《World Electric Vehicle Journal》：Evolution of Battery Parameters, State of Charge, and State of Health in Aging Lithium Batteries Using a PSO Algorithm at High Temperature
编辑推荐：
为促进电动汽车（EV）的广泛普及，在热加速老化条件下对荷电状态（SoC）和健康状态（SoH）的精确估计对于先进电池管理系统（BMS）至关重要。本研究针对锂离子电池（LiBs）电芯在40 °C下历经7700次循环的全生命周期退化进行了分析。采用自适应三阶等效电路
为促进电动汽车（EV）的广泛普及，在热加速老化条件下对荷电状态（SoC）和健康状态（SoH）的精确估计对于先进电池管理系统（BMS）至关重要。本研究针对锂离子电池（LiBs）电芯在40 °C下历经7700次循环的全生命周期退化进行了分析。采用自适应三阶等效电路模型（ECM），结合混合多项式-对数开路电压（OCV）公式，通过粒子群优化（PSO）算法进行连续参数辨识。实验数据揭示了明显的退化特征：电芯在第5500次循环时跨越80% SoH的寿命终止（EoL）阈值，并稳步下降至75.7% SoH的终态。连续参数追踪分离出关键的电化学转变：初始动力学稳定阶段之后，在第2000次循环附近发生同步的热力学OCV重新校准，这与活性锂损失（LLI）的增加一致。中年期老化以时间常数的显著增加为特征，而晚年期退化则以传输限制的增加为特征，这反映在慢扩散相关模型参数的演变中，导致慢扩散分支出现参数边界截断。尽管存在这些物理非线性，所提出的框架在整个7700次循环寿命期间保持了较高的全局保真度，将SoC均方根误差（RMSE）严格限制在2.5%以下，电压RMSE保持在35 mV以内，并保持R2高于0.970。对比评估表明，所提出的框架在计算效率、跟踪精度和长期诊断稳定性之间实现了良好的平衡。
**高温老化锂电池参数、荷电状态与健康状态演变的PSO算法研究——论文解读**
**一、研究背景与意义**
随着电动汽车（EV）的普及，对可靠、高效且安全的储能系统的需求日益迫切。锂离子电池（LiBs）凭借其高可靠性、高热稳定性和长循环寿命，已成为电动汽车的主流技术选择。然而，电池对环境温度高度敏感。高温环境会加速负极固体电解质界面（SEI）膜生长、电解液分解以及电极材料结构变化等退化现象，这些是导致容量损失和内阻增加的主要原因，直接影响电池的荷电状态（SoC）和健康状态（SoH）估计精度。电池管理系统（BMS）依赖数学模型来推断SoC和SoH，其中等效电路模型（ECM）被广泛用于实时应用中表征电池的非线性行为。ECM的精度高度依赖于准确的参数辨识，而这些参数会随时间老化和温度变化而演变。在高温条件下，非线性效应和加速退化效应更加显著，捕捉参数的演变过程尤为困难。以往研究虽已确立了ECM、粒子群优化（PSO）和扩展卡尔曼滤波（EKF）组合用于SoC跟踪的有效性，但在持续高温循环条件下，该框架的行为以及循环级参数辨识能否作为健康状态（SoH）的诊断信号，仍缺乏充分探索。因此，本研究利用牛津电池数据集，旨在通过PSO算法在7700次循环中独立重新辨识完整参数集，追踪电池全生命周期参数演变，并探讨其作为基于物理的SoH指示器的可行性。
**二、研究内容与技术方法**
研究人员采用PSO算法结合三阶ECM和EKF框架，对来自牛津电池数据集（Oxford battery dataset）的Kokam CO LTD SLPB533459H4电芯（容量740 mAh）在40 °C下、经历约7700次等效循环的持续高倍率（1-C）充放电数据进行了全生命周期分析。关键技术方法包括：采用带有滞回特性的混合多项式-对数Nernst型OCV方程，精确描述电池开路电压特性；利用PSO算法（配置200个粒子、300次迭代）对ECM模型中的27个参数（包括欧姆电阻、三个RC分支的电阻和电容、OCV系数等）进行循环级独立辨识；应用EKF实现基于辨识参数的实时SoC估计；通过扰动敏感性分析评估参数可辨识性；并将PSO与遗传算法（GA）和递归最小二乘（RLS）进行基准对比，以验证其性能优势。
**三、研究结果**
**3.1 电阻演变分析（Resistances Evolution Analysis）**
研究追踪了R0至R3四种电阻在7700次循环中的演变。欧姆电阻R0在前5500次循环保持相对稳定（3–5 mΩ），随后出现显著增加，峰值达40–50 mΩ，这与SEI膜持续增长和电解液电导率损失一致。电荷转移电阻R1在约4500次循环后出现放电电阻的持续激增，表明SEI膜显著生长和重构。中频电阻R2表现出高度不稳定的行为，频繁达到35 mΩ的上限，反映界面传输瓶颈的加剧。低频扩散电阻R3在3200次循环后放电电阻基本维持在上限40 mΩ，表明固态扩散动力学显著减缓。电荷与放电电阻之间的差异归因于放电过程中锂离子脱嵌引起的局部浓度极化和界面接触力学差异。
**3.2 电容与时间常数演变分析（Capacitances and Time Constants Evolution Analysis）**
快速电容C1虽波动剧烈但无长期趋势，而时间常数τ1在4500次循环时放电值激增至165 s，对应SEI/CEI的极端不稳定或结构重构。中速电容C2在2500–4800次循环区间基线上升，τ2在3700次循环附近达到峰值29分钟，指示界面电荷重新分布时间延长。慢速电容C3在4000次循环后持续触及2 F上限，τ3放电值在80–133.3分钟间波动，晚年期频繁达到上限。慢扩散分支的同步饱和表明，连续40 °C循环导致阴极晶格结构紊乱和微裂纹，使模型在模拟极慢扩散过程时达到辨识极限。
**3.3 OCV系数与曲线演变分析（OCV Coefficients and Curves Evolution Analysis）**
Nernst型OCV方程的系数（b0–b4）在1500–2000次循环间发生同步跃迁：b0显著增加，b1更负，b2和b3达到最大值，b4急剧下降。这一集体行为表明电池平衡电压特性发生根本性改变，与活性锂损失（LLI）和电极化学计量失衡一致。重构的OCV曲线显示，随老化进程，低SoC区域电压曲线逐渐畸变，晚期出现陡峭的电压塌陷，反映锂库存严重损失和活性材料退化。
**3.4 荷电状态与容量演变分析（State of Charge and Capacity Evolution Analysis）**
EKF估计的SoC在早期（循环0）、中期（循环3900）和晚期（循环7700）均能紧密跟踪参考值。早期RMSE峰值低于0.2%，中期保持在0.5–0.8%范围内，晚期误差虽略有增加（0.24–0.44%）但仍处于可接受范围。容量退化呈现三阶段轨迹：阶段I（0–1500次循环）为缓慢线性老化，容量从740 mAh降至约680 mAh；阶段II（1500–5500次循环）退化加速，容量降至约600 mAh；阶段III（5500–7700次循环）容量指数级下降至580 mAh终态值，对应75.7% SoH。退化轨迹总体平滑单调，未出现明显的“膝盖点”，与渐进式SEI生长和锂库存损失机制一致。
**3.5 误差演变分析（Errors Evolution Analysis）**
充电RMSE在5500次循环前保持低于2%（少数峰值达8.1%），此后斜率突变并持续攀升至约3%。放电RMSE大部分时间低于1%。R2值在整个生命周期中保持较高水平，绝大多数超过0.98，最低值约0.94–0.95，表明模型即使在接近寿命终止时仍保持强预测能力。
**3.6 健康状态演变分析（State of Heath Evolution Analysis）**
估计的SoH曲线与实验SoH曲线在整个7700次循环中几乎完美重叠。早期（0–1500次循环）SoH从100%缓慢降至96%，中期（1500–5500次循环）以较快速度降至80%工业EoL阈值，晚期进一步降至75.7%终态值。
**3.7 参数敏感性分析（Parameters Sensitivity）**
扰动敏感性分析表明，OCV系数（b0–b4）是辨识最稳健的参数，5%扰动导致RMSE变化8–77 mV。相比之下，欧姆和RC分支参数的RMSE变化低于1 mV，这是由于表征段近似恒流，RC分支激励较弱，其电压贡献被OCV基线项部分吸收。因此，电阻和电容参数的循环间波动应谨慎解读，长期趋势比单次循环值更具物理意义。
**四、讨论与结论**
研究发现，持续高温（40 °C）老化从根本上改变了锂离子电池的瞬态动力学和平衡参数。退化遵循清晰的时序：早期（0–1500次循环）电化学行为稳定；热力学转变（1500–2000次循环）伴随显著锂库存损失和OCV重构；界面退化期（2000–5500次循环）SEI/CEI生长加速导致电荷转移和传输限制增加；体相结构失效期（>5500次循环）活性材料损失、颗粒开裂、电解液耗尽和扩散限制主导电池行为。PSO辨识的3RC模型在整个生命周期中表现出色，SOC RMSE低于2.5%，电压RMSE低于35 mV，R2持续高于0.97。与遗传算法（GA）相比，在相同计算预算下PSO实现了2.6倍的RMSE降低。递归最小二乘（RLS）因扩散时间常数超过表征窗口而失效，凸显了非线性多RC辨识的必要性。计算分析表明，离线PSO参数辨识（总耗时70分钟，3.32 TFLOPs）与在线EKF估计（每循环4.5 ms）形成清晰架构分离，支持双时间尺度BMS设计。该框架为面向终端寿命状态估计的下一代云控BMS提供了先进的诊断蓝图，未来研究应拓展至更宽温度范围并整合物理约束与数据驱动混合方法。
