锂离子动力电池系统性能衰退多维演化机理与耐久性管理

Research on performance degradation and durability control is the fundamentally key technology of safe and efficient operation of vehicular battery system, and it is also the research hotspot and focus of battery research field. This project focuses on the high specific energy lithium-ion battery and carries out the following researches. Researches are implemented on the inconsistency analysis on the degradation mechanisms of single cell’s capacity, internal resistance, alternating-current impedance, open circuit voltage and polarization behavior in a battery system, then the coupling effect between batteries’ inconsistency and the performance degradation, and corresponding evolution mechanisms are revealed. Moreover, the applicable border, scale effect and response characteristics of the mechanism, frequency domain and electric-oriented models are investigated; the potentialities of performance prediction and state estimation are excavated, and a new method is proposed for degradation parameter and state estimation based on the fusion of multi-model by using the Bayes ensemble learning theory. In addition, the study discovers the coupling characteristics between multi stress factors related to the performance degradation of batteries, applies the sampling-oriented design of experiment (DOE) method and Miner’s linear damage accumulation rule to realize the decoupling of accelerated factors and equivalent transformation between dynamic and constant working conditions, utilizes the reinforcement learning theory to construct an equivalent-life prediction model, and establishes an integrated control method of battery system by considering both consistency and durability. The project belongs to a multidisciplinary research containing electric engineering, mechanical engineering, electrochemistry, control theory, and so on. The research results would provide a new theoretical foundation for the battery management system of electric vehicles, and finally optimize the operation of battery system, both theoretically and meaningfully.

性能衰退规律研究与耐久性管理是车用电池系统安全高效运行的基础性关键技术，也是电池领域的研究热点和重点。本项目针对高比能锂离子动力电池：研究电池系统内各单体容量、内阻、阻抗、开路电压和极化的不一致衰减特性，揭示电池不一致性对其性能衰退的耦合效应和演化机理；探索机理-频域-电气模型的适用边界、尺度效应和响应特性及其在性能预测和状态估计上的潜力，应用贝叶斯方法提出基于多模型融合的性能衰退参数和状态估计新方法；研究影响电池性能衰退诸多应力因子间的耦合特性，应用基于采样的试验设计方法和米勒线性损伤累积准则开展加速因子的解耦研究和复杂车用工况-测试恒定工况间的等量化计算，应用强化学习理论构建电池等效寿命预测模型，形成兼顾一致性与耐久性的电池系统集成充放电控制方法。本项目属于电气、机械、电化学、控制等多学科交叉领域，研究成果将为电动汽车电池管理奠定新的理论基础，对电池系统优化使用具有重要的理论指导意义。

发展新能源汽车是我国国家战略与国际共识，其中，动力电池及其管理是新能源汽车安全、高效和长寿运行的基础。为此，本项目组聚焦锂离子电池高效利用，重点研究电池测试、建模与状态估计、老化诊断与寿命预测、能量管理和集成开发等关键科学与技术问题，取得如下创新成果：.(1) 建立了电池测试平台并设计了系统的老化测试方法，应用数据分析了温度、性能衰退、寿命、以及不一致性与老化的耦合等特性；明晰了电池热/动力学维度下衰退机制，提出了短时充电数据片段的电极老化诊断方法与基于深度学习的电化学阻抗谱预测方法，形成了多维老化评价方法。.(2) 提出了具有老化/环境强适应性的电池融合建模框架，引入表面/平均锂离子浓度优化了电化学模型；系统评价各模型特性，建立了多模型融合策略；为提升模型参数辨识稳定性，发明了模型在线参数回溯方法抑制参数异常波动，最终形成了考虑单体不一致性的电池组不确定性建模方法。.(3) 提出了分数阶模型驱动的荷电状态估计、容量增量分析的健康状态估计、面向功率需求驱动的功率状态预测及修正，以及应用热模型的电池内部温度估计等系列电池状态估计方法，建立了多阶老化模型融合的电池多状态协同估计策略，实现了电池多状态精准估计。.(4) 提出了应用长短时记忆循环神经网络的电池寿命预测方法，探究老化机理并引入寿命预测，提出了机理-数据融合驱动的寿命预测方法。针对实际应用工况动态复杂以及数据不全等问题，提出了基于序列对序列模型的电压-电量曲线预测以及适应固定和随机多工况下的容量轨迹预测方法。.(5) 明晰了锂离子电池析锂机制，揭示了锂离子电池热失控机理，提出了基于电化学信号的原位定量析锂检测以及用于过充报警和热失控预警方法，建立了电池组软短路故障诊断和故障严重程度判断机制，形成了电池充放电协同管理策略，开发电池管理系统，完成了台架测试验证。.项目执行期间，出版学术专著1部，发表学术论文26篇，其中SCI检索20篇、EI检索5篇；申请国家发明专利12件(授权10件)；软著登记4项。培养国家优青1名、博新计划1名、博士后3名，培养博士生6名、硕士生6名。获得教育部自然科学奖一等奖、中国电工技术学会发明一等奖，以及学会优秀博士学位论文(含提名)3项。本项目成果为电池系统管理提供了重要的理论指导和技术支撑，对推动新能源汽车推广应用、促进电池相关产业升级具有重大意义。