锂离子电池状态估计与剩余寿命预测方法综述

锂离子电池状态估计与剩余寿命预测方法综述

朱建国

东莞新能源科技有限公司

摘要：随着国内外锂离子动力电池领域的高速发展，动力电池结构也产生了迭代的趋势，导致动力电池的特性进一步向高能量密度、强稳定性、长寿命和低功耗方面演进。锂离子动力电池系统由于具有输出电压大、循环寿命长、体积密度大、自放电量小、操作温度波动范围广泛等优点，因而应用较为广泛。不过由于镍氢电池系统本身的特殊性，在过充、过放、过温的情况下，锂离子脱嵌动力电池的性能也会面临着很大的发展问题，甚至可能产生安全性问题。精准的电池状态预测和电池使用寿命预测，可以帮助客户准确地掌握电池信息和更换已失效电池，从而确保了整个电池组的健康有效的工作。因此，本文将重点以锂离子动力电池状态控制与使用寿命预估中的有关问题展开内容探讨。

关键词：锂离子；电池状态估计；剩余寿命预测

引言：现阶段，锂电池在人们的日常生活中随处可见，除了现代新能源汽车以外，更多见于智能手机、平板电脑等各类电子设备，其性能的优劣直接影响到锂电池的性能。再加上使用者的日常使用损耗，锂离子电池就极容易造成容量衰减变化，导致电池容量下降，影响电池的续行里程和使用寿命。而电池衰退将会直接影响到其荷电状态、健康状态和剩余寿命预测，进而影响锂电池的使用安全性。为此，针对锂离子电池的寿命预测是极为必要的。

一、锂离子电池SOC与SOH的估算

1.1 SOC估算

SOC代表当前锂离子电池的剩余容量，从数值上定义，主要为残余功率与其满电之比，是极为关键的技术指标，其精确、实时监测将直接关系到蓄电池的充放电及其最佳的使用情况，也将直接关系着锂电池的使用寿命。为了更好地反映电池的工作性能和影响因素，近年来，人们对各种模型进行了深入的探讨。

其中，采用放电试验法对电池 SOC进行评估是最可靠的，这一试验是在可控条件下进行的，而且对计算结果没有明显的影响，但是能够节省大量的运算时间和存储空间，便于统计和数据分析。电池SOC的输出电压积分估算方式简便、安全，其电容器的充放电和输出额定电流有关，不过开环估计、不确定性、扰动等都会造成很大的累积误差，而且对输出电量的需求较高，所以可以广泛应用于对过充电不灵活的系统。不过，因为这种方式运算时间过长，计算精度低下，并且由于发电机的输出功率和电磁负载的日益增加，这种计算公式已无法适应计算的要求。目前，国内对SOC的估算多是用电流积分法，其基本原理非常简单，对硬件容量的要求不高，但其运算精确度不高（误差大于10%），受外部环境的影响，只适合于静置较长时间的电池SOC估算，

1.2 SOH估算

SOH代表蓄电池满充容量相对额定容量的百分比，是衡量电池老化程度的度量标准，其通常包括容量衰减或功率衰退。常用的指标包括电池容量、直流电阻和交流阻抗。SOH估算方法主要包括基于耐久性模型的开环方法和基于电池模型的闭环方法啊，不同SOH估算的流程大体类似。SOH值表示当前电池可以释放的最大电量和额定电量的比例。它的容量决定了它的持续放电（电源）的时间。更高的能量密度意味着更轻的电池，更长的时间。而越是低的能量，意味着电池的容量会变得更小，寿命也会变得更短。

耐久性模拟开环控制系统方法描述了固态电解质薄膜和电池终端电压的增大，开环控制的次数越多，两者之间的差别也就越大。为了更好地监测电池的热动力学特性，并对其进行热动力学特性的分析，需要建立相应的热动力学模型，采用电化学阻抗谱技术，对该电池进行了电热循环寿命仿真，并对其进行了全面的标定和试验。同时，二阶 SOH模型也能充分考虑到电池的热极化状况，从而能更准确、及时地反映出电池的状态。通过二阶 SOH模型的比较，充分考虑了电池的极化现象，可以实时、准确地反映出电池的状态，并使其具有较高的计算精度，且模型比较简单。

二、剩余使用寿命（RUL）预测

剩余寿命主要是通过对电池的历史数据进行预测，而以电池性能为依据的寿命预测则是综合考虑多种因素对电池老化的影响而对其进行评价的一种方法。特别是在日常生活中，由于信息的单一，消费者不能充分利用其生命周期的信息。为进一步提高电池的剩余寿命，促进新能源汽车电池系统的高效实施，保证新能源汽车的锂离子电池的安全运行。为了评价产品的使用寿命，提取其可靠度，研究其失效机制，必须进行寿命测试。

2.1经验模型法

经验模型方法是通过对锂电池的历史数据进行粗略的预测，并通过电池容量－时间、放电电压－时间、内阻－时间等参数对其进行粗略的预测。该方法不但计算模型简单，而且没有时域特性，主要基于外参量，可以有效地利用已有的时间序列数据，并具有很高的运算速度。然而，由于受负载、温度等因素的影响，需要大量的数据，而且计算精度不高，难以准确地反映电池的工作性能和使用寿命。另外，由于许多统计模式在预测不同阶段的资料时，往往需要不断地进行更新和重新训练，因而造成了大量的工作量。

在实际预报中，由于采用不同的预测方法，对相同的资料进行了不同的预报，有时会出现较大的差异。这是因为，在进行预报时，必然会出现一些偏差，使得各层次的预报结果无法统一。由于传统的预测方法只考虑了局部的影响，预报的准确性和时间都很短，而且只能用于某一特定的线路，有很大的应用限制。因此，可以利用多种预报模式进行联合预报，从而有效地克服和克服单个预报方法和模式的缺陷，提高预报的准确性。

2.2经验退化模型法

基于经验退化模型的 RUL预测方法，综合电池使用条件、退化机理和故障机理，以及电池的老化等因素，进行了 RUL预测。然后，根据这一理论，构建了退化机制和经验退化模型。典型的模型包括恒阻抗模型、恒电流模型、功率模型和三种模型的结合。

RUL法是基于电化学反应的一种基于电化学反应的方法，但由于电化学系统复杂、非线性，其模型参数复杂、动态精度差，同时还需大量的试验数据，且受到环境、负荷等因素的制约，很难在线上实时应用。研究表明，传统的电力预报方法存在着一定的缺陷，其预报准确率较低，预测结果偏向于理论化，而且仅能对0~72小时的短时、15分钟进行短时、15分钟的超短期功率预测，无法对锂离子电池进行长期的电力预测。

2.3数据驱动法

数据驱动法不需要考虑电池的电化学机制和电池的劣化，也不需要建模，比传统的模型方法简单，而且具有很大的通用性，可以根据电池的性能和状态监控数据，直接寻找 RUL的变化规律。利用电池工作时的故障数据和性能恶化数据（电压、温度、电流、内阻等），对电池故障数据或性能恶化数据中所隐藏的电池性能恶化因素演化规律以及电池的健康状况进行分析和挖掘。

由于本研究不涉及锂离子电池的电化学反应和失效机制，因此所需的数据量较大，且受初始参数的影响较大。与传统的计算方法相比，该算法具有很好的实用性和易用性。该方法不需要太多的专业知识，可以很容易地将其用于其他重要参数的实时预测，因此该方法的推广应用非常广泛。然而，这种方法需要大量的电脑资源，而且受到当时电脑技术条件的制约，无法进行进一步的开发。

3结论

总之，本文将对锂离子电池的状态进行评估，并对其寿命进行预测，了解其寿命预测方法，进一步优化其理论结构，最后对其性能进行综合判断，以便更好地了解其工作状况，从而达到对蓄电池进行充放电控制和最佳管理，延长其使用寿命，拓宽其应用范围的目的。

参考文献

[1] 董汉成, 凌明祥, 王常虹,等. 锂离子电池健康状态估计与剩余寿命预测[J]. 北京理工大学学报, 2015, 35(10):5.

[2] 胡慧敏. 车用锂离子电池健康状态估计及剩余寿命预测[D]. 长安大学.

[3] 周秀文. 电动汽车锂离子电池健康状态估计及寿命预测方法研究[D]. 吉林大学, 2016.

[4] 蔡艳平, 陈万, 苏延召,等. 锂离子电池剩余寿命预测方法综述[J]. 电源技术, 2021.