老化锂电池模组关键电池性能参数的量化分析

doi:10.19799/j.cnki.2095-4239.2021.0333

老化锂电池模组关键电池性能参数的量化分析

袁梓菡^,¹, 严晓^,²^,³, 杨涛¹

1.复旦大学信息科学与工程学院，上海 200433

2.香港大学香港量子人工智能实验室，香港 999077

3.上海玫克生储能科技有限公司，上海 201600

Quantitative analysis of key battery performance parameters of aging lithium battery module

YUAN Zihan^,¹, YAN Xiao^,²^,³, YANG Tao¹

1.School of information science and engineering, Fudan University, Shanghai 200433, China, Shanghai 201600, China

2.Hong Kong quantum Artificial Intelligence Laboratory, University of Hong Kong, Hong Kong 999077, China, Shanghai 201600, China

3.Shanghai MeiKeSheng Energy Storage Technology Co. Ltd. , Shanghai 201600, China

收稿日期: 2021-07-12 修回日期: 2021-07-26

Received: 2021-07-12 Revised: 2021-07-26

作者简介 About authors

袁梓菡（1996—），女，硕士研究生，研究方向为储能电池的量化分析、梯次利用，E-mail：1113648654@qq.com E-mail：1113648654@qq.com。

严晓，教授，研究方向为锂电池储能的数字化运维，E-mail：sean.x.yan@ms-battery.cn。 E-mail：sean.x.yan@ms-battery.cn。

摘要

退役的动力电池随着新能源电动汽车产业的加速发展而逐渐增多，为了对退役的锂电池进行评估、维护、梯次利用，本工作提出一种老化锂电池模组关键电池性能参数的量化分析研究方法，采用免拆解的“零时间成本”的快速检测方法，仅需要一次充电数据即可在单体层面上对内阻、相对充电时间差值和充电截止电压等关键电池参数(key battery parameter，KBP)进行表征，通过这些KBP的箱型图检测异常单体。基于容量增量(capacity increment，IC)曲线估算各单体的可充电容量以及放电截止时刻可继续放出容量，将其与异常单体对比，提出具体的维保建议，包括均衡、替换两种方式，并给出预期效果，即可以在维护前评估该维护措施的有效性，避免无效维护。本工作共进行了三次实验，均对单体层面关键电池参数进行了量化分析，实验一由于KBP异常存在于同一单体中，因此只能进行替换维护，通过容量计算，预计维护后可提升电池包放电容量12.57%；实验二由于KBP异常存在于不同单体中，因此可以进行均衡维护，通过容量计算，预计维护后可提升整体模组放电容量的35.9%；实验三由于各单体间差异性较小，部分KBP不存在异常值，因此无需采取维护措施。

关键词： 老化电池模组 ; 量化 ; 性能参数

Abstract

The number of retired energy storage batteries is gradually increasing with the rapid development of the new energy electric vehicle industry. To evaluate, maintain, and utilize retired lithium batteries, this study proposes a quantitative analysis method for the key battery performance parameters of an aging lithium battery module that adopts the “zero time cost” rapid detection method without disassembly. The key battery parameters (kbps), including the internal resistance, relative charging time difference, and charging cut-off voltage, can be characterized at the single-cell level by only one charging datum. The abnormal cells can then be detected by a box diagram of these kbps. The rechargeable capacity of each monomer and the continuous discharge capacity at the discharge cut-off time are estimated and compared with the abnormal monomer based on the capacity increment curve. Accordingly, specific maintenance suggestions are put forward, including equalization or replacement, and the expected effect is given, that is, the effectiveness of maintenance measures can be evaluated before maintenance to avoid an invalid maintenance. Three experiments were performed herein, and the kbps at the cell level were quantitatively analyzed. In Experiment 1, only a replacement maintenance can be conducted because an abnormal kbp exists in the same cell. A capacity calculation estimated that the discharge capacity of the battery pack can be increased by 12.57% after maintenance. In Experiment 2, a balanced maintenance can be performed because an abnormal kbp exists in different cells. The capacity calculation also estimated that the discharge capacity of the whole module can be increased by 35.9% after maintenance. Lastly, in Experiment 3, no abnormal value was found in some kbps due to the small difference among the monomers; hence, no maintenance measures were needed.

Keywords： aging battery module ; quantification ; performance parameters

PDF (1477KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

袁梓菡, 严晓, 杨涛. 老化锂电池模组关键电池性能参数的量化分析[J]. 储能科学与技术, 2022, 11(1): 221-227

YUAN Zihan. Quantitative analysis of key battery performance parameters of aging lithium battery module[J]. Energy Storage Science and Technology, 2022, 11(1): 221-227

随着新能源电动汽车产业的加速发展，退役的动力电池数量越来越多。这些不再被汽车使用的电池，如果直接拆解，虽然可以避免由于模组中单体电池性能差异造成的模组寿命快速削减，但会对资源造成极大的浪费。由于这些电池剩余容量大多在初始容量的60%～70%，因此可以通过量化分析其具体参数后对其进行评估、维护、梯次利用，而如何评估、维护这些储能电池，是梯次利用过程中亟待解决的问题^[1-2]。

目前对电池的评估主要依据其性能参数来进行量化分析。莫治波等^[3]利用三元体系锂离子电池电压与容量对应的关系，通过三元体系锂离子电池充放电截止电压计算出单个模组所需的充电或放电的容量，从而达到对三元体系锂离子电池进行评估、均衡的目的。该方法所涉及到的性能参数较少，但只适用于三元体系锂离子电池，而且通过该方法无法评估均衡后电池容量提升效果。王立业等^[4]通过充放电中期模组中各单体的电压差值来判断单体电池的不均衡性，并且通过电池充电中期的容量差来制定均衡策略以及计算均衡的时间。该方法在实施过程中可能需要多次均衡，在均衡之前也无法通过量化分析给出预期效果，很可能会是徒劳，而且该方法需要特定的装置，不易实现。韩江洪等^[5]通过判断电池与整体平均剩余容量变化一致程度将电池体质划分为3类，并基于单体电池剩余容量分配每类电池的均衡能量，从而实现对电池的评估、均衡。该方法前期体质划分需要大量、多次地判断来提高准确度，实现过程较复杂，而且均衡前无法通过量化分析给出预期效果。

针对以上方法所存在的弊端与难点，本文利用老化电池模组一次充电过程中的电压和时间，提出了一种通过关键电池性能参数进行量化分析、评估、维护的研究方法。其优点在于，不需要特定的装置，每个电池模组的关键性能参数均可以通过免拆解的“零时间成本”的快速检测方法求取，从而使得该研究方法不仅计算量小且容易实施，最终实现对老化电池模组进行量化分析与评估，并在维护之前通过量化分析给出预期的效果。

1 老化电池模组关键性能参数

电池模组经过多次充放电循环后，其中的单体电芯会表现出不一致性。根据短板效应，单体电芯的不一致性将会大大影响整个电池模组的电化学性能。为了研究单体电芯的一致性，检测异常单体，可以通过量化分析其性能参数来实现^[6-8]。

1.1　基于IC曲线的容量估算方法

容量增量曲线即是对原始充放电数据进行处理，得到容量电压微分数据，对于磷酸铁锂电池，容量电压微分采用dQ/dV，对于三元电池，容量电压微分采用 $d^{2} Q$ / $d V^{2}$ ，通过电压以及容量电压微分数据画出V-dQ/dV或者V- $d^{2} Q$ / $d V^{2}$ 曲线。假设模组在放电过程中最先达到截止电压的单体为j号，根据j号单体充电截止电压截取模组中满充单体电池的部分充电数据，可以将j号单体电池的充电数据补充完整，得到j号单体的V-SOC曲线^[9-10]，如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 j号单体V-SOC曲线图

Fig. 1 V-SOC curve of j

将V-dQ/dV曲线的横坐标电压V转换成SOC，得到SOC-dQ/dV曲线，如图2所示。随着电池的健康状态(state of health，SOH)逐渐下降，Ⅰ峰和Ⅱ峰所对应的SOC差值几乎不变。因此，同一模组中不同健康状态的单体的Ⅰ峰和Ⅱ峰所对应的SOC差值均可以用j号单体的SOC差值来替代。为了避免其他因素的影响，获取容量增量曲线的过程中还要保持温度、湿度、充放电电流对于同一模组的电池是一致的^[11-12]。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 不同SOH下容量增量曲线图

Fig. 2 Capacity increment curve under different SOH

1.2　模组中单体电芯的容量计算

1.1节中提到的容量估算方法不仅避免了对模组的拆解，而且无需使模组中的每个电芯都达到满充状态。假设i为模组中可放电容量最小单体，j为模组中可充电容量最小单体。

模组中电芯i目前总容量，即满充时容量的计算公式为

Q_{i, m a x} = 100 % \times ∆ Q_{i} / ∆ S O C_{j} (i = 1,2 \dots N)

(1)

其中， $∆ Q_{i}$ 为d $Q_{i}$ /dV(用于磷酸铁锂电池)、 $d^{2} Q_{i}$ / $d V^{2}$ (用于三元电池)中Ⅰ峰和Ⅱ峰之间的容量差， $∆ Q_{i} = |Q_{i 2} - Q_{i 1}|$ ， $∆ S O C_{j}$ 为j号单体的Ⅰ峰和Ⅱ峰所对应的SOC差值。

通过一次模组的充电数据以及 $Q_{m a x}$ 可计算模组中单体的其他相关容量，如下

充电截止时刻j号单体的SOC值，计算公式为

S O C_{j, e n d}

S O C_{j, Ⅱ p e a k} + \overset{t_{j, e n d}}{\int_{t_{j, Ⅱ p e a k}}} I d t / Q_{j, m a x}

(2)

其中， $S O C_{j, Ⅱ p e a k}$ 表示最大d $Q_{i}$ /dV(用于磷酸铁锂电池)、 $d^{2} Q_{i}$ / $d V^{2}$ (用于三元电池)峰所对应的SOC值， $t_{j, Ⅱ p e a k}$ 表示最大d $Q_{i}$ /dV(用于磷酸铁锂电池)、 $d^{2} Q_{i}$ / $d V^{2}$ (用于三元电池)峰所对应的时刻， $t_{j, e n d}$ 表示j号单体充电结束的时刻， $Q_{j m a x}$ 表示j号单体目前总容量。

j号单体可充电容量计算公式为

C_{j, c h a r g e}

\int_{t_{j, b e g i n}}^{t_{j, e n d}} I d t + (1 - S O C_{j, e n d}) \times Q_{j m a x}

(3)

其中， $t_{j, b e g i n}$ 、 $t_{j, e n d}$ 分别表示j号单体充电开始和结束的时刻， $S O C_{j, e n d}$ 表示充电截止时刻j号单体的SOC值， $Q_{j m a x}$ 表示j号单体目前总容量。

j号单体放电截止时刻可继续放出的容量计算式为

C_{j, d i s e n d}

Q_{j m a x} - C_{j, c h a r g e}

(4)

其中， $C_{j, c h a r g e}$ $表示 j 号单体可充电容量$ ， $Q_{j m a x}$ 表示j号单体目前总容量。

j号单体可放电容量计算式为

C_{j, d i s c h a r g e} = C_{j, d i s e n d} + \int_{t_{j, b e g i n}}^{t_{j, e n d}} I d t

(5)

其中， $C_{j, d i s e n d}$ 表示j号单体放电截止时刻可继续放出的容量， $t_{j, b e g i n}$ 、 $t_{j, e n d}$ 分别表示j号单体充电开始和结束的时刻。

i号单体相关容量计算式同理可得。此时，整个模组的充电容量为 $C_{j, c h a r g e}$ ，整个模组的放电容量为 $C_{i, d i s c h a r g e}$ ，而每个单体的 $\int_{t_{b e g i n}}^{t_{e n d}} I d t$ 均相同，因此整个模组的放电容量由最小 $C_{d i s e n d}$ 决定。

如图3所示，为单体电芯的相关容量示意图，其中深蓝色区域表示单体电芯不可充放电区间，灰色区域表示单体电芯放电截止时刻可继续放出的容量 $C_{d i s e n d}$ ，绿色区域表示单体电芯可充电容量 $C_{c h a r g e}$ 。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 单体电芯的相关容量示意图

Fig. 3 Schematic diagram of relevant capacity of single cell

1.3　模组中单体电芯的其他性能参数

不仅电芯的相关容量可以表示其一致性与否，还可以对其直流内阻、充电截止电压、满充的充电时间差值等性能参数进行量化分析，从而给出相应的评估、维护建议。

i号单体的充电截止电压 $U_{i, e n d}$ 即为充电截止时刻，i号单体两端的电压值。

i号单体的直流内阻计算式为

R_{i} = (V_{i, 10 s} - O C V_{i}) / I (i = 1, 2 \dots N)

(6)

其中， $V_{10 s}$ 表示第i个电芯在充电开始10 s后的两端电压， $O C V_{i}$ 表示第i个电芯的开路电压值，即静置时的电压值，I表示充电的恒定电流值。

i号单体满充的充电时间 $t_{i, f u l l}$ ，计算公式为

t_{i, f u l l} = C_{i, c h a r g e} / I

(7)

其中， $C_{i, c h a r g e}$ 表示i号单体可充电容量，I表示充电的恒定电流值。

i号单体满充的充电时间差值是相对于最短充电时间而言的，假设所有单体中最短充电时间为 $t_{m i n}$ ，则i号单体满充的充电时间差值 $∆ t_{i}$ = $t_{i, f u l l} - t_{m i n}$ 。

2 实验一与结果分析

2.1　测试对象及步骤

实验一采用的测试对象为万向的2并12串磷酸铁锂梯次电池包，电池包目前总容量为33.8 A·h，充、放电截止电压分别为3.6 V、2.7 V，充、放电电流分别为0.2 C、1 C。测试时选用arbin evts 600 V/300 A的测试设备及TU410-5温控箱，温度范围为-20 ℃～+130 ℃。整个测试过程中的温度为恒定的25 ℃，静置5 min，以1 C的电流对电池包进行放电至任一模组达到截止电压2.7 V，然后以0.2 C的电流对电池包进行充电至任一模组达到截止电压3.6 V，由此对电池包进行充放电循环。以相同的充放电循环测试步骤共进行2次测试。

2.2　关键性能参数的量化分析

取第二次测试数据中的充电数据，并根据1.3节的公式计算出模组中12个2并电池的部分相关性能参数。发现其充电截止电压如图4所示，2号电池的充电截止电压为异常值；电池包中各2并电池直流内阻如图5所示，发现2号电池的直流内阻为异常值；电池包中各2并电池满充的充电时间差值 $∆ t$ 如图6所示，发现2号电池的充电时间差值为异常值。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 12个单体的充电截止电压

Fig. 4 Cut off voltage of 12 batteries

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 12个单体的直流内阻

Fig. 5 DC internal resistance of 12 cells

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 12个单体的充电时间差值Δt

Fig. 6 Charging time difference of 12 cells

2.3　应用

根据2.2节中部分参数的分析，要想改善电池模组的整体性能，则需要对2号电池进行替换操作，从而提升整个电池模组的容量。经1.2节中相关容量公式计算，结果如图7所示，模组中最小的充电容量为 $C_{2, c h a r g e}$ =33.75 A·h，最小放电截止时可继续放出容量为 $C_{2, d i s e n d}$ =0，去掉或者替换2号电池为相同规格的健康电池后，此时模组中最小的充电容量为 $C_{5, c h a r g e}$ =42.85 A·h，最小放电截止时可继续放出容量为 $C_{5, c h a r g e}$ =4.1 A·h，可使得整个电池模组多充入电量9.1 A·h，提高电池包充电容量26.96%，可多放出电量4.1 A·h，提高电池包放电容量12.57%。此时所有箱型图中不再存在异常值。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 12个单体的相关容量示意图

Fig. 7 Schematic diagram of relevant capacity of 12 cells

3 实验二与结果分析

3.1　测试对象及步骤

采用的测试对象为国网的1并24串磷酸铁锂梯次电池包，容量为21.7 A·h，充、放电截止电压分别为3.6 V、2.7 V，充、放电电流分别为0.7 C、0.7 C。测试时选用青岛迪卡龙100 V/300 A的电池模块充放电测试系统及爱斯佩克电池模块环境模拟试验箱，温度范围为-40～+100 ℃。整个测试过程中的温度为恒定的25 ℃，静置5 min，以0.7 C的电流对电池包进行放电至任一模组达到截止电压2.7 V，然后以0.7 C的电流对电池包进行充电至任一模组达到截止电压3.6 V，由此对电池包进行充放电循环。以相同的充放电循环测试步骤共进行2次测试。

3.2　关键性能参数的量化分析

取第二次测试数据中的充电数据，并根据1.3节中的公式计算出模组中24个1并电池的部分相关性能参数。发现其充电截止电压如图8所示，3号电池的充电截止电压为异常值；电池包中各单体电池直流内阻如图9所示，发现15号电池的直流内阻为异常值。电池包中各单体电池满充的充电时间差值 $∆ t$ 如图10所示，发现13号电池的充电时间差值为异常值。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 24个单体的充电截止电压

Fig. 8 Cut off voltage of 24 batteries

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 24个单体的直流内阻

Fig. 9 DC internal resistance of 24 cells

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 24个单体的充电时间差值Δt

Fig. 10 Charging time difference of 24 cells

3.3　应用

根据3.2节中部分参数的分析，要想改善电池模组的整体性能，则需要对模组中的单体电池进行均衡操作，从而提升整个电池模组的容量。经1.2节中相关容量公式计算，结果如图11所示，模组中最小的充电容量为 $C_{3, c h a r g e}$ =32.11 A·h，最小放电截止可继续放出容量为 $C_{13, d i s e n d}$ =0，通过均衡13号单体，即当模组充电到截止电压后(此时13号单体未达到满充状态)，再单独对13号单体进行充电，使其多充入电量高于7.8 A·h，此时模组中最小的充电容量为 $C_{1, c h a r g e}$ =32.77 A·h，最小放电截止可继续放出容量为 $C_{13, d i s e n d}$ = $C_{20, d i s e n d}$ =7.8 A·h，此时再对整个电池模组进行放电，可使得整个电池模组的放电容量提升7.8 A·h，并使整体模组放电容量提升35.9%，效果最好。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 24个单体的相关容量示意图

Fig. 11 Schematic diagram of relevant capacity of 24 cells

4 实验三与结果分析

4.1　测试对象及步骤

采用的测试对象为万象的1并16串磷酸铁锂梯次电池包，容量为31.6 A·h，充、放电截止电压分别为3.6 V、2.7 V，充、放电电流分别为0.15 C、0.8 C。测试时选用Arbin evts 600 V/300 A的测试设备及TU410-5温控箱，温度范围为-20～+130 ℃。整个测试过程中的温度为恒定的25 ℃，静置5 min，以0.8 C的电流对电池包进行放电至任一模组达到截止电压2.7 V，然后以0.15 C的电流对电池包进行充电至任一模组达到截止电压3.6 V，由此对电池包进行充放电循环。以相同的充放电循环测试步骤共进行2次测试。

4.2　关键性能参数的量化分析

取第二次测试数据中的充电数据，并根据1.3节中的公式计算出模组中16个1并电池的部分相关性能参数。发现其充电截止电压如图12所示，5、6号电池的充电截止电压为异常值；电池包中各单体电池直流内阻如图13所示，发现无单体电池的直流内阻为异常值；电池包中各单体电池满充的充电时间差值 $∆ t$ 如图14所示，发现无单体电池的充电时间差值为异常值。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 16个单体的充电截止电压

Fig. 12 Cut off voltage of 16 batteries

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 16个单体的直流内阻

Fig. 13 DC internal resistance of 16 cells

图14

新窗口打开| 下载原图ZIP| 生成PPT

图14 16个单体的充电时间差值Δt

Fig. 14 Charging time difference of 16 cells

4.3　应用

根据4.2节中部分参数的分析，模组中16个单体的差异性较小，经1.2节中相关容量公式计算，结果如图15所示，无需对该模组进行均衡或者替换电芯的操作。

图15

新窗口打开| 下载原图ZIP| 生成PPT

图15 16个单体的相关容量示意图

Fig. 15 Schematic diagram of relevant capacity of 16 cells

5 讨论

1.1节中根据j号单体充电截止电压截取模组中满充单体电池的部分充电数据，将j号单体电池的充电数据补充完整。通过此方法估算j号单体的SOC最大会产生1.36%的误差，图1中估算产生的j号单体较大SOC误差出现在Ⅲ峰附近，对于Ⅰ峰和Ⅱ峰所对应的SOC值影响较小。

通过CT2001D蓝电测试系统，对1 A·h的18650磷酸铁锂电池在40 ℃温度下进行3 C充电，10 C放电的加速循环老化，在不同SOH下，进行一次标准充放电，得到实验数据如图2所示。在电池健康状态良好时，容量增量曲线有明显的特征峰。随着电池的SOH逐渐下降，Ⅲ峰在SOH为70%时消失，Ⅰ峰在SOH为30%时消失。在电池不同的健康状态下，Ⅰ峰所对应的SOC最大相差3%，Ⅱ峰对应的SOC最大相差2%，Ⅰ峰和Ⅱ峰所对应的SOC差值最大相差2%。因此，同一模组中不同健康状态的单体的Ⅰ峰和Ⅱ峰所对应的SOC差值均可用j号单体的SOC差值来替代，从而实现对模组中各个单体容量的量化。

6 结论

针对退役储能电池的评估及其维保，本工作提出了一种老化锂电池模组关键电池性能参数的量化分析研究方法。老化的电池模组，其中的单体电芯会呈现不一致性，通过免拆解的“零时间成本”的快速检测方法对容量、内阻和充电截止电压等关键电池参数(key battery parameter，KBP)进行表征，并基于这些KBP及其一致性的量化描述确定有效的维保措施。此方法无需对电池包进行拆解，避免了资源的浪费，而且无需特定装置，所需数据量不大，操作简单、高效，可以为老化锂电池模组做出合理的评估以及维护建议、使其更好地被梯次利用。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

卢婷, 杨文强. 锂离子电池全生命周期内评估参数及评估方法综述[J]. 储能科学与技术, 2020, 9(3): 657-669.

[本文引用: 1]

LU T, YANG W Q. Review of evaluation parameters and methods of lithium batteries throughout its life cycle[J]. Energy Storage Science and Technology, 2020, 9(3): 657-669.

[本文引用: 1]

[2]

蔡鸿武, 黄鹏, 陈立剑. 大容量电池组串联充电均衡控制方法研究[J]. 船电技术, 2009, 29(9): 51-54.

[本文引用: 1]

CAI H W, HUANG P, CHEN L J. Automatic charging equalization of battery in series[J]. Marine Electric & Electronic Engineering, 2009, 29(9): 51-54.

[本文引用: 1]

[3]

莫治波, 谢利, 张彩云. 电动汽车锂离子电池系统定容量充放电均衡[J]. 电池工业, 2018, 22(6): 295-298.

[本文引用: 1]

MO Z B, XIE L, ZHANG C Y. Balance EV battery by quantitative capacity charge or discharge[J]. Chinese Battery Industry, 2018, 22(6): 295-298.

[本文引用: 1]

[4]

王立业, 王丽芳, 刘伟龙. 基于容量差的电动汽车主动均衡控制策略研究[J]. 电工电能新技术, 2017, 36(11): 44-50.

[本文引用: 1]

WANG L Y, WANG L F, LIU W L. Research on active balance control strategy of electric vehicle based on capacity difference[J]. Advanced Technology of Electrical Engineering and Energy, 2017, 36(11): 44-50.

[本文引用: 1]

[5]

韩江洪, 王龙飞, 刘征宇, 等. 基于剩余容量的锂离子电池组均衡策略[J]. 电子测量与仪器学报, 2014, 28(10): 1047-1052.

[本文引用: 1]

HAN J H, WANG L F, LIU Z Y, et al. Equalization strategy for lithium battery pack based on the state of charge[J]. Journal of Electronic Measurement and Instrumentation, 2014, 28(10): 1047-1052.

[本文引用: 1]

[6]

马泽宇, 姜久春, 王占国, 等. 基于容量增量分析的石墨负极磷酸铁锂电池SOC估算方法研究[J]. 汽车工程, 2014, 36(12): 1439-1444.

[本文引用: 1]

MA Z Y, JIANG J C, WANG Z G, et al. A research on SOC estimation for LiFePO₄ battery with graphite negative electrode based on incremental capacity analysis[J]. Automotive Engineering, 2014, 36(12): 1439-1444.

[本文引用: 1]

[7]

KRUPP A, FERG E, SCHULDT F, et al. Incremental capacity analysis as a state of health estimation method for lithium-ion battery modules with series-connected cells[J]. Batteries, 2020, 7(1): 2.

[8]

ZHOU D, ZHENG W B, FU P, et al. Research on online estimation of available capacity of lithium batteries based on daily charging data[J]. Journal of Power Sources, 2020, 451: doi:10.1016/j.jpowsour.2020.227713.

[本文引用: 1]

[9]

KOLOSNITSYN V S, KUZMINA E V, MOCHALOV S E. Determination of lithium sulphur batteries internal resistance by the pulsed method during galvanostatic cycling[J]. Journal of Power Sources, 2014, 252: 28-34.

[本文引用: 1]

[10]

王琳舒. 锂离子动力电池一致性分析模型及其影响因素的仿真分析[D]. 北京: 北京有色金属研究总院, 2020.

[本文引用: 1]

WANG L S. Lithium-ion power cells inconsistency analysis model and influencing factors simulation[D]. Beijing: General Research Institute for Nonferrous Metals, 2020.

[本文引用: 1]

[11]

KHODADOOST A, B GHAREHPETIAN G, ABEDI M. Review on energy storage systems control methods in microgrids[J]. International Journal of Electrical Power & Energy Systems, 2019, 107: 745-757.

[本文引用: 1]

[12]

秦欢, 黄碧雄, 严晓, 等. 磷酸铁锂电池包微短路诊断方法的研究[J]. 储能科学与技术, 2021, 10(2): 664-670.

[本文引用: 1]

QIN H, HUANG B X, YAN X, et al. Research on diagnosing micro-short circuit of LiFePO₄ battery pack[J]. Energy Storage Science and Technology, 2021, 10(2): 664-670.

[本文引用: 1]

... 随着新能源电动汽车产业的加速发展，退役的动力电池数量越来越多.这些不再被汽车使用的电池，如果直接拆解，虽然可以避免由于模组中单体电池性能差异造成的模组寿命快速削减，但会对资源造成极大的浪费.由于这些电池剩余容量大多在初始容量的60%～70%，因此可以通过量化分析其具体参数后对其进行评估、维护、梯次利用，而如何评估、维护这些储能电池，是梯次利用过程中亟待解决的问题^[1-2]. ...

... 目前对电池的评估主要依据其性能参数来进行量化分析.莫治波等^[3]利用三元体系锂离子电池电压与容量对应的关系，通过三元体系锂离子电池充放电截止电压计算出单个模组所需的充电或放电的容量，从而达到对三元体系锂离子电池进行评估、均衡的目的.该方法所涉及到的性能参数较少，但只适用于三元体系锂离子电池，而且通过该方法无法评估均衡后电池容量提升效果.王立业等^[4]通过充放电中期模组中各单体的电压差值来判断单体电池的不均衡性，并且通过电池充电中期的容量差来制定均衡策略以及计算均衡的时间.该方法在实施过程中可能需要多次均衡，在均衡之前也无法通过量化分析给出预期效果，很可能会是徒劳，而且该方法需要特定的装置，不易实现.韩江洪等^[5]通过判断电池与整体平均剩余容量变化一致程度将电池体质划分为3类，并基于单体电池剩余容量分配每类电池的均衡能量，从而实现对电池的评估、均衡.该方法前期体质划分需要大量、多次地判断来提高准确度，实现过程较复杂，而且均衡前无法通过量化分析给出预期效果. ...

... 电池模组经过多次充放电循环后，其中的单体电芯会表现出不一致性.根据短板效应，单体电芯的不一致性将会大大影响整个电池模组的电化学性能.为了研究单体电芯的一致性，检测异常单体，可以通过量化分析其性能参数来实现^[6-8]. ...

... 容量增量曲线即是对原始充放电数据进行处理，得到容量电压微分数据，对于磷酸铁锂电池，容量电压微分采用dQ/dV，对于三元电池，容量电压微分采用

d^{2} Q

d V^{2}

，通过电压以及容量电压微分数据画出V-dQ/dV或者V-

d^{2} Q

d V^{2}

曲线.假设模组在放电过程中最先达到截止电压的单体为j号，根据j号单体充电截止电压截取模组中满充单体电池的部分充电数据，可以将j号单体电池的充电数据补充完整，得到j号单体的V-SOC曲线^[9-10]，如图1所示. ...

d^{2} Q

d V^{2}

，通过电压以及容量电压微分数据画出V-dQ/dV或者V-

d^{2} Q

d V^{2}

d^{2} Q

d V^{2}

，通过电压以及容量电压微分数据画出V-dQ/dV或者V-

d^{2} Q

d V^{2}

... 将V-dQ/dV曲线的横坐标电压V转换成SOC，得到SOC-dQ/dV曲线，如图2所示.随着电池的健康状态(state of health，SOH)逐渐下降，Ⅰ峰和Ⅱ峰所对应的SOC差值几乎不变.因此，同一模组中不同健康状态的单体的Ⅰ峰和Ⅱ峰所对应的SOC差值均可以用j号单体的SOC差值来替代.为了避免其他因素的影响，获取容量增量曲线的过程中还要保持温度、湿度、充放电电流对于同一模组的电池是一致的^[11-12]. ...

〈

〉