其他
【精彩论文】基于电压数据片段混合模型的锂离子电池剩余寿命预测与健康状态估计
观点凝练
摘要：锂离子电池剩余寿命预测及健康状态估计作为储能安全中最为核心的问题，其重要指标往往集中在电池的容量与内阻，但在实际工作中，测量容量需要完整的充放电周期，测量内阻多须外加设备。针对上述问题，基于锂离子电池恒流放电工况，将放电初始片段瞬时压降幅值作为新健康因子，在面对新健康因子数据受噪声污染时，通过多阶Bezier曲线对新健康因子数据进行重构降噪并与循环圈数构建电池经验退化模型；在此基础上，以电压片段来定义电池健康状态，提出新的健康状态评估模型；最后，通过NASA公开的老化数据集与实验平台验证了所提退化模型与估计模型的可行性与有效性。
结论：本文将锂离子电池恒流放电工况下放电初始片段瞬时压降幅值作为健康因子，并通过多阶贝塞尔曲线进行数据降噪；基于该压降幅值与循环圈数构建电池经验退化模型及新的健康状态估计模型，并通过一系列老化数据对退化与健康评估模型的可行性与有效性进行验证，得到如下结论。
1）通过相关性分析，放电初始片段瞬时压降幅值Δuohm与欧姆内阻呈现明显的正相关性，与放电容量Q呈现明显的负相关性，其幅值变化可以间接表现电池欧姆内阻的变化情况，替代容量作为新的健康因子。
2）基于瞬时压降幅值构建的经验退化模型具有良好的预测精度，且模型中未知参数易于辨识。
3）本文所述锂离子电池SOH估计手段，其结果与容量评估结果一致，但评估变化更为显著，灵敏度更高；其次，该估计手段只需要关注放电过程中初始放电片段数据即可，无须记录全冲全放过程，所需采样花费时间更短，减少无效数据。
需要说明的是，模型参数基于同批电池老化数据辨识而得，由于不同型号的电池内特性参数大小并不一致，其方法仅适用于同批电池；且工作状态需要固定，更适用于储能电站锂离子储能电池恒流削峰填谷的工况下的寿命评估与健康评价。针对上述不足，未来将对复杂工况下的信息提取做更深入的研究，更好地提取电池有效数据片段。
引文信息
岳家辉, 夏向阳, 蒋戴宇, 等. 基于电压数据片段混合模型的锂离子电池剩余寿命预测与健康状态估计[J]. 中国电力, 2023, 56(7): 163-174.YUE Jiahui, XIA Xiangyang, JIANG Daiyu, et al. Remaining useful life prediction and state of health estimation of lithium-ion batteries based on voltage data segment hybrid model[J]. Electric Power, 2023, 56(7): 163-174.往期回顾
◀【精彩论文】基于深度学习的智能变电站通信链路故障定位方法◀【精彩论文】继电保护装置缺陷文本专业词典构建及其语言特性分析◀【精彩论文】考虑源荷不确定性的氢能微网容量优化配置◀【精彩论文】惰转并网调相机同期系统定值整定及调整方法◀ “面向新型电力系统的城市电网关键技术”专题征稿启事◀【征稿启事】“分布式智能电网的规划、运行和电力交易”专栏征稿启事◀【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。