锂离子电池梯次利用关键技术研究

发布时间：2017-05-16 06:52

第一章 绪论 

1.1  本文研究的目的与意义 
随着世界汽车产业的发展，石油能源的消耗日益增加，加快了能源短缺的步伐，以内燃机为传统动力的汽车排放，，造成大气污染和温室效应，使其成为世界的公害，人类社会和汽车产业的可持续发展受到极大威胁，发展新能源汽车、开发新型动力汽车，成为世界汽车产业面临的紧迫任务。电动汽车以其污染小、噪声低、能源效率高、能源来源多元化等优势备受青睐，随着电动汽车技术的日益完善，电动汽车正在成为现代汽车工业的发展方向[1,2]。 得益于我国政府近年的政策扶持、社会大众环保意识的逐步加强，我国电动汽车市场在 2014 年迎来了“井喷”发展的一年。随着国内一批企业在技术研发和产品推广方面的持续努力，以及各地方充电基础设施的大规模建设，我国电动汽车产业链正在逐步形成，近年来电动汽车年销量和充电基础设施的建设情况如图 1.1 所示，图中数据显示我国在 2015 年已基本实现了累计销售 50 万量电动汽车的推广目标，预计我国 2016 年度充电站建设数量将达到 2000 座以上。 锂离子电池(简称锂电池)凭借重量轻、体积小、寿命长、电压高、无污染等优势逐步取代铅酸、镍氢、镍镉等蓄电池，成为电动汽车动力电池的首选。当汽车锂电池组的荷电能力降低到原有容量 80%左右时，不再适合继续在电动汽车中使用，若将这些锂电池组报废进行回收处理，未能实现物尽其用，将造成极大的资源浪费[3,4]。在锂电池外观完好、没有破损、各功能元件有效的情况下，可探讨进行锂电池的梯次回收再利用，锂电池梯次利用示意图如图 1.2 所示。概括地讲，可将锂电池的回收再利用分为四个梯度，其中第一梯度为在电动汽车、电动自行车等电动装置中应用；第二梯度为第一梯度退役的锂电池，可应用于电网、新能源发电、UPS 等储能装置中；第三梯度为低端用户等其它方面的应用；第四梯度对电池进行拆解回收[5]。 
.........

1.2  锂电池梯次利用国内外研究现状
到目前为止，随着电动汽车逐渐进入人们的视线，锂电池梯次利用已成为了当今研究的热点。相对来说，国内有关方面的研究还处于起步阶段，国外的相关研究比较多，在动力电池梯次利用方面，国内外的研究状况如下。美国、日本以及欧洲等发达国家于 2000 年左右就在这方面进行了大量技术投入，技术领先。主要在如下几个方面进行了关键技术研究[8-11]：在动力电池梯次利用领域，分析和研究了梯次利用动力电池使用寿命与经济效益的联系。由于锂电池较高的初始使用成本，阻碍了其广泛应用，为了加大推广力度、降低使用成本，进行了锂电池全寿命经济效益分析与研究，建立了相关的经济效益模型，并设计了相应的成本预测管理系统，以达到优化锂电池使用寿命和经济效益的目的。 美国国家可再生能源实验室(National  Renewable Energy  Laboratory, NREL)进行了电动汽车动力锂电池梯次利用项目的研究[12]，指出从电动汽车中退役下来的锂电池仍有一定的使用价值，可在电网等公共事业、光伏和风力发电系统、商业以及住宅中应用，以锂电池容量下降到原容量的 70%~80%为标准，淘汰第一梯度的锂电池是不合理的，主要从经济效益的角度分析了锂电池梯次利用的问题，制定了“价值评估-性能验证-促进实施”的研究策略；文献[12]给出了美国最近的相关研究活动，如南加州爱迪生公司电动汽车技术中心[13]、美国电力公司和电力研究院、桑迪亚国家实验室等，都曾在动力电池梯次利用等方面做过相关研究[14]；文献[15]指出锂电池昂贵的初始成本是阻碍其推广应用的主要原因，考虑锂电池老化、折旧率、放电深度(Depth of Discharge, DOD)等影响因素，建立了基于锂电池使用寿命的经济效益模型，将其应用在电动汽车、公共事业和电网储能等领域，产生了一定的经济效益，最后说明控制 DOD，可延长锂电池使用寿命、降低使用成本。  
..........

第二章 锂电池离线建模与内阻特性分析 

锂电池是典型的非线性“黑箱”系统，且影响其工作的因素较多，如环境温度、放电深度、充放电电流倍率等，为对其内部工作状态做出合理地估计和预测，通常需将此系统“灰箱”化，即构建锂电池数学模型以满足实际控制系统的需要。因此，建立既能描述锂电池动态工作特性、又便于工程实现的数学模型，是锂电池使用和管理的研究基础。锂电池建模的过程通常分为模型结构设计和模型参数辨识两个阶段。在模型结构设计阶段需选用或设计适用于锂电池的数学模型；模型参数辨识阶段需设计必要的锂电池工作特性测试实验，采用数据驱动的方法从实验数据中辨识出所需模型参数。 本章介绍了锂电池测试系统的组成和基本工作原理，根据锂电池建模需要设计了相应的测试实验，选取适用于锂电池的 RC 等效电路模型，并采用离线辨识法获取了模型参数，进一步分析了测试设备不确定性误差对所辨识内阻带来的影响。 

2.1  锂电池测试系统与基本性能测试
目前商业化锂电池，磷酸铁锂(Li Fe PO4, LFP)电池具有安全性较高、循环寿命较长、价格适中等优势，已成为电动汽车主要储能元件。本文研究对象为国内某公司生产的 18650 型磷酸铁锂动力电池，表 2-1 为该电池的主要规格参数。 本文所使用的锂电池测试系统结构图如图 2.1 所示，主要由恒温箱、锂电池充放电测试系统和上位机监控系统三部分组成。锂电池充放电测试系统为蓝电电子股份有限公司生产的 CT2001A 测试设备，具有 8 个独立控制测试通道，各测试通道采用专用夹具与被测电池相连，每个通道具有 5V 电压量程，电压测量精度为±0.1%，3A 电流量程，电流测量精度为±0.1%，温度采集精度为±1℃，最高采样率为 3Hz，具有过压、欠压、过充、过放、过流等多种保护功能；蓝电数据处理系统 LANDdt 安装于上位机系统，通过 RS232 接口与 CT2001A通信，负责下达可任意编程测试工况、接收实时上传锂电池测试数据，具有历史数据处理、显示、电池基本性能分析等功能；为保持锂电池外界环境温度恒定，整个测试过程将被测电池放置于恒温箱中，恒温箱 BPS-100CL 由上海一恒科学仪器有限公司生产，控温范围为-10℃~100℃，温度控制精度为±0.1℃，支持多时段多温度循环程序设置等功能。 
..........

2.2  锂电池离线建模及其参数辨识 

常见锂电池等效电路模型如图 2.10 所示[9]，主要包括有 Rint 模型[10]、Thevenin 模型[11]、PNGV 模型[4,5]、NREL 模型[12]和 RC 模型[13-16]。 Rint 模型是其中电路结构最简单的，因缺少必要电路元件，无法模拟锂电池动态工作状态，已逐渐被淘汰，但易于进行功率计算[9,10]；Thevenin 模型在Rint 模型的基础上串联了一个 RC 并联电路，适合描述锂电池电压极化特性，其电路结构与一阶 RC 模型相同[9,11]；PNGV 模型增加了模拟 OCV 变化的电容Cb，相比 Thevenin 模型更有利于描述锂电池动态特性，若能获取完整的OCV-SOC 曲线，两种等效电路的建模性能相当[4,5,9]；NREL 模型的电路拓扑结构如图 2.10(d)所示，为便于转化为数学模型，通常选取较小的电阻 Rc或设为 0，若将 Thevenin 模型(或一阶 RC 模型)中的电路元件 Ro、Rp和 Cp做星-三角变换，可等效为 NREL 模型中的电路元件 Ro、Rb和 Cc。因此，通过电路变换或者简化处理，这些电路模型本质上是等效的[14-17]。 RC 等效电路模型如图 2.10(e)所示，在 Thevenin 模型的基础上串联了 n 个RC 并联电路，其中 n 代表了该电路模型的阶数。由图中电路拓扑可知，与其它等效电路模型相比，RC 模型通用性强、扩展性好，是锂电池建模的首选。理论上，电路阶数越高越能更好地模拟锂电池动态工作特性，但同时也增加了系统实现的复杂度。实际上，三阶或三阶以上电路模型的精度没有提高反而降低了，是因过度复杂的电路造成模型过拟合所导致[13]。因此，本文选用锂电池 RC 等效电路模型，在权衡了模型复杂度和精度的基础上主要考虑一阶 RC 模型和二阶 RC 模型。 

........

第三章  锂电池在线建模与参数辨识...... 47 
3.1  锂电池 RC 等效电路模型...... 47 
3.1.1 RC 等效电路数学模型 ............ 48 
3.1.2  可辨识数学模型 ......... 49 
3.2  模型参数在线辨识法 ............ 51 
3.3  锂电池开路电压辨识 ............ 54
3.4  实验测试及其结果分析 ........ 59 
3.5  本章小结 ....... 68 
参考文献.............. 69 
第四章  锂电池荷电状态估计....... 72 
4.1  常用锂电池荷电状态估计法 ............ 72 
4.1.1  锂电池 SOC 估计要求............ 72 
4.1.2  扩展卡尔曼滤波法...... 73 
4.2  基于离散滑模观测器的荷电状态估计法 ...... 75 
4.3  仿真实验分析 ........... 84
4.4  本章小结 ....... 9
第五章  锂电池健康因子与健康寿命模型......... 93 
5.1  锂电池健康因子 ........ 93
5.2  锂电池健康寿命实验研究 ..... 95 
5.3  健康因子实验验证 .... 96 
5.4  锂电池健康寿命模型 ...........101 
5.5  本章小结 ......106 

第五章 锂电池健康因子与健康寿命模型 

依据健康状态定义，以锂电池当前静态容量作为健康因子是最为简单、有效、可靠的健康状态判别方法。但在实际工程应用中，多变的测试环境、受限的测试条件、有限的测试时间等因素，决定了很难直接获取锂电池有效容量信息。因此，开展基于测试实验数据间接获取锂电池性能参数，研究如何从中提取健康特征实现锂电池老化程度识别，是锂电池梯次利用急需解决的关键技术之一。 本章从分析常用锂电池健康因子入手，通过处理与分析锂电池基本性能测试实验数据发现，内阻-SOC 曲线可用于表征锂电池健康状态，进而设计了基于单体电池的健康状态测试实验，采用在线辨识法从实验数据中提取了相关健康特征数据并构建健康因子，以此建立了锂电池健康寿命模型。 

5.1  锂电池健康因子 
常用锂电池健康因子主要包括有 d Q/d V 峰值  (或 ICA)、OCV、内阻等。考虑不同健康因子测试方法和健康特征提取方法等方面问题[1-7]，进行以下具体分析。d Q/d V 峰值(或 ICA)  曲线反映出锂电池在不同电极电势点上的可充放容量能力[1,2]，随着电池老化程度加剧其容量保持率下降，反映在曲线上 d Q/d V 峰值有所回落[4,5]。通常认为在电池极化电压较小的情况下曲线峰值位置较为稳定，因此常以小倍率电流(C/20或C/25)充放电电压曲线为基准构建ICA健康因子[1,2]，若要获取可靠的 d Q/d V 峰值曲线需使用高精度万用表测量得到[4]，如此延长了测试时间、增加了测试设备成本，不利于工程实现。通常将锂电池老化归结于电解液的分解、电极材料性能退化、有效锂离子损失、表面电解质的溶解等原因，而这些内因直接反映于外部电特性即是电池内阻增大，欧姆内阻主要由电极材料、电解液、隔膜、极柱等接触电阻组成，大量研究表明欧姆内阻作为有效的健康因子已广泛应用于锂电池SOH估计[1-7]。 常用的锂电池欧姆内阻测试方法有交流阻抗谱(EIS)法和脉冲电流法[4,5]，EIS 釆用较宽的频域精确测量电池内阻，还可获得电池的动力学信息和电极材料的界面信息，EIS 测试设备成本昂贵限制了其应用范围；脉冲电流法来源于第二章所描述的 HPPC 测试法，测试方法简单、对设备要求不高，得到了广泛使用，此方法测试精度低于 EIS 法，在电池平衡状态下测试内阻被称为静态内阻测试，需要长时间静置，增加了测试时间。 
..........

总结 

从电动汽车退役的锂电池仍有一定的使用价值，若将这些锂电池报废并回收处理，将造成极大的资源浪费。在锂电池外观完好、没有破损、各功能元件有效的情况下，可对退役锂电池进行梯次利用，从而降低锂电池使用成本，有利于节能减排。然而，退役锂电池处于离线状态且单体电池之间存在性能差异，因此在进行梯次利用之前需对其性能重新评估，以便判别其适用的梯度范围。本文以 18650 型磷酸铁锂电池为研究对象，研究在特定的测试模式、测试状态和测试条件下，制定合理评价锂电池性能的测试工况，在有限的测试时间内完成其健康状态的性能评估，并形成一套相对完整的梯次利用锂电池评价方法。全文主要包括以下几方面的研究工作与创新点： 
1．从研究锂电池工作特性入手，在深入研究和分析常见等效电路模型优缺点和建模性能的基础上，选取 RC 等效电路模型作为锂电池工作模型，分别采用离线建模和在线建模的方法建立了锂电池 RC 模型。在深入研究锂电池离线建模方法的基础上，针对电池测试系统存在不确定性测量误差问题，分析了检测设备误差对锂电池被测内阻造成的影响。针对在线建模过程中出现数据饱和、动态运行工况适应性、有色噪声等问题，提出采用变遗忘因子最小二乘法和偏差补偿最小二乘法进行模型参数在线辨识，仿真实验验证了两种自适应辨识算法的有效性，通过对比离线建模法验证了在线建模法可提高建模性能 50%左右，进一步验证了两种辨识算法的可靠性。
2．在研究锂电池开路电压测试方法的基础上，将常用 OCV 测试法分为长时间静置法、小电流测试法和恒流充放电间歇法三种，基于三种 OCV 测试法设计了八种典型 OCV 测试实验，通过对比实验验证了不同 OCV-SOC 曲线的建模性能，研究和分析发现恒流充放电间歇测试法耗时短且建模性能与其它两种方法相当，因此选用 ΔSOC 较小的恒流充放电间歇法不仅可减少 OCV 测试时间，而且有利于保证 OCV-SOC 曲线可靠性。在分析 OCV-SOC 曲线特性的基础上，提出采用分段三次 Hermite 插值的方法可保证曲线的单调性，将获得的OCV-SOC 曲线转化为表格形式更有利于计算机编程实现。针对曲线受环境温度、容量衰减等因素影响，提出了 OCV-SOC 曲线归一化的方法。 
3．针对基于卡尔曼滤波的 SOC 估计法存在多步矩阵运算过程、算法设计复杂等问题，提出了基于离散滑模观测器的 SOC 估计法，分别设计了一阶、二阶 DSMO 估计算法，详细给出了两种滑模观测器的稳定性证明。仿真实验对比了 EKF、1-DSMO 和 2-DSMO 三种 SOC 估计法，实验结果证明了基于 DSMO的 SOC 估计法具有较高估计精度，且具有较好鲁棒性。通过实验对比 1-DSMO和 2-DSMO 估计法发现，2-DSMO 估计法有利于减小因锂电池参数波动引起的抖振问题，保证了 SOC 在线估计的可靠性。 
.........
参考文献(略)

本文编号：370084