《Journal of Energy Storage》：Design of an embedded electrochemical impedance spectroscopy for real-time systems
编辑推荐：
可靠的电池状态估计对于储能系统的安全性和寿命至关重要，然而传统的电化学阻抗谱（EIS）由于其高成本和硬件复杂性，在很大程度上仍局限于实验室环境。研究人员提出了一种低成本策略，将EIS集成到电池充电器中，作为一种用于实时电池参数化的嵌入式解决方案。所提出的EIS
可靠的电池状态估计对于储能系统的安全性和寿命至关重要，然而传统的电化学阻抗谱（EIS）由于其高成本和硬件复杂性，在很大程度上仍局限于实验室环境。研究人员提出了一种低成本策略，将EIS集成到电池充电器中，作为一种用于实时电池参数化的嵌入式解决方案。所提出的EIS方法采用自适应采样频率，仅在每个频率采集两个周期数据，以最小化采集时间，同时通过常规窗函数有效抑制频谱泄漏。采样频率的自适应性使得能够进行同步检测离散傅里叶变换（SD-DFT），确保每个频率具有相同数量的样本。一种复数阶分数阶比例谐振（COFPR）控制器支持高频EIS控制跟踪需求，优于传统控制器，提供更优的高频跟踪、减小的激励区域以及保留的直流可控性。将COFPR控制器集成在同一功率变换器中，并通过自适应采样频率实现的简单直流偏置补偿，简化了设计、简化了操作、降低了计算负担，并消除了对特定频率控制器选择的需求。这种COFPR与SD-DFT的组合使得在电池充电器中无缝实现EIS成为可能，无需复杂或专用系统，利用了现有直流链路。仿真、实验和计算负担验证证实了所提出方法的实用性和有效性，展示了其在实时嵌入式解决方案中增强电池诊断的潜力。
论文解读文章
**研究背景与问题**
电池储能系统（BESS）在电网和电动交通等领域的现代化中至关重要，但高性能电池（尤其是锂离子电池）需要持续监控和保护，这依赖于电池管理系统（BMS）。然而，传统的电化学阻抗谱（EIS）方法虽能提供详细的动态电池表征，却因高成本和硬件复杂性局限于实验室环境，无法满足实时嵌入式系统的在线诊断需求。现有方法常依赖专用功率变换系统（PCS）或外部计算单元，增加了系统成本与复杂度。因此，研究人员旨在开发一种低成本、嵌入式EIS方案，利用现有电池充电器的硬件实现实时电池参数化，克服传统EIS在动态环境中的局限性。该研究发表在《Journal of Energy Storage》。
**研究方法概述**
研究人员提出了一种集成于电池充电器的实时电化学阻抗谱（EIS）方法，主要关键技术包括：
1. **自适应采样频率与窗函数**：通过在每个频率仅采集两个周期数据，并采用汉明窗（Hamming window）抑制频谱泄漏，减少数据采集时间。
2. **同步检测离散傅里叶变换（SD-DFT）**：基于自适应采样频率实现离散频率点的阻抗计算，仅需10–20个样本/周期，计算效率高。
3. **复数阶分数阶比例谐振（COFPR）控制器**：用于覆盖直流至1 kHz宽频段的高精度电流跟踪，提供小于50 μs的建立时间和小于2%的增益误差。
4. **直流偏置补偿与平均滤波**：通过比例积分（PI）控制器调节直流链路电压，并采用有限冲激响应（FIR）滤波器平滑电压平均值。
实验验证使用第二寿命磷酸铁锂（LiFePO4）电池（型号Winston LFP160AHA TALL，标称容量160 Ah），并基于德州仪器TMS320F28379数字信号处理器（DSP）和3.6 kVA GaN逆变器实现硬件测试。
**研究结果**
**3.1 COFPR控制器性能**
通过修改控制器增益（k
p和k
i）的仿真分析，确定k
p=6、k
i=200为最优参数，实现直流至1 kHz频段内增益误差低于2%、相位滞后小于4度、建立时间约50 μs，验证了单控制器覆盖宽频段的可行性。
**3.2 偏置补偿效果**
在仅以电池为电源的系统中，直流链路电压因损耗持续下降。研究人员采用PI控制器（k
pBias=0.01，k
iBias=0.1）进行偏置补偿，成功将直流链路电压稳定在118 V（设定值），所需偏置电流不超过60 mA，表明补偿方法有效且不影响EIS测量。
**3.3 窗函数对EIS的影响**
通过对比有无汉明窗的电压采样数据，发现窗函数能显著减少由周期非整数截断引起的频谱泄漏，特别是在低频（0.1 Hz）和高频（82 Hz）下，窗函数使得电压轨迹平滑起始与结束，降低了边缘失真。
**3.4 同步检测与EIS方法**
基于22节串联Sanyo UF103450P电池模型的仿真，研究人员分析了不同BufferSize（20–1000样本）和周期数（Cycles，1–6）对阻抗测量误差的影响。结果表明：当样本数固定为40（20样本/周期）且周期数为2时，相对误差始终低于2%；增加样本数或周期数对误差改善有限，但2周期能提供更稳定的奈奎斯特图。此外，窗函数对于低样本数下的高频测量至关重要。
**3.5 实现成本**
基于TMS320F28379 DSP（带三角函数数学单元TMU）的执行时间分析表明，高优先级中断服务程序（ISR）需在10 μs内执行约1.15 μs（包括正弦函数、COFPR控制器和调制除法），占用11.5%周期。低优先级ISR（10 kHz）中，BufferSize=20时总执行时间约45.25 μs，占可用时间45%，包括SD-DFT、窗函数、PI偏置补偿和FIR滤波等操作。通过采用异步执行（将EIS计算移至低优先级任务），整个100点频率扫描仅需23 ms，验证了实时可行性。
**4.1 实验设置**
实验使用三块不同健康状态（SoH）的第二寿命LiFePO4电池（型号LFP160AHA TALL），在18–20°C、50%荷电状态（SoC）下进行测试。硬件采用TMS320F28379 DSP和GaN逆变器，采样与开关频率为120 kHz，数据记录使用Yokogawa DL9040示波器。
**4.2 控制性能验证**
将COFPR控制器与比例谐振（PR）控制器（相位裕度85°@1 kHz和8 kHz）、分数阶比例谐振（FPR）控制器进行对比，在“Batman”信号参考下，COFPR在1–2 kHz频段内跟踪能力优于次优方案（FPR）超过0.5 dB和5°，优于传统PR控制器超过3 dB和25°。
**4.3 初始EIS验证**
在1 Hz至1.2 kHz范围内进行16点频率扫描，重复三次，所得奈奎斯特图一致，验证了方法的重现性。增加频率分辨率（32点）后，阻抗谱清晰区分了扩散、电荷转移和欧姆区域。在1.2 kHz点实测电流峰值20 A、电压峰值16 mV、相位延迟0.0688 ms，计算阻抗模值约0.8 mΩ，与频谱左端一致。
**4.4 不同健康状态（SoH）测试**
在SoC为50%条件下，对三块电池（SoH分别为85%、约75%和约65%）进行EIS测试。结果显示，随着老化（SoH降低），电池内阻增大，奈奎斯特图向右移动，说明方法能区分不同退化程度的阻抗特征。
**4.5 不同荷电状态（SoC）测试**
在SoH为85%条件下，对同一电池在20%、50%和90% SoC下进行测试。结果发现，在低SoC（20%）时，欧姆型行为更显著，电压下降明显，与LiFePO4电池在低SoC时的特性一致，表明方法能识别由化学状态引起的阻抗变化。
**讨论与结论总结**
讨论部分指出：COFPR控制器覆盖直流至1 kHz频段，建立时间低于50 μs，增益误差小于2%，相位滞后小于4°（相位不关键），适合EIS应用。计算方面，SD-DFT结合可变采样频率减少了操作量，仅需2周期/频率和10–20样本/周期，误差低于2%。通过异步执行（将EIS计算移至低优先级任务），可在230 μs内完成单点阻抗计算，100点扫描仅需23 ms。此外，嵌入式设备只需保存：实部阻抗（检测电解液电导率变化）、虚部最大点（检测钝化效应）和虚-实部峰值频率（检测电化学活性表面变化）。电压测量精度是限制因素，但方法本身具有可行性。
**研究结论翻译**：本文提出了一种低成本的实时恒电流电化学阻抗谱（EIS）解决方案，直接集成在电池充电器中，利用现有硬件，无需昂贵专用设备或离线处理。所提出的嵌入式方法通过结合自适应采样频率和窗函数，将测量时间限制为每频率两个周期，同时抑制频谱泄漏，实现了在线电池诊断。通过同步检测离散傅里叶变换（SD-DFT）管理数据采集，每周期10–20个样本，参数估计误差相对于确定性基准模型低于2%。为实现高达1 kHz的高频控制且无需特定频率调谐，采用了复数阶分数阶比例谐振（COFPR）控制器，建立时间低于50 μs，增益误差低于2%。该架构通过PI控制器进行直流偏置补偿和FIR滤波器进一步简化。计算可行性通过双中断服务程序（ISR）验证：高优先级控制回路在100 kHz下执行2 μs，低优先级EIS回路在10 kHz下占用50% CPU容量。另一种异步标志执行方案将计算分散，每点阻抗计算仅需230 μs，完整100频率扫描仅增加23 ms开销。仿真和实验结果证实，该框架能准确估计电池参数并实时跟踪其演变。最终，这项工作为将先进电池诊断嵌入能源系统提供了一种计算高效且可行的范式。
