锂离子电池健康状态估计及寿命预测研究进展综述

随着锂离子电池的应用越来越广泛,锂电池健康状态的精确估计和剩余寿命的实时预测对于锂电池系统的安全运行和降低运维成本具有重要意义。锂电池内部复杂的物理化学反应和外部复杂工作条件,使得实现精准的健康状态估计和寿命预测具有挑战性。该文综述近年来锂电池健康状态估计和剩余使用寿命预测方法的研究现状,分析基于物理/数学模型、数据驱动、模型法和数据驱动融合,以及多种数据驱动融合的锂电池健康状态估计方法的优缺点及适用条件,并对比分析不同数据驱动类型的锂电池寿命预测方法。指出锂电池健康状态估计及寿命预测尚存在的问题,并对未来研究方向进行展望,对完善锂电池健康状态估计和寿命预测算法理论体系、指导实际应用技术具有重要意义。

锂离子电池储能电站的热失控状态检测与安全防控技术研究进展

锂离子电池具有能量密度大、使用寿命长、工作温度范围宽、自放电小等优点,是中国电化学储能电站的主流电池技术。然而,在加热、过充等恶劣工况下,锂离子电池易发生热失控引发火灾甚至爆炸,因此其安全问题已逐渐成为锂离子电池储能电站建设及大规模应用的首要问题。该文系统分析了锂离子储能电池热失控的诱因、电池内部反应过程及外部特征参量的变化规律,重点总结了当前主要的电池热失控状态检测技术、智能诊断算法及储能电站安全防控技术,最后对储能电站热失控状态检测及安全防控技术进行了总结和展望。

锂离子电池电解液安全性的影响因素及改进措施

锂离子电池由于能量密度高、高电压和维护成本低等优点而被大家使用.但在使用它们的过程中存在燃烧、爆炸等安全问题.电解液是锂离子电池中最易燃的组分,所以其与锂电池的安全性息息相关.改进电解液是提高锂离子电池安全性的关键方法.首先探讨了影响锂离子电池电解液安全性的因素,然后提出了改善措施,主要包括添加阻燃剂和抗过充添加剂来降低风险.

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法(LS)用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘(AFFRLS)改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘(VFFRLS)进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。

锂离子电池热失控监测参数研究综述

锂离子电池因其能量密度高、自放电率低、循环寿命长、输出功率大等优点被广泛应用于储能领域,然而由于其不稳定性导致储能事故频发。从热失控-火灾蔓延角度出发,对热失控机理进行探究,基于产气成分及含量、膨胀力、表面温度、电压变化等热失控特征参数,对现有的磷酸铁锂体系电池早期预警(外部)方式进行综述,在此基础上,提出未来电池热失控早期预警(外置)的发展思路,为锂电池热失控早期监控及预警提供思路。

基于自产热和外传热的锂离子电池热学模型参数辨识方法

锂离子电池热学模型参数(热容和热阻)的准确辨识对电池热电耦合建模及状态参数估计至关重要。然而传统测量方法成本高且测试周期长,如何利用充放电工况结合产热和传热机理研究快速热参数辨识方法具有重要意义。以8A×h软包锂离子电池为研究对象,建立分布式热路模型;设计双向脉冲工况实验,采用自适应粒子群算法(APSO)进行辨识;同时采用其他工况进行验证,实验和仿真温度误差小于0.1℃。另外,将热容和热阻转换为比热容和导热系数,并与其他文献中同类电池的参数进行比对,量级接近。研究结果表明,该方法可以有效解决层叠式软包锂离子电池热学模型参数辨识难的问题,且简便易行、成本低。

废锂离子电池的冶金回收工艺研究进展

回收废锂离子电池对资源可持续性和人类健康至关重要。废锂离子电池需要经过预处理拆解为各种组分,其中正极材料是各种组分中最具回收价值和意义的部分。目前,冶金工艺是废锂离子电池正极材料回收的主要方法,该工艺主要包括废锂离子电池的预处理、有价金属的提取、产品的回收3个阶段。总结了各阶段的主要方法和进展,并对比了各种方法的优缺点。经对比发现在废锂离子电池的预处理阶段中,机械化的处理方式是未来的发展方向;在有价金属的提取和产品回收的2个阶段中,将各种工艺相耦合来开发绿色、低成本、高效率的组合工艺将是今后的发展趋势。

考虑应力特征的锂离子电池SOC估算

准确估计荷电状态(SOC)是保证锂离子电池可靠运行的基础。提出基于多维特征特别是结合力信号的数据驱动的SOC估算方法,对锂离子电池应力特征进行Savitzky-Golay(S-G)滤波,形成优化重构后的应力信号。提出基于麻雀搜索算法(SSA)改进的反向传播(BP)神经网络,提高神经网络的全局寻优能力。用恒流(CC)、联邦城市驾驶工况(FUDS)进行评估。在BP神经网络中,相比于单纯使用电信号,考虑应力特征的SOC估算的均方根误差(RMSE)降低89.1%,平均绝对误差(MAE)降低88.8%,考虑应力特征的SSA-BP神经网络的SOC估算误差在0.3%以内,鲁棒性和精确性更高。

聚烯烃在锂离子电池隔膜领域的应用进展

隔膜是锂离子电池的重要组成部分之一,它的性能直接决定了锂离子电池的安全性能、使用寿命和电化学性能等。聚烯烃微孔膜凭借电化学性能优异、价格低廉等优势成为锂离子电池隔膜市场的主流。在隔膜减薄化趋势下,超高分子量聚乙烯隔膜独特的性能优势成为聚烯烃微孔膜中最具竞争力的产品。介绍了锂离子电池隔膜的工作原理及性能要求,聚烯烃锂离子电池隔膜的制备方法,包括湿法、干法、静电纺丝等制备工艺;阐述了锂离子电池隔膜专用料的性能要求和研发进展,生产超高分子量聚乙烯的催化剂以及聚烯烃隔膜改性的研究进展。

C/Sn复合薄膜的磁控溅射制备及其作为锂离子电池负极材料的电化学性能

采用磁控溅射的方法在铜箔上制备了C/Sn复合薄膜并将其作为锂离子电池负极材料,研究了C/Sn复合薄膜中Sn质量分数对其电化学性能的影响。研究发现,随着复合薄膜中Sn质量分数的增加,其首圈放电比容量增加,在一定范围内增加Sn质量分数,首圈库仑效率增加,但当Sn质量分数过多时其库仑效率降低。Sn质量分数分别为89.20%、91.61%、93.85%、95.81%的四种复合薄膜,在电流密度为500 mA/g时的首圈放电比容量分别为1195.4、1372.97、1574.86、1642.30 mA·h/g,首圈库仑效率分别为86.84%、87.88%、94.06%、80.66%。循环200圈后,四种复合薄膜的比容量衰减率分别为0.70%、6.13%、11.32%、18.88%。研究结果表明,当复合薄膜中Sn质量分数为89.20%时,其具有最优的倍率性能和循环稳定性能,随着复合薄膜中Sn质量分数的增加,其倍率性能及循环稳定性变差。

锂离子电池三元正极核-壳结构的电化学-力学模拟

利用有限元模拟技术构建了电化学-力学耦合的三维多物理场锂离子电池模型,进而获得了核-壳正极在放电过程中Li+浓度、应变和应力的分布与演变情况,并研究了放电结束时不同放电倍率、壳厚度和核粒径对应变和应力的影响.结果表明,颗粒中心及核-壳界面处的应力在放电初期迅速达到最大值,然后随着Li+扩散过程的进行,应力逐渐减小.另外,黏结剂和相邻颗粒对电极应力分布有显著影响.减小放电速率和核粒径以及增加壳厚度能够降低电极中的应力.研究结果可为核-壳正极结构的设计与优化以及锂离子电池放电策略提供参考.

基于简化阻抗模型和比较元启发式算法的锂离子电池参数辨识方法

快速准确地辨识电化学参数对锂离子电池机理建模至关重要。而传统的参数辨识方法多采用直接拟合,难以精确反映电池的内部状态。为解决这一问题,本工作以37 Ah三元电池为研究对象,基于电化学反应中的法拉第过程、双层电容的弥散效应的非法拉第过程以及固相与液相的传导过程,构建了一个与电化学模型映射的修正简化阻抗模型,与伪二维(P2D)模型不同,该模型输入为不同荷电状态(SOC)下的三电极电化学阻抗谱(EIS),通过拟合EIS得到对应工况电化学参数,实现对电池模型准确的参数识别。通过拟合阻抗谱,辨识得到了16个高敏感度的电化学参数,其中正极7个、负极9个。我们进一步比较了66种元启发式算法在锂离子电池电化学参数识别中的性能表现,从识别精度、计算效率和鲁棒性等方面对其进行多维分析。研究结果表明,自适应差分进化算法在参数识别中综合效果最佳,其平均绝对百分比误差小于3%,非重复函数计算次数小于35000次,表明其达到最大准确度的同时运算量较低,提出的辨识方法不仅更好地反映了参数的物理意义,还为电化学模型的简化计算和在线辨识提供了有力支持。

不同挤压工况下圆柱形锂离子电池的压缩响应研究

为了满足动力锂离子电池在机械滥用下安全运行的要求,利用实验和有限元模拟相结合的方法对不同挤压工况下锂离子电池的压缩响应特性和失效机理进行了研究。通过自行搭建的三维数字图像相关法监测平台,对18650圆柱形锂离子电池进行了挤压实验,给出了不同挤压工况(平面压缩、局部压痕和三点弯曲)下电池的力-电-热响应行为。基于COMSOL多物理场仿真软件建立了挤压载荷下圆柱形锂离子电池的多物理场耦合模型,具体讨论了加载方式对锂离子电池压缩响应的影响,并与实验结果进行了对比分析,二者吻合较好。研究结果表明,平面压痕和局部压缩工况下锂离子电池表现出一致的响应特性,承载力达到峰值后迅速下降;平面压缩工况下电池的峰值力大于局部压痕工况,随着荷电状态(SOC)的提高,电池的承载能力增强。本工作可为锂离子电池多功能设计和安全评估提供参考。

光伏硅弃料制备锂离子电池硅负极的性能

纯硅的导电性差,且纳米化、非晶化技术成本高。光伏行业用硅的产业化程度高、导电性好,弃料可在锂离子电池硅基负极实现再利用。以光伏硅弃料为原料,采用机械球磨法制备纳米硅和非晶/纳米硅材料。制备的材料均具有较高的可逆比容量和稳定的循环性能,以0.2 C在0.005~0.900 V循环100次,纳米硅剩余的比容量为2 123.32 mAh/g,非晶/纳米硅剩余的比容量为1 367.70 mAh/g。

涉水锂离子电池的腐蚀与析氢风险研究

锂离子电池涉水事件频发,特别是沿海地区及海事应用方面常常遇到高盐度涉水事件。以18650型电池为样本,进行不同盐度条件下涉水锂离子电池的腐蚀与析氢风险实验研究。结果表明:锂离子电池涉水时首先发生电解和电化学腐蚀现象,盐度越高,这种现象越显著;腐蚀主要发生在阳极帽处,随着腐蚀进行,腐蚀孔向内部深入,直至电池彻底损坏;涉水中锂离子电池的质量损失速率与电压降呈正相关关系;腐蚀产物主要为氢氧化亚铁、氢氧化铁和氢氧化铝;涉水过程中阴极析出大量氢气,氢气产生速率与盐溶液浓度呈正相关关系;对于较封闭的应用环境极易达到氢气爆炸下限;轻度腐蚀后电池热失控过程的喷射程度较为剧烈,燃爆危险性较高;而过度腐蚀则会直接破坏电池结构,进而使电池完全失效。

锂离子电池隔膜的制备技术现状及发展方向

研究锂离子电池隔膜材料、制备技术及性能等,以更好地了解锂离子电池隔膜的工作原理。首先简要介绍了锂离子电池的发展现状及其隔膜的研究;其次,详细介绍了锂离子电池隔膜材料的研究现状,包括高分子电解质膜、陶瓷电解质膜和金属电解质膜等;然后,介绍了隔膜的制备技术,包括涂覆法、溶胶-凝胶法、原位生长等;最后,陈述了锂离子电池隔膜的电化学性能,包括电导率、耐压强度、热稳定性等方面的研究。

生物质黏结剂在锂/钠离子电池中的研究进展

生物质材料是由生命体衍生得到的材料,具有可再生、可降解的特征,而且其结构中富含多种活性基团,能与电极活性材料产生氢键、离子-偶极和化学键等强相互作用。传统的油溶性黏结剂因活性基团缺乏、使用有机溶剂等特点,不利于电池综合性能和绿色发展,而采用生物质黏结剂是一种实现高循环性能、抗容量衰减的有效手段之一。该文综述了生物质黏结剂的分类及特点、与活性材料之间的作用机理,重点介绍和总结了生物质黏结剂在锂离子电池和钠离子电池中的应用,并展望生物质黏结剂在电化学领域的发展方向。未来的研究仍应集中于对天然生物质进行改性,使其兼具良好的黏附性、分散性、导电性和自愈性,以便更好地利用生物质材料的结构特性和功能特性。

车用锂离子电池快速均衡方法研究

为解决电动车电池在工作时出现的能量不一致的问题,设计了一种基于三绕组变压器的双层均衡拓扑结构,该拓扑可实现任意单体与单体、单体与部分单体、部分单体与单体、单体与整体之间的能量传输,并通过比较电池之间的荷电状态(SOC)、工作时的产热情况,确定分状态的均衡控制策略。使用MATLAB/Simulink软件进行模型搭建并仿真,试验表明:该均衡方法能够有效缩短均衡时长,缓解电池间的不一致性问题,对比传统变压器均衡方法,静置、充电、放电所需均衡时间分别缩短67.7%,66.12%,30.05%。

碳布用于锂离子电池三维一体化柔性正极的可行性研究

研究碳纤维编织布用于锂离子电池三维一体化正极的可行性,对三种经过热处理碳布的石墨化程度进行定性分析和定量计算。以锂金属作为对电极,石墨化的碳布电极在0.1~0.5 V的电压下首次放电比容量分别为83.6,94.5mAh·g^(-1)和115.2 mAh·g^(-1),经过50周次循环充放电后比容量分别为55.0,80.0 mAh·g^(-1)和88.0 mAh·g^(-1)左右。将石墨化的碳布负载LiFePO_(4)后,电极的首次放电比容量分别为73.2,109.5 mAh·g^(-1)和130.2 mAh·g^(-1)。对于石墨化程度为76.02%的碳布,经过50周次循环充放电后比容量稳定在90.0 mAh·g^(-1)左右,综合电化学性能较好,更适合用于锂离子电池的一体化柔性正极。通过建立LiFePO_(4)颗粒与碳纤维之间相互作用的力学模型,探讨一体化正极的力学性能、电学性能和电化学性能之间的关系。将碳布用于锂离子电池一体化正极,可以简化锂离子电池的常规生产过程,革新其生产方式。

基于混合模型的储能用锂离子电池剩余寿命预测方法研究

针对储能系统在调峰、调频等工况下存在电池老化等安全问题,提出一种储能用锂离子电池剩余使用寿命(RUL)预测方法。该方法通过研究锂离子电池充电曲线特点,从电池恒流、恒压充电过程中提取短时电压电流片段数据作为表征电池老化的特征,提出一种B样条曲线的方法对得到的片段数据进行降噪处理,得到与容量高度相关的新健康因子(HF),然后运用蝴蝶优化策略改进的麻雀搜索算法对卷积神经网络-长短期记忆网络混合模型参数进行优化,最后以NASA数据集和实验平台实际运行数据对锂离子电池RUL进行预测并与其他方法对比验证,结果表明,NASA数据集预测结果均方根误差RMSE、平均绝对误差MAE范围控制在3.45%、2.42%之内,实验平台电池老化数据集预测结果RMSE、MAE范围控制在0.96%、0.83%之内,所提方法对锂离子电池RUL预测具有较高的准确性,能有效解决储能电池安全预警问题,可为电网稳定控制提供保障。