具有热能储存功能的新型木质聚氨酯泡沫复合材料，用于建筑保温

《Journal of Energy Storage》：Novel wood-based polyurethane foam composites with thermal energy storage capacity for building insulation

提出一种基于差分阻抗分析（DIA）和局部操作模型（LOM）的锂离子电池健康评估方法，通过正则化线性Kramers-Kroni变换预处理数据以减少噪声，提取R_p、C_p和R_s参数并建立与循环次数的指数关系，验证了该方法在50-178 Hz频率范围内的高灵敏度和准确性，相比传统全局模型和直接原始数据方法更具效率优势。

　　电池的健康状态（SoH）评估是确保其安全和高效使用的关键环节。随着锂离子电池在各种应用中的广泛应用，如电动汽车、可再生能源存储系统和便携式电子设备，电池的老化问题变得越来越重要。电池在使用过程中会发生性能退化，这不仅会影响其使用寿命，还可能引发安全隐患，例如过热甚至热失控。因此，准确评估电池的健康状态对于其长期稳定运行至关重要。

为了有效评估电池的健康状态，研究者们提出了多种方法，包括基于模型的方法、数据驱动的方法以及直接测量方法。这些方法各有优劣，基于模型的方法通常需要复杂的参数提取过程，而数据驱动的方法依赖于大量历史数据，且可能在某些情况下不够准确。直接测量方法虽然较为简单，但在实际应用中存在精度和实用性方面的限制。其中，电化学阻抗谱（EIS）被认为是一种非常有前景的评估方法，因为它能够提供关于电池内部电化学过程的详细信息，有助于追踪电池的退化情况。

然而，EIS数据的解读仍然面临挑战，因为其需要复杂的信号处理，而这对于模型驱动或数据驱动的方法而言，往往耗时且计算量大。为了解决这一问题，研究者们提出了一种新的方法——差分阻抗分析（DIA），该方法通过在每个阻抗点上直接计算局部操作模型（LOM）参数，简化了信号处理流程并提高了计算效率。与传统的全局拟合方法相比，DIA方法在局部模型的构建上更加高效，减少了因导数计算而带来的噪声干扰，从而提高了方法的鲁棒性和准确性。

在本研究中，我们利用改进后的DIA方法对四种锂离子电池的阻抗谱进行分析，评估其健康状态。通过在频率范围10 mHz到1 kHz之间进行测量，我们发现LOM参数（R_p、R_s和C_p）与电池的循环次数之间存在显著的相关性。其中，R_p在50到178 Hz的频率范围内表现出最高的敏感性，这一区域对应于电荷转移过程，其R_p值的R²大于0.98，说明其在健康状态评估中具有很高的可靠性。

在方法论部分，我们首先对阻抗数据进行了预处理，应用了正则化线性Kramers-Kronig（rLKK）变换，以消除非一致性数据和噪声的影响，从而提高后续DIA分析的准确性。rLKK方法通过线性回归对阻抗数据进行处理，使得每个频率点的LOM参数计算更加可靠。接着，我们对电池的阻抗数据进行差分分析，构建了一个包含串联电阻（R_s）和RC电路的局部模型。该模型能够有效地捕捉电池内部的电化学现象，并且通过计算阻抗的导数，使得模型参数的提取更加直接和高效。

在实验部分，我们使用了四块商用的US18650VT3型锂离子电池，并在400次充放电循环中进行了测量。每50次循环后，我们对电池进行阻抗测量，并通过rLKK变换进行数据校正。实验结果表明，随着循环次数的增加，电池的阻抗值整体呈现上升趋势，这反映了电池性能的退化。通过对阻抗谱的局部拟合，我们发现R_p、C_p和R_s这三个LOM参数在不同频率范围内表现出不同的变化规律。特别是在50到178 Hz的频率范围内，R_p与电池健康状态之间的相关性最强，且其变化趋势呈现出明显的指数关系。

在参数与循环次数的关系分析中，我们发现R_p和C_p在特定频率范围内与循环次数之间具有良好的指数相关性，且其拟合的R²值均较高，说明这些参数能够有效地反映电池的老化情况。相比之下，R_s在低频范围内变化较为显著，但其受环境因素和接触电阻的影响较大，因此在实际应用中需要更多的测量点来确保其准确性。通过实验数据的验证，我们发现R_p在50到178 Hz频率范围内表现出最高的R²值，且其RMSE值较低，这表明该参数在健康状态评估中具有更高的敏感性和可靠性。

此外，我们还比较了DIA方法与传统的全局拟合方法在健康状态评估中的表现。结果显示，DIA方法不仅在计算效率上具有优势，而且在处理噪声和提高模型鲁棒性方面表现更佳。与基于等效电路模型（ECM）的全局拟合方法相比，DIA方法不需要复杂的模型拟合过程，其计算流程更加直接，能够在短时间内获得可靠的电池健康状态信息。通过对比实验数据和模型预测结果，我们验证了DIA方法在电池健康状态评估中的有效性，并发现其在预测循环次数方面具有较高的精度。

最后，我们还比较了DIA方法与直接使用原始阻抗数据的分析方法。结果显示，DIA方法在健康状态评估中表现更为优越，其参数提取的相对偏差显著低于直接分析方法。这一结果表明，DIA方法能够更准确地捕捉电池内部的电化学过程，从而提供更加可靠和精确的健康状态评估。研究还指出，虽然当前方法主要基于特定的频率范围和电池类型，但其核心思想可以应用于其他电池化学体系，从而为电池健康状态评估提供一种通用且高效的解决方案。

综上所述，DIA方法在电池健康状态评估中展现出显著的优势，其计算效率高、噪声影响小，且能够准确捕捉电池内部的电化学变化。这种方法不仅适用于特定的电池类型，还具备扩展性，可以进一步应用于不同的操作条件和电池化学体系，从而为电池管理系统的设计和优化提供重要的理论和技术支持。