电池管理系统里的电池健康评估和寿命预测

广州益维电动汽车有限公司 李 菁

锂电池是近些年来研发出的高效能电池，具有输出电压高、使用寿命长、能量密度大、工作温度范围广等性能优点，不仅被广泛地应用到电动汽车、消费电子等领域，还逐渐融入了航空航天、航船和军事通信等领域。目前，锂电子作为第三代高效能电池，已经逐渐替代了镍氢、镍铬传统电池的使用。然而，电池的故障可能导致用电设备的性能下降，大大地增加了使用成本，并且随着充放电使用年限的增长，锂电池的使用特性将会逐渐下降，缩短了锂电池的使用寿命，因此有必要为锂电池配置智能化的电池管理系统，从而来保证锂电池的稳定、可靠、高效地运行。

1.电池管理系统里的电池健康评估

锂电池管理系统的电池健康评估主要包括荷电状态和健康状态两方面的健康检测，电池的状态评估是设置智能化电池管理系统的基本前提，也是电池健康评估的核心内容。锂电池的健康因子会随着充放电循环次数的增加而逐渐较小，如图1所示。锂电池的荷电状态表征的是锂电池充电周期内剩余电量的多少或者是剩余运行时间的长短，准确的荷电状态评估有助于弱化锂电池各个单体之间的电量差异、优化充放电策略，并且能够防止过热、过充和过放现象的发生；锂电池的健康状态是指锂电池相对于新电池的储电电量的能力，是表征锂电池性能指标的重要参数，通常情况下，随着锂电池的循环充放电，电池的健康状态是逐渐呈现恶化的变化趋势。由于关于锂电池老化过程的研究比较少，对于锂电池使用寿命的准确预测存在着极大的挑战，相关的研究文献也比较少，这都增加了锂电池健康评估的难度。此外，在锂电池实际运用过程中，并不能对锂电池进行直接的健康评估，只能通过评估锂电池的使用特性，目前主要使用的评估方法主要有电化学分析法、安时法和阻抗法等方法。

图1 锂离子电池健康评估示意图

1.1 锂电池健康评估的电化学分析法

电化学分析方法主要是从电池的物理化学特性为研究点，通过分析锂电池的热力学参数、传热传质过程、材料特性变化等性能参数，进而获得锂电池的运行规律并建立锂电池的弱化模型。电化学分析方法可以直观地给出锂电池弱化过程的具体描述，但是这种研究方法对锂电池的原有属性具有破坏性，仅能用在锂电池的生产线产品检测和设计人员对产品的改善设计方面，在实践工程中得不到广泛的应用。已有学者的研究成果表明SEI表面膜的形成是导致锂电池容量快速衰减的主要原因之一，并且建立起了阻抗和电池容量之间变化的函数关系；还有的学者将相关溶剂的还原反应运用到机理模型的容量评估当中。

1.2 锂电池健康评估的安时法

锂电池健康评估使用的安时法就是在锂电池的全寿命使用周期内对电池进行大量的加速研究试验，主要研究的内容是锂电池的加热温度、充电速率、放电速率和放电的深度等方面，也就是按照一定的放电速率对锂电池进行阶段性的测试，从而简单地模拟出锂电池容量的弱化模型。安时检测方法本质上是离线的检测方法，在线应用方法已经出现了改进型的Ah-V方法，通过采用恒电电流，然后借助于电流三维模型积分就可以得到锂电池充放电电量和电压、电流之间的函数模型，再利用非线性拟合的方法建立锂电池的健康状态微模型。当在线使用安时法时，通过对锂电池的总电压进行评估就可以实现对健康状态的初步估计，但是前提条件是要确保锂电池总电压的准确性。

安时方法相对简单，便于实现对锂电池健康的评估，但是锂电池的充放电试验的环境和条件一般很难覆盖到锂电池实际使用时所面临的复杂环境，并且安时法检测的时间较长，只能在锂电池离线的状态下进行使用。通常的改进方法是要获取锂电池的总电压，并且需要静置若干个小时才可以继续使用，否则难以维持试验的连续进行[1]。

1.3 锂电池健康评估的阻抗法

锂电池健康评估的阻抗法主要包括欧姆内阻和电化学阻抗法两种方法。欧姆阻抗法是通过在锂电池内部植入一个小负载的电路，通过测量锂电池总电压的变化来测定锂电池的内部阻力变化，然后根据阻力变化的情况对锂电池的健康状况进行评估，可以通过锂电池老化的试验来获得锂电池放电速率、放电深度、工作温度和内部阻力之间的变化关系，进而根据锂电池等效的电路模型来评估锂电池内部阻力的变化，从而可以知道锂电池的健康状况。欧姆阻抗法并不是实时测量的方法，一旦锂电池处于工作状态就无法使用该方法进行健康评估。电化学阻抗法是将锂电池看作是由电容、电压、电流和电阻组合而成的电路模型，在锂电池不同使用寿命阶段施加给锂电池频率不同的交流信号，那么检测到的电压和电流就会随着正弦波发生周期性的变化，从而可以获得锂电池的阻抗曲线，通过分析锂电池循环使用的次数就可以对锂电池的健康进行全面的评估。

阻抗法虽然有着诸多的优势，但还是存在着适应性问题，欧姆阻抗法可以实现在线使用，但是由于锂电池的欧姆电阻比较小，并且锂电池的内部阻力通常会随着锂电池循环充放电变得越来越小，这就需要更为精确的测量电路。电化学阻抗法采用电路模型可以对锂电池的阻抗做出准确的状态分析，但是只能在离线的工况下进行使用，并且测量的过程过于复杂、测量的时间较长、计算的过程也比较复杂，电路模型本身就是一个技术难点[2]。

2.电池管理系统里的电池寿命预测

锂电池的寿命检测主要是利用已有的运行状态信息，从而对锂电池的当前使用状态到其失效的使用时间做出准确性的预测，能够为电池管理系统提供预防性的检修和维护措施。锂电池寿命预测主要是基于锂电池的性能进行相应的探讨工作，通过锂电池的物理化学性能和健康状态做出准确的预测，从而保障电池管理系统稳定高效地运行。

2.1 电池寿命预测的退化机理模型

电池寿命预测的退化机理模型主要是根据锂电池的物理化学性能对锂电池运行过程中性能变化规律进行整体的分析，退化机理模型能够充分地兼顾各个老化因素对于电池内外变化参数的综合影响，从而建立起锂电池的退化机理模型，这样做具有很大的优势，一方面可以在锂电池正常工作状态下进行寿命预测工作；另一方面还可以对锂电池的老化过程、应力大小展开相关的检测，从而更有利于锂电池的寿命预测。

基于退化机理模型的寿命预测可以对电池老化的过程进行详细的物理和化学分析，但是这都是以特定的电池材料、使用环境和充放电循环次数为基础的，所使用的性能参数都是根据锂电池的物理和化学特性得到的，从而导致退化机理模型难以根据环境的变化适时地做出相应的调整，锂电池的动态精确性比较差。此外，对于比较复杂的锂电池电化学模型，若想描述锂电池的退化特性和老化模型是非常困难的，因为涉及到的检测参数比较多，实际应用方面存在较多的困难，需要针对测试过程的各个老化因素进行全面的优化，从而建立起简便、准确性较高的退化机理模型。

2.2 电池寿命预测的经验退化模型

图2 锂电池寿命预测分析模块

通常情况下，无论是机理模型还是电路模型，都需要兼顾锂电池内部的物理化学性能参数，建立模型的过程是非常困难的，过程相对来说也比较复杂。锂电池的经验退化模型是表征锂电池内部状态变量随着使用时间的变化规律或者是前后两个时间段之间状态变量的关联关系，从而实现锂电池退化模型的表达。现阶段，锂电池经验退化模型主要可以分为以下两类：一是阻抗指数增长模型、阻抗线性参数变化模型等经验退化模型，该模型是通过电池阻抗在前后两个时间点之间的转换来获得锂电池模型预测结果；二是基于剩余寿命建立起来的经验退化模型，表征的是前后两个不同时间点之间的容量转换关系，在此模型的基础上，还涌现出了指数退化模型和集成优化模型[3]。锂电池寿命预测分析模块如图2所示。

锂电池的经验退化模型主要是以基本数据为出发点来对电池寿命进行预测，以此来反映锂电池内部物理化学参数的变化规律，经验退化模型获取相对比较容易，使用范围比较广泛，同时，由于采用了PF算法并结合经验退化模型来对电池的使用进行预测，因此，锂电池对于非线性变化过程有着很好的适应性。然而，经验退化模型还是要受到环境的干扰和参数的影响，在一定程度上，其动态精确性和适应能力受到了极大的限制。此外，PF算法还存着数据参数初始化的问题，在数据参数比较多的情况下，初始化过程比较复杂，严重地影响了算法的实时性。

2.3 电池寿命预测的融合性预测方法

电池融合性预测方法是锂电池剩余寿命的热点预测技术，本质上是组合或集成多种方法的混合模型，从而可以弥补单一预测模型的诸多不足之处，能够有效地发挥综合性模型的有点，从而能够对电池的寿命做出更准确的预测。

电池寿命融合性预测方法一般是基于机理模型和数据参数展开研究，通过采用参数数据预测算法与电池内部空间模型两者相结合的思路，从而实现退化模型表征参数和锂电池实时运行参数的有效结合，能够较为准确地预测锂电池的使用寿命，融合性预测方法的广泛研究和使用能够显著地提高锂电池寿命预测的准确地性，具有重要的使用和参考意义，但是由于其计算复杂程度比较高，在工程实践中仍然面临着不少的挑战和困难。

3.结语

综上所述，锂电池作为高效的能源形式，已经广泛应用于社会经济中的方方面面，然而，目前仍然缺乏对于锂电池性能退化建模、健康评估和寿命预测等方面的工作，这就使得人们对于锂电池的物理化学性能并不能做到全面的了解，阻碍了锂电池的使用性能。本文就锂电池管理系统里的电池健康评估和寿命预测进行了综合性的论述以期能够为国内外相关领域的相关学者提供一定的参考价值。