陳 滿，李勇琦，劉邦金，王 浩

（1.中國南方電網(wǎng)調(diào)峰調(diào)頻發(fā)電公司，廣東 廣州 510630；2.杭州高特電子設(shè)備有限公司，浙江 杭州 310012）

鋰電池健康狀態(tài)監(jiān)測與評價技術(shù)研究

陳 滿1，李勇琦1，劉邦金1，王 浩2

（1.中國南方電網(wǎng)調(diào)峰調(diào)頻發(fā)電公司，廣東 廣州 510630；2.杭州高特電子設(shè)備有限公司，浙江 杭州 310012）

研究了影響鋰電池健康狀態(tài)的各種因素，提出了一種新的荷電狀態(tài)預估算，結(jié)合了不同開路時間下的開路電壓修正，以及充放電過程中的區(qū)域性修正，同時也提出了一種Levenberg-Marquardt優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法，并驗證了算法的有效性。

鋰電池；健康狀態(tài)；開路電壓；區(qū)域修正；神經(jīng)網(wǎng)絡(luò)

1 引言

隨著社會的發(fā)展，環(huán)境問題越來越得到重視。在經(jīng)濟高速發(fā)展的過程中，需要在保護環(huán)境的同時合理利用不可再生資源。儲能系統(tǒng)、電動汽車等正是由此而產(chǎn)生和發(fā)展的社會產(chǎn)品。在我國，國內(nèi)領(lǐng)先企業(yè)和研究單位已經(jīng)在進行大容量儲能系統(tǒng)的研制。國內(nèi)第一個MW級電池儲能站深圳寶清電池儲能站也投入了運行。由于前期各個研究機構(gòu)主要集中在大容量電池的研發(fā)上，忽視了鋰電池的監(jiān)測技術(shù)以及大容量儲能電池堆的運行維護技術(shù)。為了儲能系統(tǒng)的健康高效的使用，除了提高鋰電池本身工藝等性能外，最重要的就是鋰電池如何被有效地使用，最大限度的提高鋰電池的使用壽命，這一目標為我們研究電池健康狀態(tài)的監(jiān)測與評價技術(shù)指出了方向。電池的健康狀態(tài)主要有兩個方面，①電池的SOC狀態(tài)，即荷電狀態(tài)[1]，②電池的SOH狀態(tài)，即健康狀態(tài)。通過對SOC與SOH評價，可以淺顯的告訴使用者當前電池的剩余容量是多少，還能使用多少時間，同時有效地控制充電放電策略。當各個指標出現(xiàn)不同的變化時，使用者應該采取相應措施對電池進行維護，最終達到儲能電站合理、高效、長期的運行。

2 研究現(xiàn)狀

現(xiàn)有涉及到SOC的計算方法一般有以下幾種：①開路電壓測量法，鋰電池開路電壓與SOC有一定的正比關(guān)系，故通過測量電池的開路電壓來估算SOC[2]；但是，實際使用中比較難獲取到穩(wěn)定的電壓進行估算，且在電壓平穩(wěn)階段估算誤差比較大。②電量累積法，即安時積分法[3]，在初始SOC下通過累積電池在充電或放電過程中的電量來估測電池的SOC，采用積分法實時計算充入電池和從電池放出的電量；但是會隨著時間的推移以及采集誤差導致SOC誤差越來越大，且初始的SOC難以確定。③測量內(nèi)阻法，使用不同頻率交流電測量電池的交流電阻，并通過建立的計算模型得到SOC估計值；但是只反映了電池在某特定恒流放電條件下的SOC，且這種方法實現(xiàn)比較困難，在電池開路狀態(tài)還是充放電過程中進行交流阻抗測量存在爭議，電池管理系統(tǒng)中較少應用這種方法來確定電池的荷電狀態(tài)。④通過簡單的數(shù)學模型[4-5]來計算，建立電池多種數(shù)據(jù)與SOC的線性模型，但是，對一些不確定的充放電情況，會出現(xiàn)惡劣的結(jié)果，同時建模的效果不確定。

3 反映鋰電池健康狀態(tài)的因素

電池本身是一個復雜的電化學體系，其健康狀態(tài)與制造工藝、內(nèi)部活性物質(zhì)、電極材料、運行環(huán)境等因素都息息相關(guān)。目前使用的鋰電池是密封結(jié)構(gòu)，無法得知內(nèi)部的情況，只能采集到表面數(shù)據(jù)，如單體電壓、組電流、均衡電流、單體溫度、環(huán)境溫度等數(shù)據(jù)，一般只能通過上述數(shù)據(jù)來預估電池情況、判斷電池健康狀態(tài)。

根據(jù)經(jīng)驗以及實驗所采集的電池數(shù)據(jù)，從中我們分析并提取出了可以反映出電池健康狀態(tài)（SOC、SOH）的因素[6]。

3.1 開路電壓

鋰離子電池的端電壓在其充放電過程中變化較大。所以，我們無法在運行過程中利用端電壓估計電池的剩余容量。但是，當電池斷電后（即靜止后），其開路電壓隨著時間的延長會逐漸趨于穩(wěn)定，這時穩(wěn)定的開路電壓與其容量的關(guān)系較為明確，如圖1。

圖1 某磷酸鐵鋰電池的開路電壓與SOC的關(guān)系

隨著鋰電池極化電壓的逐漸消除，開路電壓趨于穩(wěn)定，這時穩(wěn)定的開路電壓就能表征其內(nèi)部容量。根據(jù)大量的實驗數(shù)據(jù)驗證得到，不同鋰電池開路電壓與SOC的關(guān)系是不同的，但特定鋰電池在不同的溫度環(huán)境，充放電狀態(tài)，不同老化程度以及不同的放電倍率下都表現(xiàn)出良好的一致性。

3.2 環(huán)境溫度

磷酸鐵鋰電池的特性與環(huán)境溫度緊密相關(guān)。磷酸鐵鋰電池的容量在低溫下迅速降低，在高溫下上升，高溫下的容量變化速度明顯小于低溫下的容量變化速度；隨溫度上升，充電和放電過程的歐姆內(nèi)阻、極化內(nèi)阻均下降，溫度不同時電池的歐姆內(nèi)阻變化率高于極化內(nèi)阻變化率，低溫下歐姆內(nèi)阻的變化率大于高溫下的變化率；電池在放電過程中會因為內(nèi)部損耗而產(chǎn)生熱量，引起電池內(nèi)部溫度的升高。鋰電池的溫度變化會引起電池內(nèi)阻、電池容量及充放電效率的抖動。若溫度過低，電池內(nèi)阻迅速變大，電池容量衰減明顯。因此，在對電池進行容量診斷時需要考慮溫度的影響。

3.3 自放電

電池充滿電后，在常溫放置條件下，與外界電路沒有接觸，由于內(nèi)部反應其電容量會自然衰減。電池蓄電容量減少的量與額定容量的比例稱為自放電率，以每月或每年容量損失的百分數(shù)表示。鋰電池的自放電率一般較低。隨著鋰電池使用時間的增加，電池內(nèi)部損耗變大，自放電率逐漸變大，單體電池間自放電率不同造成電池組容量衰減變快，進而縮短電池的使用壽命。

3.4 循環(huán)次數(shù)

多次循環(huán)后電池的性能下降，如圖2所示：

圖2 多次循環(huán)后電池的性能變化情況

另外電池組在實際循環(huán)中，盡管每個單體電池嚴格篩選，但是，由于串聯(lián)組合上的接觸電阻及隨著循環(huán)各單體電池端電壓的不一致性現(xiàn)象，導致電池組的壽命大幅下降。

3.5 充放電倍率

電池組的充電方式、放電功率和放電深度不同對電池壽命的影響不同。過充電、過放電都將嚴重影響電池組的使用壽命；深放電工況下的電池組循環(huán)壽命比淺放電工況下的電池組壽命短；充放電功率超出最佳充放電電流也會影響電池組使用壽命。因此，長期大電流、深放電的工作特性決定電池組的容量衰減系數(shù)較大。

3.6 電池運行狀況

電池長期運行的工況對電池健康狀態(tài)的影響很大。如電池長期靜置，不間斷大電流充放電，頻繁間斷式充放電等。

4 鋰電池SOC分析模型

以下研究是通過實驗分析得到實時的電池容量診斷模型，通過安時積分法計算鋰電池能量的累積，并在一定條件下利用開路電壓法對SOC進行修正。電池SOC誤差過大時會啟動區(qū)域性修正。區(qū)域性修正是根據(jù)充放電過程中不同區(qū)域的電池特征進行的一些修正。在開路過程中，在特定條件下，利用開路電壓法對SOC進行修正，同時考慮了不同開路時間的影響。

首先，對于初始SOC獲取，當沒有其他數(shù)據(jù)參考的情況下，一般只能通過電壓來獲取初始SOC，而其中使用穩(wěn)定后的開路電壓是較好的方案；但是，在實際中這樣的條件是比較難滿足的，比如初始條件不在靜置狀態(tài)，開路電壓也并未穩(wěn)定等等。

如使用開路電壓與SOC的關(guān)系曲線獲得SOC，當鋰電池處于開路狀態(tài)的時間間隔過短時，由于極化電壓較大會導致結(jié)果誤差較大；所以一種方法是可以等穩(wěn)定后的電壓進行計算，也可以根據(jù)實驗數(shù)據(jù)利用電池放電或充電后開路電壓回升或下降的短時變化來判定電池SOC，如圖3，無需等到開路電壓穩(wěn)定后進行SOC計算，做到在短時間內(nèi)簡單有效的判斷電池的SOC情況。

圖3 放電至不同SOC后開路電壓的變化曲線

其次，應用安時積分法對工作狀態(tài)中的鋰電池SOC進行計算。其基本思想是把不同電流下的放電電量等效成某個特定電流下的放電電量，再根據(jù)剩余電量來判定SOC。等效放電電量公式如下：

t：充放電時間，即 t1，t2的時間間隔；λ：不同充放電的修正系數(shù)；I：充放電電流。

t2時刻的SOC2計算公式如下：

SOC1是t1時刻的荷電狀態(tài)，C0是鋰電池在充滿電后以標定的電流恒流放電所具有的容量。

在安時積分法中由于電池自放電、充放電效率問題，設(shè)備采集頻率和設(shè)備采集精度等問題，誤差不斷積累、SOC估計值最終可能嚴重偏離實際值，因此，我們在利用安時積分法記錄電池的容量變化的同時，有選擇性的在開路狀態(tài)下對電池SOC進行修正。當SOC在0%～30%或90%～100%范圍內(nèi)時，開路電壓值的變化比較大，有比較明顯的正比關(guān)系，此時進行修正較合適。得到開路電壓穩(wěn)定時間的計算如下：

我們可以試驗得到不同的倍率下基于不同SOC的開路電壓穩(wěn)定時間及開路電壓值，針對特定SOC開路電壓穩(wěn)定時間及開路電壓值的計算公式如下：

Ti是特定SOC下第i種倍率下的開路電壓穩(wěn)定時間；

n為有n種試驗倍率；

為了更好的修正SOC，本文提出了一種區(qū)域性修正方法，該方法是指根據(jù)充放電過程中的充放電電流、溫度、電壓等數(shù)據(jù)在符合特定條件的時候?qū)﹄姵亟M中的各單體電池SOC進行修正。

由于電壓的采集精度及電池的工藝問題，即使充放電電流及溫度保持一致的前提下，電壓值對應的SOC值也存在波動，特別在電壓平臺區(qū)間，電壓值細微波動時，對應的SOC的值會發(fā)生較大波動，所以，為了提高SOC的修正精度，可以選擇特定電壓區(qū)間進行修正，確保在該電壓區(qū)間內(nèi)電壓采集及電池工藝差異導致的電壓誤差不會造成SOC的波動。

圖4為180Ah電池在常溫下0.3C的放電特征曲線，可以明顯發(fā)現(xiàn)，當電壓小于3.2V時，隨著SOC的下降電壓的下降速率越來越大，即在單位時間內(nèi)電壓的變化較大，SOC的變化較小。

圖4 鋰電池0.3C放電電壓與SOC對應曲線

圖5為180Ah電池在常溫下0.3C的充電特征曲線，磷酸鐵鋰電池在快充滿電時（SOC>90%），鋰離子幾乎完全從正極脫嵌到負極，電池端電壓會快速上升，出現(xiàn)充電曲線的上翹現(xiàn)象，同時SOC的增長速率較?。辉诔潆姵跗冢⊿OC<20%），隨著電壓的快速上升，SOC的增長速率較小。因而在上述兩種情況下可進行單體電池SOC的修正，準確度較高。

圖5 鋰電池0.3C充電電壓與SOC對應曲線

5 鋰電池SOH分析模型

鋰電池的壽命狀態(tài)SOH與多種因素有關(guān)，為了準確預測電池壽命狀態(tài)，必須弄清楚能體現(xiàn)SOH的特征參數(shù)。通過上文的研究，鋰電池SOH與很多因素有關(guān)，是一個既重要又難以估計的電池狀態(tài)。要準確預測電池的SOH，就需要將上述特征變量準確估計，依靠特征參數(shù)值的變化來推測電池的健康狀況。這其中有些特征隨著電池壽命的衰減變化明顯，有些則變化較緩慢。

通過采集得到數(shù)據(jù)主要有以下幾種：溫度、電壓、電流等。我們通過對鋰電池電壓、溫度、電流等實時數(shù)據(jù)進行關(guān)聯(lián)分析，同時考慮電池組的總充電容量及總放電容量、使用時間、循環(huán)次數(shù)、使用環(huán)境等因素，可以實現(xiàn)鋰電池健康狀態(tài)的評估。

5.1 Levenberg-Marquardt優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

本文中我們使用基于Levenberg-Marquardt優(yōu)化BP神經(jīng)網(wǎng)絡(luò)[7]計算SOH。其網(wǎng)絡(luò)具體結(jié)構(gòu)如圖6。

圖6 網(wǎng)絡(luò)結(jié)構(gòu)圖

計算過程介紹如下：

（1）設(shè)置初始權(quán)值和閥值；

（2）計算輸出及隱層的狀態(tài)，勵函數(shù)為Sigmoid函數(shù)；

（3）判斷誤差，修正權(quán)值和閾值，當誤差達到設(shè)定的預期值，結(jié)束循環(huán)，輸出結(jié)果。

（4）Levenberg-Marquardt修正方法

對權(quán)值和閾值進行修正具體的方法如下：

式中：

H：Hessian 矩陣；diag[H]：Hessian 矩陣的對角矩陣；λ：根據(jù)訓練誤差而改變的變量參數(shù)，范圍[10-6,106]；d：修正參量的下降梯度。

5.2 網(wǎng)絡(luò)應用

通過上述的研究，我們對單體電池設(shè)計了多種實驗進行數(shù)據(jù)的提取。

表1 進行電池組循環(huán)壽命實驗的不同因素取值表

通過以上的實驗來獲取所需要的數(shù)據(jù)，下面主要舉例說明電池各項特征的提取方式：

（1）通過文獻以及前期的部分研究，開路電壓與電池容量有一定的相關(guān)性。同時，低溫下的荷電狀態(tài)—開路電壓曲線低于高溫下的曲線，但總體上，曲線受溫度的影響并不顯著。開路特征可以表現(xiàn)為鋰電池的開路電壓與其自身初始開路電壓的比值。

（2）鋰電池溫濕度系數(shù)特征的得?。和ㄟ^實驗可以建立電池容量衰減與溫度濕度的關(guān)系。

（3）鋰電池循環(huán)系數(shù)特征的得?。河捎陔姵卦谶\行過程中無法做到實驗環(huán)境中標準循環(huán)，我們需要通過不同電流實驗，將運行過程中的充放電轉(zhuǎn)換成標準系數(shù)。

（4）通過靜置實驗來獲取電池的自放電對容量的損害。

（5）其他存在的特征量。

通過該方法對鋰電池電壓、溫度、電流、內(nèi)阻等實時數(shù)據(jù)進行關(guān)聯(lián)分析，實現(xiàn)鋰電池性能評估；最終可以得到一個SOH的函數(shù)：

6 算法驗證

本文為了驗證電池SOC預估算法的有效性，搭建的電池組環(huán)境為一個12節(jié)鋰電池組，該電池的額定容量為180Ah，平臺電壓為3.2V；測試了一個放電過程驗證SOC預估算法的有效性，記錄放電開始時刻及結(jié)束時刻的SOC真實值，放電倍率為0.5C，放電時間為75min。放電過程中電池組對應的電壓曲線如圖7；放電過程中電池組中各單體電池對應的SOC變化曲線如圖8。

圖7 放電電壓曲線

圖8 放電SOC曲線

對上述實驗記錄的實驗數(shù)據(jù)進行分析整理得到SOC誤差的變化趨勢，如表2所示。

由表2可以看出，放電初始時刻誤差最大的第11節(jié)單體電池誤差為12%個SOC值，到了放電結(jié)束時刻縮減到2%個SOC值，同時第2節(jié)單體電池的SOC誤差也從11%縮減到了4%個SOC值，同時整個放電過程不存在SOC誤差擴大現(xiàn)象，由此可以明顯看出，上述提出的SOC預估算法合理有效，適合應用于電池組及電池堆容量診斷。

表2 放電初始及結(jié)束誤差數(shù)據(jù)

7 應用

本文中模型經(jīng)過大量的數(shù)據(jù)驗證，通過在線監(jiān)測設(shè)備獲取電池電壓、溫度、電流等實時數(shù)據(jù)，并將上述數(shù)據(jù)輸入模型計算，得到更加準確的電池荷電狀態(tài)及健康狀態(tài)。

利用電池的荷電狀態(tài)及健康狀態(tài)有效地挑選需要維護與替換的電池，提高電池組的整體利用效率，盡可能的釋放或存儲電池組的容量，提高電池堆、電池組的最大可用容量。同時可以指導儲能電站等環(huán)境下充放電運行策略，決定各電池組的充放電操作。從而避免電池的過負荷工作，有效地保護電池，延長使用壽命，節(jié)約成本。

[1]董婷婷.動力電池管理系統(tǒng)SOC標定方法研究[D].上海：同濟大學，2009.

[2]喬國艷.電動汽車管理系統(tǒng)的研究與設(shè)計[D].武漢：武漢理工大學，2006.

[3]ZHU Chunbo，WANG Tiecheng，HURLEY W G.A new state of charge determination method for battery[J]Journal of Harbin Institute of Technology,2004，11（6）.

[4]Kalhammer Fritz R.Hybrid Electric Vehicle Designs and their battery requirements[C]//.Proceedings of the first annual AABC（Advanced Automotive Battery Conference）,session 2.Las Vagas,Nevada:2001-02

[5]肖玉萍.混合動力電動汽車電池管理系統(tǒng)[D].北京：北方工業(yè)大學，2005.

[6]林成濤,王軍平，陳全世.電動汽車SOC估計方法原理與應用[J].電池，2004（5）.

[7]Looney C G.Fuzzy Petri Nets and Application[M]//Tzafestas S G.Fuzzy Reasoning in Information,Decission and Control System.Kluwer Academic Publishers,1994:511-527.

The research of Li-ion battery health monitoring and evaluation technology

CHEN Man1, LI Yong-qi1, LIU Bang-jin1, WANG Hao2

(1. CSG Power Generation Company, Guangzhou 510630, China;2.Hangzhou Gold Electronic Equipment Company, Hangzhou 310012, China）

The influence factors of Li-ion battery SOH are investigated and a new kind of SOC estimation algorithm has been put forward in this paper, which combines open-circuit voltage correction in different open time with the domain modification in the charge and discharge process. This paper also presents Levenberg-Marquardt optimization BP neural network algorithm, and the effectiveness of the algorithm has been demonstrated.

Li-ion battery; SOH; OCV; Domain modification; Neural networks

TM912

A

1672-5387（2015）S-0077-05

10.13599/j.cnki.11-5130.2015.S.023

2015-10-22

陳 滿（1973-），男，高級工程師，從事抽水蓄能電站機組檢修技術(shù)及電池儲能技術(shù)研究工作。