《Energies》:State of Health Estimation of a Lithium-Ion Battery Used in a Trolleybus Under Real Operating Conditions
编辑推荐:
在无轨电车上使用电池可提高能源效率,并使其能够在没有架空接触网的线路上行驶。本文通过基于无轨电车六年半运行期间收集的真实世界数据确定健康状态(SOH)曲线,分析了锂离子电池的老化过程。该电池采用NMC(锂镍锰钴氧化物LiNiMnCoO2)
在无轨电车上使用电池可提高能源效率,并使其能够在没有架空接触网的线路上行驶。本文通过基于无轨电车六年半运行期间收集的真实世界数据确定健康状态(SOH)曲线,分析了锂离子电池的老化过程。该电池采用NMC(锂镍锰钴氧化物LiNiMnCoO2)技术制造,用作车载储能单元。电池组为无轨电车在非电气化路段提供动力,并提高其能源效率。本文利用2016年至2023年间每日运行记录的数据,研究了此类车辆中锂离子电池的老化过程。电池的SOH基于三个标准进行估计:特定SOC(荷电状态)范围、特定电池电压范围和特定电池组温度范围。在这些条件下,研究人员分析了流入电池的电荷量和能量流,从而获得了电池的SOH值。文中展示了与电池最低和最高温度以及电池放电电流相关的随机变量的经验分布。基于这些经验分布,计算了代表健康指标(HI)的统计描述符。同时,分析了对被测电池老化过程有显著影响的环境因素(温度、SOC、放电和充电电流)。
**论文解读:真实运行条件下无轨电车用锂离子电池健康状态估计研究**
**研究背景与问题**
随着城市公共交通对能源效率和运营灵活性的需求日益增长,为无轨电车配备车载储能系统已成为一种重要解决方案。这不仅能提高能源效率,还能支持车辆在非电气化路段行驶,实现“离网”运行。锂离子电池,特别是NMC(锂镍锰钴氧化物)电池,因其高能量密度而被广泛应用。然而,电池在复杂多变的真实运行条件下会发生老化,其健康状态(SOH)直接影响车辆的续航里程、运营成本和可靠性。目前,大多数SOH估计研究基于实验室可控条件下的数据,未能充分考虑实际车辆运行中温度、电流、SOC(荷电状态)等参数的高度可变性及其统计分布特性。因此,开发基于真实运行数据、能够准确反映电池在实际服役条件下老化动态的SOH估计方法,对于公共交通运营商进行电池寿命预测、维护规划和能源管理至关重要。本项研究旨在填补这一空白,论文发表在《Energies》期刊上。
**关键技术方法概述**
为开展研究,研究人员获取并处理了来自欧盟北部某国公共交通公司的一辆Solaris Trollino 12 M(第三代)无轨电车(标识ID = 3088)在2016年1月1日至2023年6月30日(共六年半)期间产生的真实运行数据集。该数据集庞大,可归类为大数据(BD)。研究采用数据驱动方法(DDA),主要利用LINQ(语言集成查询)工具对数据库进行查询和处理,以提取和分析相关参数。分析聚焦于电池在受电弓供电模式(Catenary Mode)下的充电过程。为评估SOH,设定了两个核心数据筛选标准:一是SOC标准(SOC ∈ <70%, 100%>),二是电池电压标准(Ubatt ∈ <650 V, 680 V>)。通过在这些特定区间内,对流入电池的电荷量(Q)和能量(W)进行数值积分,并追踪其随时间的变化,从而反映电池容量的衰减。此外,研究还对电池放电电流、最低与最高温度等参数进行了统计分析,以探究其分布特征及其与老化的关联。
**研究结果**
**2. 车辆选定随机变量的直方图**
研究人员展示了选定运行参数在分析期内的经验分布。每日行驶距离分布显示,最常见(约230次)的日行驶距离在220-230公里之间。仅由电池供电的日行驶距离分布表明,最常见(约550次)的情况在0-5公里范围内。能量回馈至接触网的相对值(RVE/IVE)参数最常见(250-300次)分布在5%至17.5%之间。驱动系统再生制动能量的相对值(RDE/IDE)参数最常见(超过550次)集中在35%至37%的范围内,这表明动态制动能量回收效率相对较好。
**3. 选定波形与分析标准**
通过展示典型日运行波形(如能量、电压、电流、SOC、速度、运行模式),研究人员揭示了无轨电车在受电弓模式和电池模式之间交替运行的特征。在电池模式下,最大放电电流可达180 A,相当于3C的放电倍率。基于对充电过程动态的分析,研究人员确定了上述SOC和电压标准,用于从海量数据中筛选出符合特定条件的充电状态片段进行分析。
**4. 受电弓模式下输入电池的电荷与能量**
对符合SOC标准和电压标准的数据分别进行分析,结果表明,输入电池的电荷量和能量均随运行时间而减少,这是电池老化的直接体现。变化动态在运营初期最为显著,在六年半后趋于平缓。数据点围绕三阶多项式趋势线的分布情况,SOC标准下的拟合度(R2 ≈ 0.94)优于电压标准(R2 ≈ 0.76)。研究指出,未考虑电池温度标准是导致部分数据点偏离趋势线的原因之一。
**5. 影响锂离子电池退化的因素**
**5.1 电池退化机制**
电池老化源于日历老化和循环老化两种机制。循环老化受多种因素影响,包括电池温度、放电电流值、充电电流值以及SOC或DOD(放电深度)水平。这些因素对电池内部组件(如电极、电解质)的退化产生不同影响。
**5.2 SOC对电池退化的影响**
在分析的无轨电车中,SOC最大值记录为100%,但该状态在运营中持续时间极短。在车场驻车时,电池会在接近100% SOC下保持数小时。仅考虑日历老化,根据文献,六年半后容量损失约8%,因此这不是主要的退化因素。SOC最小值从未低于30%,故低SOC因素影响甚微。
**5.3 温度对电池退化的影响**
展示了夏季和冬季典型日的电池最高、最低温度波形,表明温度曲线呈单调上升趋势,且冬季温度值低于夏季。针对整个分析期内符合SOC标准的数据,给出了最高和最低电池温度的经验分布直方图。其分布可较好地用正态分布近似。最高温度直方图显示,多数数据点集中在29°C至35°C区间。尽管温度高于45°C的数据点频率下降较快,但它们对电池退化贡献显著。最低温度主要集中在16°C至26°C区间,未记录到零下运行温度,因此最低温度对退化速率的影响相对较小。研究人员指出,记录的极端温度值可能不能完全代表所有电芯的实际温度。
**5.4 充放电电流对电池退化的影响**
最大充电电流约为60 A(1C倍率),而最大放电电流达180 A(3C倍率)。为量化高倍率放电的影响,研究人员提出了一种原创方法:将电池模式下的放电电流波形按是否超过1C(绝对值)进行分割,分别计算对应的电荷量Q1C(≤1C部分)和QOC(>1C部分),并分析其比值QOC/Q1C。经验分布显示,Q1C和QOC的分布均可用伽马分布良好近似。QOC/Q1C比值的分布形状接近矩形分布(均匀分布)。分析发现,QOC/Q1C比值在1.1至1.5范围内的出现频率最高,而该范围对应的高放电电流对电池退化最为关键。
**6. 基于历史数据的SOH变化评估**
基于电荷增量(公式13)和能量增量(公式14)两种方法计算SOH。结果表明,SOH下降动态在车辆运营前两年最高,六年半后变化动态可忽略不计。两种方法得出的SOH值在运营末期均收敛于约51%。SOH随时间的变化可用三阶多项式(公式15)很好地拟合,并给出了基于SOC标准和电压标准的两组多项式系数。
**7. 所提研究方法的若干问题讨论**
**7.1 特定SOC区间对SOH结果的影响**
通过分析不同SOC窗口(60%-100%, 70%-100%, 80%-100%)发现,电荷比和能量比的百分比值非常相似(51%-54%),表明SOH结果对所选SOC窗口大小不敏感,验证了选择70%-100%范围作为折衷方案的合理性。
**7.2 所获结果的实际应用**
研究所确定的多个经验分布的近似函数(f1(x)至f5(x))及其参数,可用于评估其他运行条件相似的无轨电车中NMC电池的SOH动态。若其他无轨电车的温度、电流等直方图能用具有相同参数的对应分布良好近似,则其SOH过程动态将基本相同。研究指出,按容量降至初始值80%作为寿命终点(EOL)的常见阈值,被测电池达到此阈值仅用了约18个月,这归因于相对严苛的运行条件(如高放电倍率3C、较高的最高温度、大量的充放电循环)。然而,即使SOH降至约50%,电池仍能支持约40公里的续航,这对于大型城市群中部分非电气化线路的公交服务可能仍然足够。
**结论总结**
基于对无轨电车六年半历史运行数据的分析,研究人员得出以下结论:为分析电池SOH,设定了SOC标准和电压标准。算法为每个日数据集找到了从几个到十几个符合标准的案例。在指定标准下,输入电池的电荷和能量随运行时间减少,动态变化在前两年最大。三阶多项式定义的趋势线能较好地近似受电弓模式下输入电池的电荷和能量结果。利用电荷增量和能量增量方程确定的SOH,其下降动态在前两年最高,六年半后变化可忽略不计,最终SOH值收敛于51%。电池最低和最高温度的经验分布可用正态分布良好近似。驱动模式下Q1C和QOC电荷分布可用伽马分布良好近似。QOC/Q1C比值的分布可用矩形分布近似。所获得的经验分布近似函数(f1(x)至f5(x))可能有助于评估安装在其他无轨电车中的锂离子NMC电池的SOH。对在实际运行条件下工作的无轨电车的重要经验分布(温度、电流等)进行统计分析,对于评估电池SOH至关重要。确定能较好近似经验分布的分布函数,有助于建立分布参数(均值、方差、峰度、偏度等)与SOH曲线之间的关系。