吳小嶺

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

關(guān)鍵詞：電動(dòng)汽車;鋰離子電池;電池壽命;預(yù)測(cè)方法

0 引言

近年來(lái)，環(huán)境污染、能源短缺等問(wèn)題嚴(yán)峻化，對(duì)于電動(dòng)汽車行業(yè)來(lái)說(shuō)，應(yīng)持續(xù)供應(yīng)清潔、無(wú)污染，且壽命循環(huán)的動(dòng)力源。動(dòng)力鋰離子電池既能滿足環(huán)境保護(hù)、資源節(jié)約需求，又能提升電動(dòng)汽車性能?；诖耍瑒?dòng)態(tài)預(yù)測(cè)鋰離子電池壽命，得出真實(shí)、可靠的預(yù)測(cè)結(jié)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(shí)長(zhǎng)判斷依據(jù)主要是健康狀態(tài)，一般來(lái)說(shuō)，電池實(shí)際容量為稱重容量百分之八十，則電池壽命終結(jié)，換言之，電池健康狀態(tài)小于0.8，同樣說(shuō)明電池能源被消耗殆盡[1]?；谀芎乃p機(jī)理分析，總結(jié)得出影響電池健康狀態(tài)的因素?；谡龢O視角分析，材料結(jié)構(gòu)出現(xiàn)集流體溶解、電解質(zhì)分離、導(dǎo)電劑氧化或脫離等現(xiàn)象，使得材料效用大打折扣;基于負(fù)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(zhì)界面出現(xiàn)電量衰減反應(yīng)，充電、放電環(huán)節(jié)會(huì)產(chǎn)生SEI膜，該膜作用體現(xiàn)在副反應(yīng)物被不同程度溶解方面。基于使用視角分析，電池使用溫度、充放電頻次與時(shí)長(zhǎng)均是影響壽命狀態(tài)的重要因素。此外，結(jié)構(gòu)設(shè)計(jì)、管理方法等因素對(duì)鋰離子電池性能和壽命周期有關(guān)鍵性影響。及時(shí)、準(zhǔn)確判斷鋰離子電池壽命，使電池?fù)Q新工作有效進(jìn)行，實(shí)際上，電池性能的常態(tài)發(fā)揮，能為電動(dòng)產(chǎn)品提供充足動(dòng)力，進(jìn)而更好地服務(wù)于生產(chǎn)、生活。

2 電動(dòng)汽車動(dòng)力鋰離子電池性能估算法

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

2.1 定義法估算電池性能

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

2.2 內(nèi)阻法估算電池性能

工作人員構(gòu)建電池健康狀態(tài)與電池內(nèi)阻間關(guān)系，據(jù)經(jīng)驗(yàn)總結(jié)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(shí)際估算時(shí)，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(xué)阻抗法估算電池性能

以正弦信號(hào)增加的方式，測(cè)得電池運(yùn)行階段的聲響情況，與此同時(shí)，獲取并分析價(jià)值信息，并借助模糊理論動(dòng)態(tài)測(cè)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(jié)電池內(nèi)外部特性，以便為模型構(gòu)建提供特征信息，保證模型實(shí)用性和有效性。以現(xiàn)今電動(dòng)汽車動(dòng)力鋰離子電池市場(chǎng)需求為導(dǎo)向，并尊重由電池健康狀態(tài)動(dòng)態(tài)改變導(dǎo)致電池健康值估算難度提高這一事實(shí)，視情況構(gòu)建適宜模型。一般來(lái)說(shuō)，經(jīng)驗(yàn)?zāi)Ｐ?、人工神?jīng)網(wǎng)絡(luò)模型較常見(jiàn)，對(duì)于經(jīng)驗(yàn)?zāi)Ｐ停唇柚鷮?shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)環(huán)節(jié)參數(shù)變化規(guī)律進(jìn)行數(shù)學(xué)方程構(gòu)建，為電池工況動(dòng)態(tài)管控提供依據(jù)[2]。對(duì)于后者網(wǎng)絡(luò)模型，主要以人體神經(jīng)元模擬這一方式建立數(shù)學(xué)模型，經(jīng)節(jié)點(diǎn)網(wǎng)絡(luò)搭建，獲取電池健康狀態(tài)估算值。兩種模型對(duì)比而言，后者具有便捷、高效、高精度等優(yōu)點(diǎn)。

3 電動(dòng)汽車動(dòng)力鋰離子電池壽命預(yù)測(cè)方法

動(dòng)力鋰離子電池在不同工況下使用，其電池壽命衰減機(jī)理具有不確定性。針對(duì)電動(dòng)汽車中動(dòng)力鋰離子電池進(jìn)行壽命預(yù)測(cè)，根據(jù)預(yù)測(cè)值調(diào)整修正方案，盡可能延長(zhǎng)電池壽命終值，使電能資源最大化利用，從而減少電動(dòng)汽車生產(chǎn)成本，逐步提高電池自適應(yīng)性，保證電動(dòng)汽車運(yùn)行的穩(wěn)定性。

3.1 卡爾曼濾波預(yù)測(cè)法

卡爾曼濾波法問(wèn)世時(shí)間早，這一傳統(tǒng)方法在電池壽命預(yù)測(cè)環(huán)節(jié)積累了豐富經(jīng)驗(yàn)，所得到的預(yù)測(cè)結(jié)果具有較高參考價(jià)值，能為電池修正模式調(diào)整提供新思路，實(shí)現(xiàn)電池壽命周期延長(zhǎng)、電動(dòng)汽車穩(wěn)態(tài)運(yùn)行的良好效果。該方法應(yīng)用步驟總結(jié)為：經(jīng)系統(tǒng)輸入觀測(cè)數(shù)據(jù)→輸出觀測(cè)數(shù)據(jù)→測(cè)評(píng)系統(tǒng)狀態(tài)→得出最優(yōu)估計(jì)值。這項(xiàng)方法憑借信號(hào)穩(wěn)定、信號(hào)真實(shí)等特點(diǎn)傳遞反饋信息，為電池壽命研究方法改進(jìn)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(shí)驗(yàn)方式對(duì)其進(jìn)行可行性驗(yàn)證，即通過(guò)等效模型建立、空間狀態(tài)方程構(gòu)建，順利完成電池健康狀態(tài)檢測(cè)，得出高精度估算值。

3.2 標(biāo)準(zhǔn)粒子濾波預(yù)測(cè)法

標(biāo)準(zhǔn)粒子濾波方法與常規(guī)粒子濾波算法相比，具有耗時(shí)短、估算誤差小、計(jì)算程序簡(jiǎn)便等優(yōu)點(diǎn)，滿足新時(shí)期電動(dòng)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(dòng)力。標(biāo)準(zhǔn)粒子濾波預(yù)測(cè)法應(yīng)用時(shí)，即在狀態(tài)空間中獲得隨機(jī)樣本，近似表示概率密度函數(shù)，為最小方差精準(zhǔn)測(cè)算做足準(zhǔn)備工作。即便狀態(tài)空間模型動(dòng)態(tài)變化，仍能借助粒子集表示概率法，足以見(jiàn)之，粒子集具有較強(qiáng)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(yù)測(cè)中有一定的優(yōu)越性，主要是因?yàn)樗鼘⒗碚撝R(shí)和技術(shù)實(shí)踐相結(jié)合，一定程度上滿足動(dòng)態(tài)跟蹤需求，最終得出具有參考價(jià)值的預(yù)估值。放眼長(zhǎng)遠(yuǎn)，動(dòng)力鋰離子電池壽命預(yù)測(cè)要求不斷提高，這無(wú)疑對(duì)粒子濾波預(yù)測(cè)法實(shí)踐提出較高挑戰(zhàn)，一旦微小粒子持續(xù)參與迭代計(jì)算，則計(jì)算成本相應(yīng)增加;當(dāng)個(gè)別粒子被賦予粒子權(quán)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(duì)于預(yù)測(cè)人員來(lái)說(shuō)，應(yīng)適時(shí)參與標(biāo)準(zhǔn)粒子濾波預(yù)測(cè)法改進(jìn)，使其在動(dòng)力鋰離子電池壽命預(yù)估中發(fā)揮實(shí)用性。

3.3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法

神經(jīng)網(wǎng)絡(luò)估算法是網(wǎng)絡(luò)信息時(shí)代發(fā)展的產(chǎn)物，這一方法能夠在短時(shí)間內(nèi)測(cè)得電動(dòng)汽車動(dòng)力鋰離子壽命狀態(tài)，且得出的預(yù)估值具有高精度、高參考價(jià)值等優(yōu)勢(shì)。以LMBP神經(jīng)網(wǎng)絡(luò)估算法為基礎(chǔ)，在專業(yè)人員指導(dǎo)下順利完成鋰離子電池壽命狀態(tài)預(yù)測(cè)任務(wù)，這既能積累神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法應(yīng)用經(jīng)驗(yàn)，又能滿足電池健康狀態(tài)實(shí)時(shí)預(yù)測(cè)、精準(zhǔn)判斷等需求。其中，標(biāo)準(zhǔn)BP算法、LM算法基于標(biāo)準(zhǔn)數(shù)值實(shí)現(xiàn)技術(shù)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(luò)訓(xùn)練。

3.4 螢火蟲(chóng)算法

這一算法屬于智能隨機(jī)優(yōu)化算法，以模擬螢火蟲(chóng)群體行為、分析信號(hào)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(guò)優(yōu)化粒子濾波消除小權(quán)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(biāo)準(zhǔn)粒子濾波預(yù)測(cè)法相比，螢火蟲(chóng)算法具有較強(qiáng)的互補(bǔ)作用，能夠大大提高電池壽命狀態(tài)預(yù)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(biāo)，即結(jié)合粒子濾波算法的工作機(jī)制，相應(yīng)調(diào)節(jié)螢火蟲(chóng)亮度及位置，以此降低運(yùn)算復(fù)雜度，縮短運(yùn)算時(shí)間，使濾波精度大大提高。當(dāng)上述調(diào)節(jié)工作得當(dāng)，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(shí)現(xiàn)高精度電池壽命預(yù)估。足以見(jiàn)之，螢火蟲(chóng)算法適時(shí)優(yōu)化，能夠提高運(yùn)算實(shí)時(shí)性、簡(jiǎn)化運(yùn)算流程，為鋰離子電池壽命精準(zhǔn)預(yù)測(cè)提供優(yōu)質(zhì)服務(wù)。

4 結(jié)論

綜上所述，電動(dòng)汽車行業(yè)以迅猛之勢(shì)發(fā)展，為落實(shí)能源節(jié)約、環(huán)境保護(hù)戰(zhàn)略，勢(shì)必要全面、精準(zhǔn)預(yù)估電池健康狀態(tài)預(yù)測(cè)工作，使鋰離子電池健康狀態(tài)調(diào)節(jié)工作有的放矢。新時(shí)期下，卡爾曼濾波預(yù)測(cè)法、標(biāo)準(zhǔn)粒子濾波預(yù)測(cè)法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、螢火蟲(chóng)算法具有較強(qiáng)實(shí)用性，根據(jù)鋰離子電池壽命預(yù)測(cè)需要，聯(lián)用兩種或兩種以上預(yù)測(cè)法，能夠提高鋰離子電池能源利用率。

參考文獻(xiàn)：

[1]田君，高洪波，張躍強(qiáng).電動(dòng)汽車動(dòng)力鋰離子電池壽命預(yù)測(cè)方法研究[J].電源技術(shù)，2020，44（5）：767-770.

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