電動汽車動力鋰離子電池壽命預測方法分析

吳小嶺

摘 要：新能源行業(yè)以較快速度發(fā)展，其中電動汽車銷量逐年增加，同時，動力鋰離子電池的壽命預測問題備受關注。本文先分析鋰離子電池健康影響因素，然后探究電動汽車動力鋰離子電池性能估算法及壽命預測法，希望能為相關研究人員和動力鋰離子電池生產(chǎn)者提供參考。

關鍵詞：電動汽車;鋰離子電池;電池壽命;預測方法

0 引言

近年來，環(huán)境污染、能源短缺等問題嚴峻化，對于電動汽車行業(yè)來說，應持續(xù)供應清潔、無污染，且壽命循環(huán)的動力源。動力鋰離子電池既能滿足環(huán)境保護、資源節(jié)約需求，又能提升電動汽車性能。基于此，動態(tài)預測鋰離子電池壽命，得出真實、可靠的預測結論，為日后鋰離子電池研發(fā)及健康狀態(tài)保持提供依據(jù)。

1 鋰離子電池健康狀態(tài)影響因素

鋰離子電池壽命時長判斷依據(jù)主要是健康狀態(tài)，一般來說，電池實際容量為稱重容量百分之八十，則電池壽命終結，換言之，電池健康狀態(tài)小于0.8，同樣說明電池能源被消耗殆盡[1]?；谀芎乃p機理分析，總結得出影響電池健康狀態(tài)的因素。基于正極視角分析，材料結構出現(xiàn)集流體溶解、電解質分離、導電劑氧化或脫離等現(xiàn)象，使得材料效用大打折扣;基于負極視角分析，電量逐漸減少現(xiàn)象一旦發(fā)生，意味著電極-電解質界面出現(xiàn)電量衰減反應，充電、放電環(huán)節(jié)會產(chǎn)生SEI膜，該膜作用體現(xiàn)在副反應物被不同程度溶解方面?；谑褂靡暯欠治?，電池使用溫度、充放電頻次與時長均是影響壽命狀態(tài)的重要因素。此外，結構設計、管理方法等因素對鋰離子電池性能和壽命周期有關鍵性影響。及時、準確判斷鋰離子電池壽命，使電池換新工作有效進行，實際上，電池性能的常態(tài)發(fā)揮，能為電動產(chǎn)品提供充足動力，進而更好地服務于生產(chǎn)、生活。

2 電動汽車動力鋰離子電池性能估算法

動力鋰離子電池性能精準估算十分必要，常用估算方法包括定義法、內(nèi)阻法、電化學阻抗法、模型法，具體方法的應用如下：

2.1 定義法估算電池性能

估算實踐以電池健康狀態(tài)定義為切入點，估算步驟為：電池電能釋放→記錄放電量→電池健康狀態(tài)評定。這一方法具有等待時間長、實用性低等特點，多數(shù)情況下排除這項估算法。

2.2 內(nèi)阻法估算電池性能

工作人員構建電池健康狀態(tài)與電池內(nèi)阻間關系，據(jù)經(jīng)驗總結得知，電池工作階段的內(nèi)阻值由低到高，但健康狀態(tài)信息顯示的內(nèi)容趨近非良好。實際估算時，往往聯(lián)用多種方法，如脈沖法、卡爾曼濾波法等，盡可能減少估算誤差。

2.3 電化學阻抗法估算電池性能

以正弦信號增加的方式，測得電池運行階段的聲響情況，與此同時，獲取并分析價值信息，并借助模糊理論動態(tài)測得電池健康值。數(shù)據(jù)信息匯總后，為電池性能判斷提供參考。

2.4 模型法估算電池性能

經(jīng)建模估算電池健康狀態(tài)，在此之前，總結電池內(nèi)外部特性，以便為模型構建提供特征信息，保證模型實用性和有效性。以現(xiàn)今電動汽車動力鋰離子電池市場需求為導向，并尊重由電池健康狀態(tài)動態(tài)改變導致電池健康值估算難度提高這一事實，視情況構建適宜模型。一般來說，經(jīng)驗模型、人工神經(jīng)網(wǎng)絡模型較常見，對于經(jīng)驗模型，即借助實驗數(shù)據(jù)、實驗環(huán)節(jié)參數(shù)變化規(guī)律進行數(shù)學方程構建，為電池工況動態(tài)管控提供依據(jù)[2]。對于后者網(wǎng)絡模型，主要以人體神經(jīng)元模擬這一方式建立數(shù)學模型，經(jīng)節(jié)點網(wǎng)絡搭建，獲取電池健康狀態(tài)估算值。兩種模型對比而言，后者具有便捷、高效、高精度等優(yōu)點。

3 電動汽車動力鋰離子電池壽命預測方法

動力鋰離子電池在不同工況下使用，其電池壽命衰減機理具有不確定性。針對電動汽車中動力鋰離子電池進行壽命預測，根據(jù)預測值調整修正方案，盡可能延長電池壽命終值，使電能資源最大化利用，從而減少電動汽車生產(chǎn)成本，逐步提高電池自適應性，保證電動汽車運行的穩(wěn)定性。

3.1 卡爾曼濾波預測法

卡爾曼濾波法問世時間早，這一傳統(tǒng)方法在電池壽命預測環(huán)節(jié)積累了豐富經(jīng)驗，所得到的預測結果具有較高參考價值，能為電池修正模式調整提供新思路，實現(xiàn)電池壽命周期延長、電動汽車穩(wěn)態(tài)運行的良好效果。該方法應用步驟總結為：經(jīng)系統(tǒng)輸入觀測數(shù)據(jù)→輸出觀測數(shù)據(jù)→測評系統(tǒng)狀態(tài)→得出最優(yōu)估計值。這項方法憑借信號穩(wěn)定、信號真實等特點傳遞反饋信息，為電池壽命研究方法改進提供數(shù)據(jù)信息，使誤差最小化?，F(xiàn)今，部分研究人員以實驗方式對其進行可行性驗證，即通過等效模型建立、空間狀態(tài)方程構建，順利完成電池健康狀態(tài)檢測，得出高精度估算值。

3.2 標準粒子濾波預測法

標準粒子濾波方法與常規(guī)粒子濾波算法相比，具有耗時短、估算誤差小、計算程序簡便等優(yōu)點，滿足新時期電動汽車低成本、短周期生產(chǎn)需求，為新能源行業(yè)健康發(fā)展提供推動力。標準粒子濾波預測法應用時，即在狀態(tài)空間中獲得隨機樣本，近似表示概率密度函數(shù)，為最小方差精準測算做足準備工作。即便狀態(tài)空間模型動態(tài)變化，仍能借助粒子集表示概率法，足以見之，粒子集具有較強適用性，能夠用于分析固定工況、惡劣工況下鋰電池壽命。粒子濾波器在鋰離子電池壽命預測中有一定的優(yōu)越性，主要是因為它將理論知識和技術實踐相結合，一定程度上滿足動態(tài)跟蹤需求，最終得出具有參考價值的預估值。放眼長遠，動力鋰離子電池壽命預測要求不斷提高，這無疑對粒子濾波預測法實踐提出較高挑戰(zhàn)，一旦微小粒子持續(xù)參與迭代計算，則計算成本相應增加;當個別粒子被賦予粒子權值，則粒子多樣性將大打折扣，并極易出現(xiàn)粒子退化現(xiàn)象。對于預測人員來說，應適時參與標準粒子濾波預測法改進，使其在動力鋰離子電池壽命預估中發(fā)揮實用性。

3.3 神經(jīng)網(wǎng)絡預測法

神經(jīng)網(wǎng)絡估算法是網(wǎng)絡信息時代發(fā)展的產(chǎn)物，這一方法能夠在短時間內(nèi)測得電動汽車動力鋰離子壽命狀態(tài)，且得出的預估值具有高精度、高參考價值等優(yōu)勢。以LMBP神經(jīng)網(wǎng)絡估算法為基礎，在專業(yè)人員指導下順利完成鋰離子電池壽命狀態(tài)預測任務，這既能積累神經(jīng)網(wǎng)絡預測法應用經(jīng)驗，又能滿足電池健康狀態(tài)實時預測、精準判斷等需求。其中，標準BP算法、LM算法基于標準數(shù)值實現(xiàn)技術優(yōu)化，這類算法適用于性能指數(shù)為均方誤差的神經(jīng)網(wǎng)絡訓練。

3.4 螢火蟲算法

這一算法屬于智能隨機優(yōu)化算法，以模擬螢火蟲群體行為、分析信號單元，得出鋰離子電池壽命衰減規(guī)律。分析這一算法使用原理，即通過優(yōu)化粒子濾波消除小權重粒子，盡可能減緩粒子退化速度，全面保證粒子多樣性。與上述標準粒子濾波預測法相比，螢火蟲算法具有較強的互補作用，能夠大大提高電池壽命狀態(tài)預估精度。該算法優(yōu)化粒子濾波環(huán)節(jié)，以提升融合算法使用性能為基本目標，即結合粒子濾波算法的工作機制，相應調節(jié)螢火蟲亮度及位置，以此降低運算復雜度，縮短運算時間，使濾波精度大大提高。當上述調節(jié)工作得當，則粒子濾波算法能夠用更少的迭代次數(shù)和粒子樣本數(shù)實現(xiàn)高精度電池壽命預估。足以見之，螢火蟲算法適時優(yōu)化，能夠提高運算實時性、簡化運算流程，為鋰離子電池壽命精準預測提供優(yōu)質服務。

4 結論

綜上所述，電動汽車行業(yè)以迅猛之勢發(fā)展，為落實能源節(jié)約、環(huán)境保護戰(zhàn)略，勢必要全面、精準預估電池健康狀態(tài)預測工作，使鋰離子電池健康狀態(tài)調節(jié)工作有的放矢。新時期下，卡爾曼濾波預測法、標準粒子濾波預測法、神經(jīng)網(wǎng)絡預測法、螢火蟲算法具有較強實用性，根據(jù)鋰離子電池壽命預測需要，聯(lián)用兩種或兩種以上預測法，能夠提高鋰離子電池能源利用率。

參考文獻：

[1]田君，高洪波，張躍強.電動汽車動力鋰離子電池壽命預測方法研究[J].電源技術，2020，44（5）：767-770.

[2]何洋，彭以平.電動汽車鋰離子電池健康狀態(tài)估算及壽命預測方法綜述[J].汽車實用技術，2018，44（11）：16-18.