《eTransportation》:The potential of differential voltage analysis and electrochemical impedance spectroscopy for electric vehicles based on real-world data
编辑推荐:
Raphael Urban|Jon Ayo-Gie?|Philip Bilfinger|Kareem Abo Gamra|Georg Balke|Yilei Lin|Cristina Grosu|Markus Lienkamp•利用169760公里的实际行驶数据评估车载诊断系统的
Raphael Urban|Jon Ayo-Gie?|Philip Bilfinger|Kareem Abo Gamra|Georg Balke|Yilei Lin|Cristina Grosu|Markus Lienkamp
- •
利用169760公里的实际行驶数据评估车载诊断系统的适用性。
- •
在不同使用场景下对比EIS与DVA的检测效果。
- •
将电池健康度变化与诊断功能结合,实现实时监测。
- •
明确诊断需求,以实现高精度的电池监控。
引言
气候变化以及公众环保意识的提升推动了电动汽车市场的快速发展,预计到2030年欧盟的电动汽车数量将达到3000万辆[1]。尽管道路上电动汽车越来越多,但从长远来看,要取代传统内燃机汽车,还需确保其使用寿命和性能表现。电动汽车的核心部件是电池组,它由数百到数千块锂离子电池组成。为满足电池组的使用寿命和性能要求,必须定期监测电池状态,从而更新电池管理系统中用于状态估算的算法和参数。电池管理系统负责监测电池单元的电压、电流、温度、充电状态以及健康度,这些数据对于确保行驶过程中的稳定供电、快速充电、电池健康评估以及热管理都至关重要[2]、[3]。与电压、温度等物理参数不同,充电状态和健康度是无法直接测量的内部状态变量,必须通过估算算法来推断[4],而这本身就存在一定的不确定性[5]。
电池健康度用于衡量电池因老化而产生的性能下降,这类老化可分为日历老化和循环老化两类[6]、[7]。日历老化是由于电动汽车处于非使用状态而产生的,而循环老化则发生在电池承受负载、即车辆行驶时。在实际使用条件下,日历老化和循环老化会同时发生[8],使得电池性能下降更为复杂。这种老化不仅会导致电动汽车中最昂贵的组件性能下降,还会缩短电池的首次使用寿命。鉴于此,电池管理系统必须动态调整电池的工作状态,以满足相关法规规定的最低性能和耐用性标准。目前有多种方法可用于在实验室条件下对锂离子电池进行无损检测。在实验室老化测试中,最常用的两种方法是电化学阻抗谱分析和电压-容量分析,后者还可用于深度电压分析。除了能够估算电池健康度外,这些方法还能通过检测特定的退化模式,如锂元素损失或活性物质损失,从而更深入地了解电池内部的老化过程[9]。准确识别这些退化模式是预测电池未来容量和储能能力的关键前提[10]。进行深度电压分析时,需要以较低的充电或放电速率对电池进行操作[11]、[12]、[13];而电化学阻抗谱分析则可在车辆静止时实施。不过,目前电化学阻抗谱分析主要应用于实验室研究,尚未在车载系统中得到广泛应用。虽然现有研究致力于开发更先进的基于深度电压分析和电化学阻抗谱分析的电池状态监测方法,但如何将这些方法与实际使用情况相结合,仍是一个有待解决的课题。因此,本研究旨在分析深度电压分析和电化学阻抗谱分析在车载诊断中的应用潜力。通过分析实际使用场景中的充电过程和车辆静止时段,可以找到合适的检测时机,同时不会影响车辆的正常使用和用户的日常行程。
文献中介绍了多种利用电化学阻抗谱分析和深度电压分析估算电池健康度的方法[9]、[14]、[15]、[16]、[17]、[18]。这些方法主要研究了在实验室条件下应用这些检测方法时的各种参数,如允许的充电状态范围、松弛时间、充电速率等,以及相应方法的精确度。虽然理论上这些方法可以应用于电动汽车的电池管理系统,但据我们所知,目前还缺乏对实际使用场景中检测频率以及检测时机可行性的定量分析。本研究基于七辆电动汽车169760公里的实际行驶数据,评估了电化学阻抗谱分析和深度电压分析在真实使用条件下的适用性。本研究的主要贡献如下:
- (1)
估算电池健康度变化趋势及分析充电行为特征 通过169760公里的大量数据,本研究建立了电池老化的真实基准。充电行为与估算出的老化速率之间存在关联,这为在不同使用场景下评估诊断方法提供了依据。
- (2)
评估车载诊断能力及可行的检测频率 本研究量化了量产车型中开展电化学阻抗谱分析和深度电压分析的频率和时机。通过找出合适的车辆静止时段和充电时刻,确定了电池健康监测的实际检测频率,从而弥补了实验室理论研究与实际应用之间的差距。
- (3)
基于敏感度分析,为将电化学阻抗谱分析和深度电压分析整合到下一代电池管理系统中提供指导 研究发现充电状态范围是影响这两种方法应用可行性的关键因素。松弛时间或充电速率的变化可能会使有效的检测时机减少多达76%。研究建议采用混合策略,即利用电化学阻抗谱分析频繁更新电池健康度,而在充电过程中则通过深度电压分析对电池的多种退化模式进行检测,从而满足如欧7标准之类的监管要求。
为进行全面分析,本文的结构如下:第2节介绍电池健康度、深度电压分析以及电化学阻抗谱分析的基本原理。第3节描述了实验框架,包括从车辆队列中获取数据以及后续的处理流程,用以确定诊断检测的频率。第4节展示了研究的主要发现,包括电池老化趋势以及各类诊断方法的对比分析。第5节总结了本研究的主要贡献。
章节要点
现有研究进展
为奠定本研究中所分析诊断方法的理论基础,本节首先介绍了电池健康度估算的基本原理。随后介绍了深度电压分析和电化学阻抗谱分析的理论方法,阐述了它们在无损监测方面的优势,以及帮助深入了解锂离子电池内部老化过程的潜力。
研究方法
本节介绍了参与研究的车辆及其相关特性和数据采集时间。接下来会说明数据采集和预处理流程,然后介绍电池健康度变化趋势的估算方法。最后,阐述采用深度电压分析和电化学阻抗谱分析来确定电池健康度检测频率的具体方法。
结果与讨论
为将所确定的电池健康度检测频率置于实际车辆老化背景下进行分析,首先详细介绍了每辆车的电池健康度变化情况。接着分析了记录的充电过程中的初始和最终充电状态,以此识别不同的使用模式。最后,评估了在不同方法下在车辆层面应用电化学阻抗谱分析和深度电压分析的可行性,并进行了比较。
结论与展望
本研究利用七辆电动汽车169760公里的实际行驶数据,评估了电化学阻抗谱分析和深度电压分析等车载诊断方法的可行性。结果显示,电化学阻抗谱分析平均每100000公里可提供412次诊断检测机会(大约每24公里一次),而深度电压分析则能提供81次检测机会(大约每123公里一次)。需要强调的是,这些数值均为理论上的最大值。虽然实际观测到的最高老化速率为每100000公里19.42%,这意味着至少需要
CRediT作者贡献说明
Raphael Urban: 文章撰写——审阅与编辑、原文撰写、可视化处理、结果验证、项目管理、方法设计、研究实施、数据整理、概念构建。Jon Ayo-Gie?: 文章撰写——审阅与编辑、可视化处理、方法设计、研究实施。Philip Bilfinger: 文章撰写——审阅与编辑、方法设计、研究实施。Kareem Abo Gamra: 文章撰写——审阅与编辑、方法设计。Georg Balke: 文章撰写——审阅与编辑、方法设计。Yilei Lin: 文章撰写——审阅与编辑。
关于稿件准备过程中生成式人工智能及人工智能辅助技术的声明
在撰写本稿件时,作者使用了Google Gemini和Claude工具,用于编写数据评估脚本、生成技术图表,以及对稿件内容进行语言优化和语法修改。在使用这些工具后,作者对内容进行了必要的审阅和修改,并对最终发表的文章内容承担全部责任。
利益冲突声明
作者声明不存在任何可能影响本研究结果的已知财务利益关系或个人关系。
致谢
感谢TUM.Battery通过搭建跨学科专家网络,为电池研究的发展提供了有力支持。