动力电池智能卷绕技术

doi:10.19799/j.cnki.2095-4239.2024.0167

摘要/Abstract

摘要：

在卷绕电芯质量的把控中，极耳对齐精度是一个极为复杂的影响因素，涉及多个工序的质量。为了解决电芯多极耳对齐精度差的问题，本文通过建立极耳位置模型，采用边缘闭环控制算法，对影响对齐精度的各项参数进行检测、矫正和控制闭环，为现有控制技术提供理论参考数据，实现极耳对齐精度的有效控制。同时，极耳位置模型可反映各项参数对极耳位置的影响方式以及极耳错位的表现方式，以便于研发人员理解各项参数对极耳错位的影响程度以及修正极耳错位的方式，并将其表现在控制方法中。仿真分析与实际控制工况的结合结果表明，所采取的控制方法对改善极耳位置有着较高的适应性，且模型也能准确反映出极耳位置的变化趋势。此外，本文进一步探讨了实现智能卷绕整体闭环的逻辑方法，进而优化整个卷绕工艺中的控制闭环，对最终实现卷绕工艺的质量闭环，提高电池性能质量以及生产效率的目标，有着重大的参考意义。

关键词: 动力电池, 极耳错位, 智能卷绕, 边缘闭环, 整体闭环

Abstract:

In the realm of wound cell quality control, tab alignment accuracy stands as a paramount yet intricate factor influencing multiple stages of the production process. To address the challenges associated with the alignment accuracy of multiple tabs in cells, this paper introduces a tab position model coupled with an edge closed-loop control algorithm. This approach facilitates the detection, correction, and control of various parameters impacting alignment accuracy, thus providing a theoretical foundation for enhancing existing control technologies and ensuring precise control over tab alignment. Furthermore, the tab position model elucidates the effects of diverse parameters on tab positioning and the manifestation of tab misalignment. This enables research and development personnel to gauge the impact of these parameters on misalignment and devise corrective strategies articulated through control methodologies. The synergy of simulation analysis and empirical control evaluations underscores the control method's adaptability in refining tab positioning, with the model accurately depicting the tab's positional dynamics. Additionally, this study delves into a logical framework for realizing a comprehensive closed-loop system in intelligent winding, aiming to optimize the control loop throughout the winding process. The insights gleaned hold substantial relevance for achieving a quality-centric closed-loop in winding operations, thereby enhancing battery performance and production efficiency.

Key words: power battery, tabs misalignment, intelligent winding, edge closed-loop, overall closed-loop

中图分类号:

TB 112

柯奥, 阳如坤, 吴学科. 动力电池智能卷绕技术[J]. 储能科学与技术, 2024, 13(4): 1176-1187.

Ao KE, Rukun YANG, Xueke WU. Intelligent winding technology of power batteries[J]. Energy Storage Science and Technology, 2024, 13(4): 1176-1187.

图/表 18

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

表1

表2

表3

表4

图14

参考文献 5

1	张红梅, 明五一, 彭碧, 等. 全自动锂离子动力电池卷绕机关键技术研究[J]. 机电工程技术, 2016, 45(5): 25-29.
	ZHANG H M, MING W Y, PENG B, et al. Research on the key technology of the automatic winding machine for lithium power battery[J]. Mechanical & Electrical Engineering Technology, 2016, 45(5): 25-29.
2	韦磊, 刘冯新. 极耳模切参数获得方法、多极耳电芯及卷绕方法、电池: CN116053556A[P]. 2023-05-02.
	WEI L, LIU F. Tab die cutting parameter obtaining method, multi-tab battery cell, winding method and battery: CN116053556A[P]. 2023-05-02.
3	张国帅, 朱金保, 于哲勋. 一种快速确定极耳间距尺寸的方法, 装置及电池生产系统: CN202211137991.9[P].2024-03-18.
	ZHANG G S, ZHU J B, YU Z X. A method, device, and battery production system for quickly determining the distance between poles and ears: CN202211137991.9 [P]. 2024-03-18.
4	花宇, 施凯霞. 方形电池卷芯极耳间距算法研究 [J/OL]. 电池工业, 2024. [2024-03-01].http://kns.cnki.net/kcms/detail/32.1448.TM.20240227.1814.002.html.
	HUA Y, SHI K X. Research on the algorithm for calculating the distance between the core and ear of square battery coils [J/OL] Battery Industry, 2024. [2024-03-01].http://kns.cnki.net/kcms/detail/32.1448.TM.20240227.1814.002.html.
5	阳如坤, 柯奥. 动力电池的智能制造[J]. 电池工业, 2023, 27(4): 163-169.
	YANG R K, KE A. Intelligent manufacturing of power battery[J]. Chinese Battery Industry, 2023, 27(4): 163-169.

根据正态分布计算 calculate based on normal distribution			根据平均数计算 calculate based on mean
正极厚度偏差/mm	负极厚度偏差/mm	概率	上隔膜厚度偏差/mm	下隔膜厚度偏差/mm	概率
0.003	0.003	1.15%	0.001	0.001	33.33%
0.002	0.002	7.85%	0	0	33.33%
0.001	0.001	23.85%	-0.001	-0.001	33.33%
0	0	34.30%	—	—	—
-0.001	-0.001	23.85%	—	—	—
-0.002	-0.002	7.85%	—	—	—
-0.003	-0.003	1.15%	—	—	—

情况占比	极组总体厚度偏差/mm	卷针直径变化量(最优)/mm	正极耳错位量(绝对值)(ABS)/mm	负极耳错位量(绝对值)(ABS)/mm	可行性 (小于7 mm)	合格率	可行性 (小于6 mm)	合格率
0.001%	0.008	-0.345	10.89	10.67		99.60%		97.95%
0.023%	0.007	-0.3	9.4	9.6
0.174%	0.006	-0.258	8.11	8.12
0.826%	0.005	-0.215	6.7	6.77	√
2.729%	0.004	-0.175	5.61	5.35	√		√
6.627%	0.003	-0.13	4.06	3.93	√		√
12.230%	0.002	-0.085	2.64	2.86	√		√
17.525%	0.001	-0.044	1.35	1.35	√		√
19.732%	0	0	0	0	√		√
17.525%	-0.001	0.044	1.35	1.35	√		√
12.230%	-0.002	0.085	2.64	2.86	√		√
6.627%	-0.003	0.13	4.06	3.93	√		√
2.729%	-0.004	0.175	5.61	5.35	√		√
0.826%	-0.005	0.215	6.7	6.77	√
0.174%	-0.006	0.258	8.11	8.12
0.023%	-0.007	0.3	9.4	9.6
0.001%	-0.008	0.338	10.89	10.67

情况占比	总体厚度偏差范围/mm	正极厚度变化范围/mm	正负极极耳错位边界范围/mm
0.13%	0.005	-0.0057～-0.0042	(-6.84/-5.60)～(5.17/6.41)
1.13%	0.004	-0.0047～-0.0032	(-6.53/-5.60)～(5.47/6.41)
4.78%	0.003	-0.0037～-0.0022	(-6.38/-5.60)～(5.63/6.41)
11.98%	0.002	-0.0028～-0.0012	(-6.87/-6.41)～(5.78/6.41)
20.09%	0.001	-0.0018～-0.0002	(-6.71/-6.41)～(6.10/6.41)
23.78%	0	-0.0008～0.0008	(-6.41/-6.41)～(6.16/6.41)
20.09%	-0.001	0.0008～0.0018	(-6.10/-6.41)～(6.71/6.41)
11.98%	-0.002	0.0012～0.0027	(-5.79/-6.41)～(6.22/5.60)
4.78%	-0.003	0.0022～0.0037	(-5.63/-6.41)～(6.38/5.60)
1.13%	-0.004	0.0032～0.0047	(-5.48/-6.41)～(6.53/5.60)
0.13%	-0.005	0.0042～0.0057	(-5.17/-6.41)～(6.84/5.60)

整体偏差值(除正极外) deviation (except for anode)	正极偏差值 anode deviation	极耳偏移量(＋/-) tab misalignment	卷针直径调节(最优) diameter change	调节后极耳偏差值(+/-) adjusted tab misalignment
0.006	-0.0042	14.42/12.85	-0.076	2.95/-2.88
0.007	-0.0042	22.43/20.86	-0.114	4.52/-4.12
0.008	-0.0042	30.44/28.56	-0.158	5.62/-5.71
0.009	-0.0042	38.45/36.25	-0.199	7.19/-7.09
-0.006	0.0038	-17.62/-16.05	0.09	-3.49/3.41
-0.007	0.0038	-25.64/-24.06	0.133	-4.74/4.80
-0.008	0.0038	-33.65/-31.76	0.175	-6.15/-6.25
-0.009	0.0038	-41.66/-39.46	0.216	-7.73/7.63

[1]	刘佳, 马志强, 刘广忱, 高俊东, 李宏勋. 多尺度分解下GRU-TCN集成的动力电池剩余使用寿命预测方法[J]. 储能科学与技术, 2024, 13(3): 1009-1018.
[2]	梁宏毅, 陈锋, 甘友毅, 邵丹. 动力锂电池三元正极低温性能研究[J]. 储能科学与技术, 2024, 13(1): 293-298.
[3]	赵光金, 李博文, 胡玉霞, 董锐锋, 王放放. 退役动力电池梯次利用技术及工程应用概述[J]. 储能科学与技术, 2023, 12(7): 2319-2332.
[4]	于会群, 胡哲豪, 彭道刚, 孙浩益. 退役动力电池回收及其在储能系统中梯次利用关键技术[J]. 储能科学与技术, 2023, 12(5): 1675-1685.
[5]	厉运杰, 张光雨, 祝维文, 闵远远, 饶成飞, 孙言飞, 徐庆庆. 基于壅塞流的动力电池防爆阀泄压特性的动态仿真[J]. 储能科学与技术, 2023, 12(3): 960-967.
[6]	常泽宇, 张之琦, 张晓东, 李丽, 郁亚娟. 基于数据驱动的动力电池健康状态评估平台[J]. 储能科学与技术, 2022, 11(6): 1847-1853.
[7]	周伟, 符冬菊, 刘伟峰, 陈建军, 胡照, 曾燮榕. 废旧磷酸铁锂动力电池回收利用研究进展[J]. 储能科学与技术, 2022, 11(6): 1854-1864.
[8]	王苏杭, 李建林, 李雅欣, 熊俊杰, 曾伟. 锂离子电池系统低温充电策略[J]. 储能科学与技术, 2022, 11(5): 1537-1542.
[9]	张孝远, 张金浩, 蒋亚俊. 基于改进TCN模型的动力电池健康状态评估[J]. 储能科学与技术, 2022, 11(5): 1617-1626.
[10]	王芳, 王峥, 林春景, 张国振, 张贵平, 马天翼, 刘磊, 刘仕强. 新能源汽车动力电池安全失效潜在原因分析[J]. 储能科学与技术, 2022, 11(5): 1411-1418.
[11]	刘春辉, 任宏斌. 基于SOC的动力电池组主动均衡研究[J]. 储能科学与技术, 2022, 11(2): 667-672.
[12]	陈桂泉, 沙盈吟, 赵威风, 邓业林. 动力电池老化诱发热失控机理仿真[J]. 储能科学与技术, 2022, 11(12): 3987-3998.
[13]	尹建光, 崔相宇, 李方伟, 臧玉魏, 彭飞. 基于自适应协同引导的电池组性能衰退参数辨识[J]. 储能科学与技术, 2022, 11(10): 3345-3353.
[14]	马天翼, 王伟哲, 林春景, 白广利, 韦振, 刘仕强. 磷酸铁锂电池多阶段利用可行性[J]. 储能科学与技术, 2022, 11(1): 119-126.
[15]	胡建, 林春景, 郝维健, 郑天雷. 动力电池标准体系建设现状及建议[J]. 储能科学与技术, 2022, 11(1): 313-320.