Absztrakt
Az ellenállás a lítium-ion (Li-ion) akkumulátorok teljesítményének mérésének egyik kulcsparamétere, amely tükrözheti az akkumulátor hatékonyságát és teljesítményét. A Li-ion akkumulátorok egyéb teljesítményparamétereihez hasonlóan az ellenállást is befolyásolják a működési feltételek, és az akkumulátor öregedésével növekszik. E függőségek megragadása érdekében a hagyományos megközelítés szerint szintetikus feladat-konfigurációs fájlokat használnak a Li-ion akkumulátorok különböző körülmények között történő öregítésére, valamint az öregedési tesztek időszakonkénti megszakítására az ellenállás mérésére normál körülmények között. Bár ezzel a módszerrel pontos adatok nyerhetők az ellenállás viselkedéséről, ezek az adatok gyakran nem tükrözik teljes mértékben a gyakorlati alkalmazásokban tapasztalható ellenállásváltozásokat. Ezért ez a cikk egy olyan új módszert javasol, amely közvetlenül kinyerheti, modellezheti és előre jelezheti az ellenállást az akkumulátor dinamikus feladat-konfigurációs fájljából. Ebben a folyamatban az ellenállás kinyerése elsősorban adatmanipuláción és rögzítésén alapul, míg a modellezés és előrejelzés logaritmikus lineáris modelleket használ. Ez a módszer pontosabban képes szimulálni és megjósolni az akkumulátorok ellenállásváltozásait a tényleges használati körülmények között, új perspektívát biztosítva az akkumulátor teljesítményének értékeléséhez és az élettartam előrejelzéséhez.
1. Bevezetés
1.1 A belső ellenállás jelentősége és jellemzői lítium-ion akkumulátorokban
A teljesítmény és az alkalmazás kulcsparaméterei:A belső ellenállás a kapacitáshoz hasonlóan fontos paraméter a lítium-ion akkumulátorok teljesítményének és élettartamának leírásához. Az olyan alkalmazásokban, mint a megújuló energia tárolása és az elektromos járművek, a belső ellenállást használják az akkumulátorok teljesítményének meghatározására, és ez kulcsfontosságú az akkumulátorrendszerek tervezésének optimalizálásához, hogy megfeleljenek a műszaki és gazdasági követelményeknek. Mindeközben a belső ellenállás az akkumulátor elektromos és termikus modellezésénél is kulcsparaméter, amely leírja az akkumulátor dinamikus, illetve fűtési viselkedését.
Nemlineáris és befolyásoló tényezők:A lítium-ion akkumulátorok belső ellenállása erősen nemlineáris, és befolyásolja az üzemi hőmérséklet, a terhelési áram és az akkumulátor töltöttségi állapota (SOC). Sőt, a hosszú távú működés során a belső ellenállás idővel öregszik.
Hagyományos mérési módszerek és korlátaik:Különféle módszerek léteznek a lítium-ion akkumulátorok belső ellenállásának meghatározására, ezek között általában az áramimpulzus-technológiát alkalmazzák. Bizonyos amplitúdójú és hosszúságú töltő-kisütési áramot alkalmazva az akkumulátorra rögzítjük az akkumulátor feszültségválaszát, majd az Ohm-törvény alapján kiszámítjuk a belső ellenállást. Ez a módszer sikeresen alkalmazható laboratóriumi körülmények között az akkumulátorok belső ellenállásának meghatározására különböző körülmények között, és nyomon követhető a belső ellenállás változása az öregedési folyamat során. Legfőbb hátránya azonban, hogy az akkumulátornak legalább 15 percig üresjáratban kell lennie a mérés előtt a termodinamikai stabilitás eléréséhez, ami a gyakorlati alkalmazásokban korlátozott a lítium-ion tárolórendszerek műszakilag és gazdaságilag megvalósíthatatlan állásideje miatt.
1.2 Kutatási célok és módszerek
Kutatási cél:A lítium-ion akkumulátorok belső ellenállásának csökkenésének közvetlen követésének megvalósíthatóságának elemzése egy tényleges feladatprofilból, amelyet az akkumulátor 38 hetes öregítésére használnak.
Belső ellenállás kivonási módszer:Az SRD algoritmus mögött meghúzódó ötlet alapján a belső ellenállást az áramimpulzusok kezdetének és hosszának gondos követésével nyerik ki. Feltételezve, hogy a kivont ellenállás logaritmusa normális eloszlást követ, és átlaga az akkumulátor SOC nemlineáris függvénye, a belső ellenállásmodell paramétereit hetente becsüljük meg, hogy nyomon követhessük az ellenállás időbeli változásait.
Az akkumulátor élettartamának előrejelzési módszere:Becsült paraméterek felhasználásával, valamint az SOC és a ciklusszám előzetes valószínűségét feltételezve, a Bayes-szabályok és a teljes valószínűség törvénye szerint, az akkumulátor élettartamának pontos eloszlását az új belső ellenállásérték és a megfelelő SOC mérésével számítjuk ki. Végül hasonlítsa össze a javasolt módszer eredményeit a hagyományos módszerekkel, heti öregítés utáni ellenállásmérés eredményeivel.
2. Részletes információk a kísérleti akkumulátorokról, az öregedési körülményekről és a belső ellenállás méréséről
2.1 Az akkumulátor specifikációinak tesztelése
Ez a kísérlet egy hengeres lítium-ion akkumulátort használ, amelynek névleges kapacitása 2,5 Ah és névleges feszültsége 3,3 V. Az akkumulátort grafit anódra és lítium-vasfoszfát (LFP) katódra tervezték, kifejezetten nagy teljesítményű alkalmazásokhoz tervezték, és ellenáll a névleges áram négyszeresének megfelelő folyamatos töltésnek és kisütésnek.
2.2 Öregedési állapot beállítása
Jelenlegi profil és öregedési ciklus: Használja az 1. ábrán látható jelenlegi profilú öregedési akkumulátort egy hétig. Különlegessége abban rejlik, hogy az esetek több mint 95%-ában 4C sebességű (azaz 10A) áramot használnak a töltésre és a kisütésre. 25 C-os öregedési hőmérsékleten ezt az öregedési profilt alkalmazták az akkumulátor tesztelésére akár 38 hétig. Az áramprofil alkalmazása után az akkumulátor SOC profilja a 2. ábrán látható, ahol az SOC 10% és 90% között változik.
2.3 A belső ellenállás mérési folyamata és eredményei
Mérési módszer és paraméterek:Heti öregedési tesztek után az akkumulátor belső ellenállását áramimpulzus-technológiával mérik. A mérések 20%, 50% és 80% SOC mellett történtek, az áramimpulzusok 4C (10A) sebességgel 18 másodpercig. Mérés előtt az akkumulátornak 15 percig üresjáratban kell lennie a termodinamikai stabilitás eléréséhez.
Mérési eredmények elemzése:38 hét ciklikus öregedés után az akkumulátor belső ellenállása 8,7%-kal nőtt, miközben az akkumulátor kapacitása több mint 15%-kal csökkent a kezdeti mérési értékhez képest. Ez azt jelzi, hogy az öregedési folyamat során, bár az akkumulátor kapacitása jelentősen csökken, a belső ellenállás növekedése viszonylag csekély, ami tükrözi az akkumulátor teljesítményének változását ebben az öregedési állapotban. Ez alapot ad az akkumulátor belső ellenállása és az SOC közötti kapcsolat további kutatásához, valamint belső ellenállási modellek felállításához.
3. Módszer és kapcsolódó jellemzők az akkumulátor belső ellenállásának dinamikus profilokból való kiemelésére
3.1 A dinamikus profilon alapuló belső ellenállás kivonás elve
Az akkumulátor belső ellenállásának az 1. ábrán látható dinamikus profilból való kiemeléséhez az áramimpulzus kezdete előtt követni kell az I áramot és a V{1}}s feszültséget. Ha ismert az áram, a feszültség és a V_s egy adott t pillanatban, akkor Ohm törvénye szerint:
Számítsa ki az ellenállást abban a pillanatban. A kulcs annak meghatározása, hogy mikor és hogyan kell frissíteni a V{0}}-okat. Az áramerősség t időponttól (t+1) bekövetkezett változása alapján a következő három helyzetre osztható:
3.2. A V_-ok frissítési módszere a különböző jelenlegi változások mellett
Jelenlegi változások 0 értékről nullától eltérőre (1. forgatókönyv):A V{{0}}s az utolsó feszültségértékre frissül, amikor az áramerősség utolsó 0 volt (azaz (V_t)). Ez a módszer az áramimpulzusok közötti relaxációs időre támaszkodik, hogy az akkumulátor feszültsége elérje (vagy megközelítse) a nyitott áramköri feszültséget (OCV). Minél hosszabb a relaxációs idő, annál pontosabb az akkumulátor ellenállásának becslése.
Az áram egy nem nulla értékről egy másik nem nulla értékre változik (2. forgatókönyv):A helyzet összetett. Ha az akkumulátor utolsó üresjárati ideje rövid, akkor az aktuálisan tárolt (V_s) alapján lehet meghatározni az ellenállást, de minél hosszabb az üresjárati idő, annál kevésbé lesz pontos az érték. A pontosabb modell elérése érdekében ez a cikk figyelmen kívül hagyja a kihúzott ellenállásokat ilyen esetekben. Ennek a problémának két lehetséges megoldása van:
Az egyik az, hogy figyelembe kell venni az áram változását az aktuális értékhez képest, így a 2. helyzet átalakul 1-es helyzetté (vagyis ha I2- I2 {t-1}<€) and (I2 {t+1} - I2- t>€), majd legyen (V_s=V_t);
Másodszor, ha az akkumulátor SOC-értéke ismert, és van kapcsolati modell az OCV és az SOC között, akkor ez a kapcsolat felhasználható a V{0}}-ek frissítésére a belső ellenállás-becslés pontosságának javítása érdekében.
A jelenlegi változatlan (3. forgatókönyv):Ha|I2- I2 {t+1} |<=&, V_s does not need to be updated. Simply calculate the resistance at time t+1 using the formula and proceed to the next iteration.
3.3 A relaxációs periódus hatása az extrakciós módszerre
The internal resistance is affected by the length of the current pulse, and it takes time for the battery to reach thermodynamic stability after the current interruption. Tracking the previous pulse length L and relaxation period length T is beneficial. By comparing the resistance identification results under two conditions: requiring a relaxation period at least as long as the previous current pulse (T>=L) and requiring only 1 second relaxation period (T>1), a relaxációs periódus hatását tanulmányozzuk az extrakciós módszer teljesítményére. A két forgatókönyvben kinyert belső ellenállásértékek R_i és bar, illetve {R}_i jelölések.
3.4 A belső ellenállás becslésének jellemzői
Mivel az öregedés után hetente 18 másodperces impulzushosszt alkalmaznak a belső ellenállás mérésére, a javasolt módszerrel kinyert belső ellenállást az R_i=R{{3} ellenállásértékként határozzuk meg. } {i, 18s} 18 másodperc után. A vizsgált dinamikus öregedési profilban (1. ábra) az áram többnyire azonos C-amplitúdó mellett változik, így az akkumulátor belső ellenállását csak a 9,5A-10.5A áramtartományban becsülik, ami segít (1) elkülönítse a belső ellenállás áramtól való függőségét, és (2) ellenőrizze a javasolt módszert torzítás nélkül.
4. Az akkumulátor belső ellenállása és az SOC kapcsolata, valamint az akkumulátor kor előrejelzésének elemzése
4.1 A belső ellenállás és az SOC kapcsolata és modellezése
A belső ellenállás variációs törvénye SOC-val:Az elválasztási hőmérséklet, az áram (C-ráta) és az impulzushossz befolyásolása után a vizsgált akkumulátor belső ellenállása csak SOC hatására változik, és növekszik az akkumulátor öregedésével. Tekintettel arra, hogy az akkumulátor belső ellenállása növekszik, amikor az SOC megközelíti a 0 és 1 értéket, használja:
Mutassa be kapcsolatát a SOC-val, és használja a logaritmusát, hogy a paramétertérben linearitást mutasson, ami megkönnyíti a paraméterbecslést. Feltételezve az akkumulátor ellenállását egy adott hétre \ (w \)
Tartsa be a normál eloszlást, amelynek átlaga {{0}} és o-2 variancia, és a variancia nem változik a héten. Becsülje meg a paramétereket a maximum likelihood módszerrel, feltételezve, hogy a béta_ {1, w} és a béta_ {2, w} egyaránt kisebb vagy egyenlő, mint 0.
Kísérleti adatérvényesítési modell:A fent említett öregedési profil és módszer alapján a kinyert belső ellenállás értékeket (lásd 7. és 8. ábra, fekete pontok) a fenti modellel illesztettük. A kék vonal a várható logaritmikus ellenállási indexet, az árnyékolt terület a 95%-os konfidencia intervallumot, a piros pontok és a szaggatott vonalak pedig a heti ellenőrzési mérési értékeket és a megfelelő havi illesztett modellértékeket jelölik. A két relaxációs periódus követelménye szerinti eredményeket összehasonlítva a szigorú relaxációs periódus csökkenti a belső ellenállásértékek számát, de jelentősen csökkenti a változást. Számítsa ki az abszolút százalékos hibát (APE), hogy ellenőrizze a módszer pontosságát. A legtöbb esetben a 9. ábrán a medián APE kevesebb, mint 4,5%, ami azt jelzi, hogy a javasolt belső ellenállás-azonosítási módszer helyettesítheti a hagyományos módszereket (amelyek 15 percig tétlenül írják elő az akkumulátort). A 11. ábra azt mutatja, hogy idővel a béta paraméter csökkenésével a modell szórása először csökken, majd növekszik. A béta_ {1, w} és a béta{{10}} {2, w} csökkenése a belső ellenállás gyorsabb növekedését okozza, amikor az SOC megközelíti az 1-et. A béta paraméter együttesen szabályozza a minimális várható belső ellenállás, ha az SOC 0,5, ami viszonylag stabil marad az öregedési folyamat során.
4.2. Az akkumulátor korának előrejelzése és elemzése
Modell alapú előrejelzési elv:A belső ellenállás és az SOC fent említett kapcsolati modellje alapján az SOC érték és az akkumulátor kora (hetek) ismeretében pontosan megjósolható az akkumulátor belső ellenállása. Ellenkező esetben meg kell határozni
Az akkumulátor élettartamának becsléséhez használja a valószínűségi eloszlást. Ehhez fel kell tételezni az SOC, a ciklusszám és a belső ellenállás SOC valószínűségi eloszlását, a hetek együttes eloszlását. Feltételezve, hogy az SOC és a ciklusszám előzetesen független, az akkumulátor SOC folyamatos egyenletes eloszlást követ egységnyi intervallumon, és a ciklusszám diszkrét egyenletes eloszlást követ a lehetséges ciklusok halmazán. A Bayes-szabály és a teljes valószínűség törvénye szerint számítsa ki a posterior eloszlást:
Foglalja össze az akkumulátorciklusok utólagos eloszlását súlyozott medián és nagy hátsó sűrűségű régió (High posterior density region, HPD) szerint, ahol a 95%-os HPD régió a minimális régiókombinációt jelenti 95%-os kombinációs valószínűséggel (görbe alatti terület).
Az előrejelzési eredmények elemzése különböző belső ellenállások és SOC mellett:Ha a belső ellenállás 15 m Ω, a posterior valószínűségi eloszlás 20% és 80% SOC mellett majdnem azonos, a súlyozott medián tartomány 17.4-24.7 hét. A 95%-os HPD régió lefedi a teljes öregedési időszakot (1-38 hét), ami megnehezíti az akkumulátor korának megkülönböztetését. Ez összhangban van azzal a ténnyel, hogy az akkumulátor belső ellenállása csak 8,7%-kal nő 38 hetes öregedés után, és mivel a béta_ {2, w} gyorsabban csökken, mint a béta_ {1, w }, különbségek vannak a 20%-os és 80%-os SOC-nál a posterior eloszlásban (lásd a 12-14 ábrát). Ha a belső ellenállás 20 m Ω-ra nő, 95% a valószínűsége annak, hogy az akkumulátor 22,8 hétnél, illetve 27,5 hétnél hosszabb lesz 20% és 80% SOC mellett. 50%-os SOC mellett a utólagos eloszlásnak nagyobb a valószínűsége 1-10 héten és 23-38 héten. Ez annak köszönhető, hogy az öregedés korai szakaszában a belső ellenállás mérési értékei 50% SOC közelében csökkentek, és a belső ellenállás különböző gyorsulási sebessége nő különböző SOC-nál (lásd a 15-17 ábrát).
5. Összegzés
Belső ellenállás azonosítási és modellezési módszer:Ez a tanulmány egy módszert javasol az akkumulátor belső ellenállásának közvetlen azonosítására a dinamikus öregedési profilokból, és modellezi annak leromlási viselkedését. Az áramprofil változásainak gondos nyomon követésével és az Ohm törvény alapján az ellenállás kiszámításához minden pillanatban a belső ellenállást 18 másodperces folyamatos töltés utáni ellenállásként határozzuk meg, és arra a feltételre korlátozódik, hogy a relaxációs periódus legalább hosszú, mint az előző áramimpulzus. Az adott hét kinyert belső ellenállását a SOC logaritmikus lineáris függvényeként modellezzük, ami nagymértékben összhangban van a hagyományos módszerekkel mért belső ellenállással.
Belső ellenállás-stabilitási elemzés:Az elemzés azt mutatja, hogy a 20%-os és 80%-os SOC-nál tapasztalható magasabb belső ellenállás-növekedéshez képest az 50%-os SOC közelében kivont belső ellenállás néhány héten belül meglehetősen stabil, ami teljesen összhangban van a hagyományos módszerekkel kapott eredményekkel.
Az akkumulátor kora utólagos valószínűségi eloszlásának kiszámításának kerete:A javasolt módszer beépíthető az akkumulátor kora utólagos valószínűségi eloszlásának számítási keretébe. A mért belső ellenállás érték és SOC alapján meghatározható az akkumulátor \(w\) hetes korának valószínűségi eloszlása, ami segít tovább becsülni az akkumulátor hátralévő hasznos élettartamát (RUL), de ez a rész megmarad. a jövőbeli kutatásokhoz.
A RUL becslés mellett ennek a kutatási keretnek egy másik egyszerű kiterjesztése az SOC viselkedésének és annak az akkumulátorhasználattal való kapcsolatának megismerése, amellyel ebben a cikkben nem foglalkoztunk, és a jövőben tovább lehet vizsgálni, hogy átfogóbb megértsük az akkumulátor teljesítményét és optimalizáljuk. akkumulátorkezelés.