(guān)系，利用等效電路模型模擬電池內(nèi)部的運(yùn)行規(guī)律，進(jìn)而確定動態(tài)電阻參數(shù)，并將阻抗與SOH近似為線性關(guān)系，通過上述步驟，最終可通過查表法獲得SOH［18］；而J.Remnilinger等基于電池等效電路模型采用線性最小二乘算法來獲得等效電池內(nèi)阻參數(shù)，并用于SOH估算，該方法中還引入了溫度因素對SOH估算誤差進(jìn)行矯正［19］。內(nèi)阻法SOH估算的難點(diǎn)在于SOH和內(nèi)阻映射關(guān)系的提取，尤其在考慮SOC、溫度和倍率因素時，特征關(guān)系的提取難度會顯著增大。此外，所提取的特征關(guān)系僅適用于某一品牌同型號的電池，通用性較差。

3.1.2 電化學(xué)阻抗譜分析法

與內(nèi)阻法比較相似的是電化學(xué)阻抗譜EIS（electrochemical impedance spectroscopy）分析法。EIS是在不同頻率下測得電池的交流阻抗譜，該阻抗譜可以模擬出電池內(nèi)部電化學(xué)參數(shù)，通過對這些參數(shù)的變化進(jìn)行監(jiān)測，可以估算出電池的剩余壽命及SOH。該方法基本思路是：首先在電池的不同老化階段測量阻抗譜曲線，而后將EIS曲線與電池等效電路模型參數(shù)聯(lián)系起來，再根據(jù)模型參數(shù)（如串聯(lián)電阻、傳荷電阻及Warburg系數(shù)等）與SOH的關(guān)系對SOH進(jìn)行定位［20］。還有些研究直接建立EIS曲線特征值與電池SOH的關(guān)系來實現(xiàn)SOH估算。

法國波爾多大學(xué)的A.Zenati等將模糊邏輯應(yīng)用于電池SOH估算，首先，他們分析了不同溫度下電池的老化情況，然后對其EIS曲線進(jìn)行提取，根據(jù)前期得到的實驗數(shù)據(jù)繪制出廣泛頻率下的Nyquist曲線，最終利用該曲線配合模糊邏輯獲得SOH［21］。文獻(xiàn)［22］針對實際應(yīng)用中EIS測量較為復(fù)雜的問題，提出了一種基于庫侖定律的經(jīng)驗容量估算模型，通過此模型來模擬兩極極化和濃差極化等原因引起的容量損失；同時采用粒子濾波器跟蹤系統(tǒng)運(yùn)行狀態(tài)，獲取經(jīng)驗退化模型參數(shù)，進(jìn)而獲取電池的剩余壽命及SOH。EIS曲線含有豐富的細(xì)節(jié)信息，能夠給出詳細(xì)的電池阻抗描述，適合用于估計電池的老化狀態(tài)及SOH；但EIS測量復(fù)雜且需要專用儀器，一般只能離線應(yīng)用；此外與內(nèi)阻法類似，EIS法通用性也較差，僅適用于電池生產(chǎn)、設(shè)計與工藝改進(jìn)過程，不適合應(yīng)用在實際用電系統(tǒng)中。

3.1.3 微分分析法

另一種比較流行的特征法是基于電池微分容量DC（differential capacity,dQ/dV）或微分電壓DV（differential voltage,dQ/dV）特性的SOH估算方法，此類方法也稱為增量容量IC（incremental capacity）或增量電壓 IV（incremental voltage）法［23］。電池的DC或DV特性曲線與電池的微觀電化學(xué)機(jī)制聯(lián)系密切，如DC曲線的峰值電勢、峰值尖銳度、不對稱度及峰值面積等特征分別與電池內(nèi)部SEI膜厚度、電化學(xué)反應(yīng)中心點(diǎn)間的應(yīng)力狀態(tài)、電極反應(yīng)的可逆程度及活性物質(zhì)含量直接相關(guān)，依據(jù)電池在不同老化狀態(tài)下的DC曲線集，即可提取出電池的老化特征表，進(jìn)而實現(xiàn)對SOH的估算。

還有一種思路是針對不同老化狀態(tài)電池的充電或放電曲線，計算電壓檢測數(shù)據(jù)中不同電壓數(shù)值點(diǎn)及對應(yīng)出現(xiàn)的次數(shù)，并繪制出概率密度曲線；此概率密度曲線中會出現(xiàn)多個峰值，同等條件下，某電壓值出現(xiàn)次數(shù)越多，則峰值越高；隨著電池老化，該峰值所對應(yīng)的電壓數(shù)量也會發(fā)生變化，因此可以建立曲線峰值點(diǎn)電壓與電池SOH之間的映射；最后根據(jù)電池的部分充放電特性結(jié)合查表法對電池SOH進(jìn)行估算［26］。

3.1.4 其他特征分析法

還有一些其他的基于特征的SOH估算方法，如臺灣高雄科技大學(xué)的孫玉華直接以電池的放電曲線作為衡量電池健康狀態(tài)的依據(jù)。隨著電池逐漸衰老，放電曲線也會發(fā)生扭曲變形，基于這一現(xiàn)象建立了電池放電曲線特征值與SOH的關(guān)系，進(jìn)而實現(xiàn)SOH估算。該方法可以直接對電池的老化狀態(tài)進(jìn)行診斷，并且不需要復(fù)雜的算法；但是在實際中電池放電機(jī)制是隨機(jī)的，因此這種方法不能在線估計電池SOH，只能是一種離線手段。還有人通過電池放電截止后開路電壓的變化趨勢來診斷電池的SOH，主要依據(jù)是斷電后開路電壓的回升速率，該方法雖簡單，但其SOH估算精度并不高。

3.2 模型法

3.2.1 老化機(jī)理模型法

用于SOH估算最根本的模型就是老化機(jī)理模型。與SOC估算中的電化學(xué)模型相似，老化機(jī)理模型也是對電池內(nèi)部微觀的物理及電化學(xué)過程進(jìn)行分析，而且主要側(cè)重對電池衰老過程的分析。

目前電池老化機(jī)制的識別手段可分為破壞性和非破壞性兩種。破壞性手段，主要將老化程度不同的鋰電池進(jìn)行完全拆解，來獲得電池內(nèi)部材料的樣本，并對其老化程度參數(shù)與鋰電池剩余容量間的關(guān)系進(jìn)行分析，通過所獲取的大量數(shù)據(jù)提取出電池的老化機(jī)制，并進(jìn)行數(shù)據(jù)組合，建立客觀實際的鋰電池老化模型。此類方法主要包括掃描電子顯微鏡、原子力顯微鏡、X射線近邊結(jié)構(gòu)譜及Auger電子能譜等檢測技術(shù)。這類分析方法雖然可以直接準(zhǔn)確地給出電池內(nèi)部老化情況，能夠模擬多數(shù)電池的內(nèi)部機(jī)理，但是工作量大，耗時長，模型較為復(fù)雜，專業(yè)性強(qiáng)，多數(shù)只能在實驗室中運(yùn)行，在實際工程應(yīng)用中難以實現(xiàn)。非破壞性的識別方法側(cè)重于尋找恰當(dāng)?shù)睦匣潭缺碚鲄?shù)，并建立這些參數(shù)和電池老化程度之間的對應(yīng)關(guān)系，進(jìn)而獲得老化機(jī)理模型。此方法與特征法類似，其SOH估算精度較破壞性方法差一些，但工作量較小，是目前主流發(fā)展方向之一，技術(shù)難點(diǎn)是特征參數(shù)的定位與獲取。

（1）阿倫尼斯模型

由于電池容量衰減受溫度影響較為明顯，溫度越高，電池容量衰減率越大，因此較多文獻(xiàn)關(guān)注溫度對電池耐久性的影響。阿倫尼斯在1880年研究了這類化學(xué)反應(yīng)，在大量數(shù)據(jù)的基礎(chǔ)上，提出加速模型，即

式中：ζ為壽命特征，如中位壽命，平均壽命等；A為常數(shù)，A＞0；E為激活能，與材料有關(guān)，eV；K為玻爾茲曼常數(shù)，8.617×10-5eV/℃；T為絕對溫度。從而E/K的單位是℃，故E/K又稱為激活溫度。

（2）逆冪律模型

在加速壽命試驗中用電應(yīng)力（如電壓、電流、功率等）作為加速應(yīng)力也是常見的。加大應(yīng)力水平能促進(jìn)產(chǎn)品提前失效，在物理上已被很多試驗數(shù)據(jù)證實，產(chǎn)品的某些壽命特征與應(yīng)力有關(guān)，描述為

式中：C為與激活能有關(guān)的正常數(shù)；v為應(yīng)力，常取為電壓。

（3）其他模型

通用汽車印度分部的研究人員依據(jù)金屬材料的疲勞強(qiáng)度模型，對電池的應(yīng)力-SOH曲線進(jìn)行描述，通過對球形粒子模型中擴(kuò)散過程的分析，采用集總參數(shù)（SOC增量與SOC均值的乘積）作為循環(huán)過程中的機(jī)械應(yīng)力，并研究了該應(yīng)力與電池SOH的關(guān)系［24］。美國加州大學(xué)的J.Christensen基于多孔電極和固相擴(kuò)散理論，構(gòu)建出了能描述電極球形粒子在嵌入/脫出過程中體積、鋰離子濃度及應(yīng)力變化的數(shù)學(xué)模型，該模型可對電池在大功率運(yùn)行狀態(tài)下的電極裂紋變化進(jìn)行預(yù)測，進(jìn)而對剩余壽命和SOH進(jìn)行估算［25］。

3.2.2 概率模型法

文獻(xiàn)［27-28］將電池等效電路模型與概率分析方法（如貝葉斯回歸及分類算法）相結(jié)合來描述電池的老化及容量衰減過程，并通過實驗對模型進(jìn)行驗證。文獻(xiàn)［29］以電池容量和放電過程中等壓降序列對應(yīng)的時間間隔作為電池的健康指標(biāo)，并基于該指標(biāo)采用一種概率性的單調(diào)回聲狀態(tài)網(wǎng)絡(luò)MONESN（monotone echo state network）算法來跟蹤非線性的電池老化過程，從而實現(xiàn)對電池健康狀態(tài)的診斷。概率模型具有兩點(diǎn)優(yōu)勢：①只需要對電池進(jìn)行部分充放電測試即可實現(xiàn)SOH估算；②該方法相對簡單易行，便于工程實現(xiàn)，只是特征映射的提取需要考慮多種因素，工作量較大。

3.3 數(shù)據(jù)驅(qū)動類方法

此類方法以電池的測試數(shù)據(jù)為原始樣本，通過某種機(jī)制從中挖掘出電池性能在電池衰老過程中的演變規(guī)律，進(jìn)而將這種規(guī)律用于SOH估算。該方法不需要對電池進(jìn)行系統(tǒng)的老化機(jī)理分析，在業(yè)內(nèi)關(guān)注度較高；但數(shù)據(jù)驅(qū)動類SOH估算法也存在一定局限性，因為前期所獲取的驅(qū)動數(shù)據(jù)往往具有一定的不確定性和不完整性，這必然會導(dǎo)致誤差的產(chǎn)生。目前此類方法主要包括：自回歸AR（auto regressive）模型、神經(jīng)網(wǎng)絡(luò)NN（neural network）、支持向量機(jī)SVM（support vector machine）以及高斯過程回歸等方法。

3.3.1 AR模型法

在電池SOH估算方面，AR模型采用系統(tǒng)歷史狀態(tài)觀測值的線性函數(shù)與隨機(jī)誤差的組合對未來的性能狀態(tài)進(jìn)行預(yù)測。首先通過非線性最優(yōu)算法確定模型參數(shù)，進(jìn)而建立預(yù)測模型，而后通過將系統(tǒng)狀態(tài)外推至失效閾值的方式來獲取電池當(dāng)前的SOH。采用AR模型進(jìn)行SOH估算的優(yōu)點(diǎn)是計算量較小、復(fù)雜度低，缺點(diǎn)是長時間估算時所得結(jié)果精度會變差。Long B.等采用AR模型對電池可用容量的衰減過程進(jìn)行跟蹤，并采用粒子群優(yōu)化PSO（particle swarm optimization）算法來確定模型階數(shù)，完成了對鋰電池老化狀態(tài)的在線估算［30］。此外，羅悅等針對鋰電池壽命后期的加速老化問題，構(gòu)造了一種非線性退化AR模型，并用該模型對電池容量進(jìn)行預(yù)測，還引入退化因子對加速退化現(xiàn)象進(jìn)行模擬，提高了預(yù)測精度。

3.3.2 NN法、SVM法以及模糊法

NN的基本特性是非線性，又具有很強(qiáng)的泛化能力和并行處理能力，適合模擬蓄電池，通用性也較強(qiáng)。NN法的缺點(diǎn)在于需要大量的、全面的樣本數(shù)據(jù)對系統(tǒng)進(jìn)行訓(xùn)練，且估計誤差在很大程度上受訓(xùn)練數(shù)據(jù)的影響；此外，鑒于自身的開環(huán)結(jié)構(gòu)，NN本身難以實現(xiàn)在線訓(xùn)練，雖然有人將KF與NN結(jié)合來實現(xiàn)閉環(huán)結(jié)構(gòu)的NN以提高算法對電池老化的自適應(yīng)性［31］，但整體算法的復(fù)雜性大大增加，還可能導(dǎo)致過擬合等問題。SVM與NN類似，除了具備NN的優(yōu)點(diǎn)外，SVM還能避免NN的結(jié)構(gòu)選擇和局部極小點(diǎn)問題，但SVM同樣需要大量的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，并且對缺失的數(shù)據(jù)十分敏感。模糊邏輯是將專家的知識和經(jīng)驗描述為機(jī)器可理解的控制規(guī)則，從而用計算機(jī)模擬實現(xiàn)對系統(tǒng)的控制。模糊控制不依賴于系統(tǒng)的精確模型，對模型參數(shù)的變化具有較強(qiáng)的魯棒性，但與NN和SVM類似，模糊規(guī)則庫的建立需要大量的經(jīng)驗知識和數(shù)據(jù)，而且控制規(guī)則一旦確定，就不能在線調(diào)整，通用性不強(qiáng)。

3.4 統(tǒng)計規(guī)律法

統(tǒng)計規(guī)律法此類方法也稱為經(jīng)驗法，主要是以電池在使用過程中積累的經(jīng)驗知識為依據(jù)，通過數(shù)理統(tǒng)計手段對電池SOH進(jìn)行估算，主要包括循環(huán)周期數(shù)法、安時法、安時加權(quán)法及面向事件的老化累積法等。此類方法是在電池經(jīng)驗知識比較充分的情況下，應(yīng)用于特定場合的SOH估算方法，適用范圍較廣泛，但是估算精度較差。

4 結(jié)語

本文針對鋰電池老化、容量衰減及SOH估算問題進(jìn)行了綜述，目前SOH估算技術(shù)存在的主要問題可以概括為以下幾方面：

（1）電池老化及容量衰減的本質(zhì)是復(fù)雜的、多因素的電化學(xué)及物理過程，且電池內(nèi)部的實時電化學(xué)參數(shù)難以準(zhǔn)確測量，要想對該過程進(jìn)行準(zhǔn)確的、復(fù)雜性適當(dāng)?shù)臄?shù)學(xué)描述具有較大難度。

（2）當(dāng)前的SOH估算主要針對電池在特定工況下的測試來實現(xiàn)，而實際工況可能相當(dāng)復(fù)雜；比如在充分考慮主觀及客觀因素時，電動汽車電池組的工況會具有很大隨機(jī)性，這使得SOH估算難度劇增。

（3）整體來講，目前SOH估算技術(shù)的通用性較差。

即使單純針對鋰電池而言，由于電池材料及生產(chǎn)工藝不盡相同，對于不同廠商和品牌的電池，其性能可能存在較大差異；另外，即使是同一品牌同一型號的電池，各單體間也可能存在容量及電壓特性的差異，而且隨著充放電循環(huán)，這種單體差異會逐漸增大，因此，如何設(shè)計具有較強(qiáng)通用性和單體差異自適應(yīng)能力的SOH估算策略，也是BMS領(lǐng)域急需解決的關(guān)鍵問題。

［1］張金龍,魏艷君,李向麗，等.基于模型參數(shù)在線辨識的蓄電池SOC估算［J］.電工技術(shù)學(xué)報,2014,29（Z1）:23-28. Zhang Jinlong,Wei Yanjun,Li Xiangli，et al.Battery SOC estimation based on online parameter identification［J］. Transactions of China Electrotechnical Society,2014,29（Z1）:23-28（in Chinese）.

［2］馬澤宇,姜久春,張維戈,等.鋰離子動力電池?zé)崂匣穆窂揭蕾囆匝芯浚跩］.電工技術(shù)學(xué)報,2014,29（5）:221-227. Ma Zeyu,Jiang Jiuchun,Zhang Weige,et al.Research on path dependence of large format LiMn2O4battery degradation in thermal aging［J］.Transactions of China Electrotechnical Society,2014,29（5）:221-227（in Chinese）.

［3］Aung H,Soon Low K,Ting Goh S.State-of-charge estimation of lithium-ion battery using square root spherical unscented kalman filter in nanosatellite［J］.IEEE Transactions on Power Electronics,2015,30（9）:4774-83.

［4］時瑋,姜久春,李索宇,等.磷酸鐵鋰電池SOC估算方法研究［J］.電子測量與儀器學(xué)報,2010,24（8）:769-774. Shi Wei,Jiang Jiuchun,Li Suoyu,et al.Research on SOC estimation for LiFePO4 Li-ion batteries［J］.Journal of Electronic Measurement and Instrument,2010,24（8）:769-774（in Chinese）.

［5］魏克新,陳峭巖.基于自適應(yīng)無跡卡爾曼濾波算法的鋰離子動力電池狀態(tài)估計［J］.中國電機(jī)工程學(xué)報,2014,34（3）: 445-452. Wei Kexin,Chen Qiaoyan.States estimation of Li-ion power batteries based on adaptive unscented kalman filters［J］.Proceedings of the CSEE,2014,34（3）:445-452（in Chinese）.

［6］Jun M,Smith K,Graf P.State-space representation of Liion battery porous electrode impedance model with balanced model reduction［J］.Journal of Power Sources,2015, 273:1226-1236.

［7］戴海峰,周艷新,顧偉軍,等.電動汽車用動力鋰離子電池壽命問題研究綜述［J］.電源技術(shù),2014,138（10）:1952-1954. Dai Haifeng,Zhou Yanxin,Gu Weijun,et al.Review on life studies of traction Li-ion batteries in electric vehicles［J］.Chinese Journal of Power Sources,2014,138（10）: 1952-1954（in Chinese）.

［8］國家發(fā)展和改革委員會.QC/T 743-2006:電動汽車用鋰離子蓄電池［S］.北京:國家發(fā)展和改革委員會,2006. National Development and Reform Commission.QC/T 743-2006:Lithium ion batteries for electric vehicles［S］.Beijing:National Development and Reform Commission,2006（in Chinese）.

［9］Walz K A,Johnson C S,Genthe J,et al.Elevated temperature cycling stability and electrochemical impedance of LiMn2O4cathodes with nanoporous ZrO2and TiO2coatings［J］.Journal of Power Sources,2010,195（15）:4943-4951.

［10］Karsten M，Daniel T，Lars G，et al.Optimizing BMS operating strategy based on precise SOH determination of lithium ion battery cells［J］.Lecture Notes in Electrical Engineering,2013,192（4）:807-819.

［11］Kim J，Lee S，Cho B，et al.Discharging/charging voltagetemperature pattern recognition for improved SOC/capacity estimation and SOH prediction at various temperatures［J］. Journal of Power Electronics,2012,12（1）:1-9.

［12］Vetter J,Novak P,Wagner R,et al.Aging mechanisims in lithium-ion batteries［J］.Journal of Power Sources,2005,147（1/2）:269-281.

［13］Roscher M A，Vetter J，Sauer D U.Characterization of charge and discharge behavior of lithium ion batteries with olivine based cathode active material［J］.Journal of Power Sources，2009，191（2）:582-590.

［14］Srinivasan V，Newman J．Discharge model for the lithium iron-phosphate electrode［J］.Journal of the Electrochemical Society,2004,151（10）:A1517-A1529．

［15］徐鑫珉,王 練,史慧玲.基于電化學(xué)阻抗譜的電池老化壽命研究［J］.電源技術(shù),2015,139（12）:2579-2583.Xu Xinmin,Wang Lian,Shi Huiling.Research on battery aging mechanisms based on electrochemical impedance spectroscopy［J］.Chinese Journal of Power Sources,2015, 139（12）:2579-2583（in Chinese）.

［16］Gregory P.State-of-charge estimation based on microcontroller-implemented sigma-point Kalman filter in a modular cell balancing system for Lithium-Ion battery packs［C］. IEEE Conference Publications,2015:1-7.

［17］Khare N,Singh P,Vassiliou J K.A novel magnetic field probing technique for determining state of health of sealed lead-acid batteries［J］.Journal of Power Sources,2012,218（218）:462-473.

［18］Dai Haifeng，Wei Xuezhe，Sun Zechang.A new SOH prediction concept for the power lithium-ion battery used on HEVs.［C］.IEEE Vehicle Power and Propulsion Conference VPPC,Dearborn，2009.

［19］Remmlinger J,Buchholz M,Meiler M,et al.State-ofhealth monitoring of lithium-ion batteries in electric vehicles by on-board internal resistance estimation［J］.Journal of Po-wer Sources,2011,196（12）:5357-5363.

［20］Reinhold K,Robert K,Zilberman I，et al.Electrochemical impedance spectroscopy for online battery monitoring-power electronics control［C］.16th European Conference on Power Electronics and Applications,Lappeenranta,2014.

［21］Zenati A,Desprez Ph,Razik H.Estimation of the SOC and the SOH of li-ion batteries,by combining impedance measurements with the fuzzy logic inference［C］.IEEE Industrial Electronics Society,2010,36:7-10.

［22］Saha B,Goebel K.Modeling Li-ion battery capacity depletion in a particle filtering framework［C］.Annual Conference of the Prognostics and Health Management Society,2009.

［23］Dubarry M,Truchot C,Liaw B Y.Synthesize battery degradation modes via a diagnostic and prognostic model［J］.Journal of Power Sources,2012,219（12）:204-216.

［24］Narayanrao R,Joglekar M M,Inguva S.A phenomenological degradation model for cyclic aging of lithium ion cell materials［J］.Journal of the Electrochemical Society,2013, 160（1）:125-137.

［25］Christensen J,Newman J.Stress generation and fracture in lithium insertion materials［J］.Journal of Solid State Electrochemistry,2006,10（5）:293-319.

［26］Li J,Barillas J K,Guenther C,et al.Sequential Monte Carlo filter for state estimation of LiFePO4batteries based on an online updated model［J］.Journal of Power Sources, 2014,247（3）:156-162.

［27］Saha B,Goebel K,Poll S,et al.An integrated approach to battery health monitoring using Bayesian regression and state estimation［C］.IEEE Autotestcon,Baltimore,MD，2007.

［28］An D,Choi J H,Kim N H.Prognostics 101:A tutorial for particle filter-based prognostics algorithm using Matlab［J］. Reliability Engineering&System Safety,2013,115（1）: 161-169.

［29］Liu Datong，Xie Wei，Liao Haitao,et al.An integrated probabilistic approach to lithium-ion battery remaining useful life estimation［J］.IEEE Transactions on Instrumentation and Measurement,2015,64（3）:660-670.

［30］Long Bing，Xian Weiming，Jiang Lin，et al.An improved autoregressive model by particle swarm optimization for prognostics of lithium-ion batteries［J］.Microelectronics Reliability,2013,53（6）:821-831.

［31］Shahriari M,Farrokhi M.Online state-of-health estimation of VRLA batteries using state of charge［J］.IEEE Transactions on Industrial Electronics,2013,60（1）:191-202.

Summarize of Lithium Battery Status of Health Estimation Method

ZHANG Jinlong，TONG Wei，SUN Yening，LI Duankai，QI Hanhong，WEI Yanjun
（School of Electrical Engineering,Yanshan University，Key Lab of Power Electronics for Energy Conservation and Motor Drive of Hebei Province，Qinhuangdao 066004，China）

Battery management system（BMS）is indispensable for battery technology,and the estimation of battery state of health（SOH）is one of the most important functions of BMS.SOH can provide operation personnel with available capacity and ageing state of the battery,and thus corresponding control strategies can be made or adjusted according these information.In this paper,definition of SOH is described;and the essential reason for lithium battery aging and capacity fade is expounded;as the main task,the commonly used and studied SOH estimation methods are summarized,general concept of each method is briefly introduced,advantage and drawback for each method is also discussed.

electric vehicle;lithium battery;aging causes;energy storage;state of heath（SOH）estimation

張金龍

10.13234/j.issn.2095-2805．2017．2.128

TM 911、TM912

A

張金龍（1983-），男，博士，講師，研究方向：蓄電池管理技術(shù)及逆變器控制技術(shù)，E-mail：zhangjinlong@ysu.edu.cn。

佟微（1991-），男，通信作者，碩士研究生，研究方向：蓄電池管理技術(shù)，E-mail：tong_v@qq.com。

孫葉寧（1983-），女，博士研究生，研究方向：蓄電池管理技術(shù)，E-mail：992895 814@qq.com。

李端凱（1994-），男，碩士研究生，研究方向：蓄電池管理技術(shù)，E-mail：106011 1312@qq.com。

漆漢宏（1968-），男，博士，教授，博導(dǎo)，研究方向：新能源發(fā)電及蓄電池儲能技術(shù)，E-mail：hhqi@ysu.edu.cn。

魏艷君（1969-），女，博士，副教授，研究方向：新能源發(fā)電及并網(wǎng)技術(shù)，E-mail：yjwei@ysu.edu.cn。

2016-09-07

國家自然科學(xué)基金資助項目（51477148）；河北省自然科學(xué)基金資助項目（E2014203198）。

Project Supported by National Natural Science Foundation of China（51477148）；Hebei Province Natural Science Foundation（E20142 03198）