關(guān)于鋰電池循環(huán)壽命預(yù)測
來源：寶鄂實(shí)業(yè)
2019-08-03 20:02
點(diǎn)擊量：次
1 基于容量衰退機(jī)理的預(yù)測
基于機(jī)理的預(yù)測是根據(jù)電池在循環(huán)過程中內(nèi)部結(jié)構(gòu)和材料的老化衰退機(jī)制來推測電池的壽命。 該方法需要利用基本模型對電池內(nèi)部發(fā)生的物理和化學(xué)反應(yīng)過程進(jìn)行描述， 如歐姆定律、電化學(xué)極化、濃差極化以及電極材料內(nèi)部擴(kuò)散等。
Ning等基于電池在循環(huán)過程中活性鋰的損失，利用第一性原理模擬了鈷酸鋰電池的容量衰退模型，影響參數(shù)包括交換電流密度、DOD、界面膜阻抗以及充電截止電壓等。作者將得出壽命預(yù)測模型與實(shí)測數(shù)據(jù)進(jìn)行對比，發(fā)現(xiàn)該模型與實(shí)際檢測結(jié)果非常接近。
Virkar提出了一種基于非平衡熱力學(xué)電池退化模型，考慮了化學(xué)電勢及SEI膜等因素對容量衰退的影響，并指出在串聯(lián)電池組中會存在不平衡單體，其正極與電解液的界面處也可能產(chǎn)生 SEI 膜，導(dǎo)致容量衰減加劇。
2 基于特征參數(shù)的預(yù)測
基于特征參數(shù)的預(yù)測是指利用電池在老化過程中某些特征因素的變化來預(yù)測電池壽命， 目前研究者關(guān)注最多的EIS與循環(huán)壽命的關(guān)系。Li等研究了商用鈷酸鋰電池在1C充放電循環(huán)過程中阻抗譜的變化，并采用XRD、TEM和SEM觀察了電極材料的變化， 結(jié)果發(fā)現(xiàn)在鋰電池正極和負(fù)極的Nyquist曲線中，對應(yīng)于界面膜阻抗的低頻區(qū)半圓大小隨著循環(huán)次數(shù)的增加呈增大趨勢，據(jù)此可推斷電池循環(huán)壽命。
EIS能夠給出較為精細(xì)的電池阻抗描述，但測試儀器易受外界干擾且對于復(fù)雜的譜圖難以進(jìn)行有效的分析。相對而言，脈沖阻抗的測量則簡單易行，且可以快速實(shí)現(xiàn)在線監(jiān)測。
3 基于數(shù)據(jù)驅(qū)動的預(yù)測
基于數(shù)據(jù)驅(qū)動的方法是指不考慮電池內(nèi)部的物理化學(xué)反應(yīng)和機(jī)理，直接分析測試數(shù)據(jù)來挖掘規(guī)律，是一種基于經(jīng)驗(yàn)的模擬手段。 較常見的有時(shí)間序列模型(AR)、人工神經(jīng)網(wǎng)絡(luò)模型(ANN)及相關(guān)向量法(RVM)等。
AR模型是根據(jù)以前某些時(shí)間點(diǎn)測得數(shù)據(jù)來推斷當(dāng)前狀態(tài)下的預(yù)測值，具有線性特性。 考慮到電池容量衰減與循環(huán)次數(shù)的非線性關(guān)系，羅悅提出改進(jìn)的非線性AR模型，在預(yù)測后期引入加速退化因子，提高了預(yù)測的準(zhǔn)確性。
ANN模型是將多個(gè)神經(jīng)元按照某種規(guī)則組成的人工智能網(wǎng)絡(luò)系統(tǒng)，是一種典型的非線性模型。RVM模型屬于數(shù)據(jù)回歸分析法，可以通過調(diào)整參數(shù)來靈活地控制過擬合和欠擬合，具有概率式預(yù)測的特點(diǎn)?；趦?nèi)部機(jī)理的預(yù)測方法具有更好的理論支持和更好的精 度，但復(fù)雜程度大，數(shù)據(jù)驅(qū)動法的優(yōu)點(diǎn)在于簡單實(shí)用，但是由于獲取的數(shù)據(jù)不可能覆蓋所有的參數(shù)， 因此也具有一定的局限性。
