《Journal of Energy Storage》：Cycle-wise detrending method for strain-based aging characterization and feature development of batteries: Case study of 18650 NMC Li-ion cells
编辑推荐：
准确评估锂离子电池健康状态（State of Health, SOH）对于确保其安全可靠运行至关重要，特别是在过充等异常条件下。研究人员研究了利用应变测量来评估在标准循环和寿命中期引入的过充事件下的3000 mAh Samsung 30Q电芯的SOH。基于应变
准确评估锂离子电池健康状态（State of Health, SOH）对于确保其安全可靠运行至关重要，特别是在过充等异常条件下。研究人员研究了利用应变测量来评估在标准循环和寿命中期引入的过充事件下的3000 mAh Samsung 30Q电芯的SOH。基于应变片的连续监测揭示了过充后残余变形的显著变化，表明发生了不可逆的结构改变。研究人员开发了应变分解框架，将循环变形分离为偏移（offset）、斜率（slope）和残余（residual）分量。偏移量捕获了与累积退化相关的不可逆基线偏移，而斜率反映了依赖于荷电状态（State of Charge, SOC）的可逆膨胀和收缩。残余分量隔离了非线性嵌脱锂驱动的变形，提供了演化内部电化学条件的敏感指标。残余应变的基于特征的分析结合了分布形状特征以及时域和频域指标。最大应变（Maximum strain）和均方根频率（Root Mean Square Frequency, RMSF）表现出最强的跨电芯一致性，平均Spearman相关系数超过95%，中位数绝对差异低于4%。主成分分析（Principal Component Analysis, PCA）进一步揭示了充电和放电之间不同的力学特征。充电PC1由偏度（skewness）、形状因子（shape factor）和波峰因子（crest factor）等波形形状描述符主导，而放电PC1主要由应变幅度特征主导，包括RMSF、最大应变和平均应变，这与特征相关性结果一致。这些互补模式在前五个充电和放电分量中捕获了约99%的总方差。过充后分析显示残余应变明显增加和斜率变化，与不可逆结构损伤一致，并与观察到的电性能下降相符。这项工作为将力学应变诊断集成到未来的电池管理系统（Battery Management System, BMS）奠定了基础。
研究背景与意义
锂离子电池作为现代储能应用的核心，其电池健康状态（State of Health, SOH）的准确评估对安全性与可靠性至关重要。传统的整数阶等效电路模型（Integer-Order Equivalent Circuit Models, IOECMs）无法捕捉隐藏内部状态，分数阶等效电路模型（Fractional-Order Equivalent Circuit Models, FOECMs）计算量大，电化学模型对老化敏感，数据驱动方法泛化能力差且需大量数据。传统电气信号（电压、电流、温度）间接观测精度有限，阻抗谱和容量衰减分析常具侵入性且缺乏实时性。尽管应变传感能直接反映嵌脱锂引起的体积变化及固体电解质中间相（Solid Electrolyte Interphase, SEI）生长等不可逆增长，但从非线性肿胀中提取与SOH相关的信息仍具挑战。因此，研究人员开展了基于周期去趋势法的应变分解研究，以建立机械信号与电化学老化的关联，该论文发表于《Journal of Energy Storage》。
主要关键技术方法
研究人员使用同一批次的三颗Samsung 30Q（标称3000 mAh）18650 NMC电芯作为样本队列，采用恒流恒压（Constant Current–Constant Voltage, CCCV）充电与恒流（Constant Current, CC）放电协议至约80% SOH（约450圈）。在电芯表面中心环向粘贴350 ohm应变片与K型热电偶，通过数据采集系统记录 hoop strain 与温度。核心技术包括提出周期去趋势（cycle-wise detrending）方法，将应变信号数学分解为偏移（offset）、斜率（slope）线性项与残余（residual）分量；从残余应变中提取分布形状、时域幅度、时域波形比与频谱定位四类特征；采用Spearman相关分析与主成分分析（Principal Component Analysis, PCA）进行特征排序与降维，并在寿命中期引入过充事件作为扰动基准。
研究结果
4.1. Detrended strain components
研究人员通过计算周期偏移与斜率特征发现，早期循环偏移近零且斜率稳定，随老化两者均发散且非零，表明渐进不可逆性。充电偏移较早单调增长，放电斜率对扰动更敏感。图10与图11显示充放电不对称行为。残余应变（图12、图13）在早期最小，随循环展宽并显现结构，方差增加，过充事件对应明显离群点，证实去趋势后残余分量对不可逆结构改变敏感。
4.2. Strain feature analysis
提取的特征显示分布形状特征（偏度、峰度）早期快速增加后放缓；时域幅度统计（均值、最大、最小应变）缓慢漂移；时域波形比（形状、脉冲、波峰因子）早期剧增后定居伴局部偏离；频谱定位中RMSF在过充处有明显偏离而频率中心（Frequency Center）稳定。表1显示最大应变与RMSF跨电芯Spearman一致性最高（平均超95%，中位绝对差<4%），波形形状特征一致性低。表2显示早期变异系数大（10%–15%），老化后幅值增加且变异性降低。PC1–PC5捕获约99%方差（图16、图17）。
4.3. PCA and loading observations
PCA载荷（表3、表4）表明充电与放电机理不同：充电PC1由偏度、形状因子、脉冲因子、波峰因子等波形几何描述符正贡献主导；放电PC1由RMSF、最大应变、平均应变大幅值特征正贡献主导，而波峰因子、峰度、频率中心呈强负向。这表明充电应变演化受形状主导，放电受幅值主导，高放电幅值伴随波形锐度与不对称降低。过充在PC轨迹中表现为清晰偏离。
讨论与结论翻译
应变分解方法隔离了代表非嵌脱锂引起的不可逆电芯变形的应变部分。捕获的数据与内部电化学反应相关，并能系统观察电芯老化。周期间相关性分析揭示，随着电芯老化，机械能力下降同时应变波形逐渐收敛于稳定、对称的频谱模式，提供了高级退化的清晰统计轨迹。研究人员采用PCA在保留大部分相关方差的同时将充放电特征空间维度降低50%。值得注意的是，保留前五个主成分约占充放电总方差的99%。这种降维支持退化模式的高效监测并最小化噪声混淆效应。PCA载荷分析表明充电PC1随波形形状特征增加而增加；放电期间高应变幅值与较低波形形状指标相关。因此，该靶向方法有助于更清晰地可视化分析老化轨迹，为识别主导应变模式及其在电化学循环中的演化提供稳健框架。虽然本文方法仅专注于单体18650 NMC圆柱电芯，但该方法有望扩展至不同几何形状、尺寸及模组级条件，这需后续专门实验验证。
