《International Journal of Electrochemical Science》:Joint State of Charge and Remaining Useful Life Estimation of Lithium-Ion Batteries Considering Capacity Recovery and Accelerated Degradation
编辑推荐:
摘要翻译:锂离子电池的荷电状态(SOC)与剩余使用寿命(RUL)的精确联合估计因容量演化的非单调性(如静置诱发的容量恢复及随后的加速退化)而颇具挑战。本文提出一种协调式SOC与RUL联合预测框架,集成动态迁移等效电路模型、多模式容量老化模型与混沌鸽群优化粒子滤
摘要翻译:锂离子电池的荷电状态(SOC)与剩余使用寿命(RUL)的精确联合估计因容量演化的非单调性(如静置诱发的容量恢复及随后的加速退化)而颇具挑战。本文提出一种协调式SOC与RUL联合预测框架,集成动态迁移等效电路模型、多模式容量老化模型与混沌鸽群优化粒子滤波(CPIO-PF)。该框架通过可用容量反馈、等效循环更新与老化参数校正,将短时间尺度电气动力学与长时间尺度容量演化相耦合。等效电路模型利用迁移因子捕获短时参数漂移,而老化模型将容量分解为底层容量、恢复容量与表层容量,以刻画复杂的不可逆与可逆退化行为。混沌鸽群优化粒子滤波利用鸽群优化与Tent混沌映射增强粒子多样性与重采样性能。针对40 Ah电池及NASA数据集的实验表明,SOC均方根误差(RMSE)降至0.73%,剩余使用寿命预测误差降低50%。该框架有效建模非单调退化,实现了精确的协调式联合估计。
论文解读:
锂离子电池作为电动汽车与储能系统的核心储能单元,其运行状态与寿命状态的精确估计对保障系统安全、提升能量利用效率及优化全生命周期管理具有重要意义。在电池管理系统中,荷电状态(SOC)反映电池当前剩余容量,属于短时间尺度运行状态跟踪;剩余使用寿命(RUL)表征电池达到退役阈值前可继续工作的循环次数或时长,属于长时间尺度寿命演化预测。现有SOC与RUL估计方法通常被分为基于模型、数据驱动及混合方法三类。基于模型的方法虽具有物理可解释性与较低计算负担,但等效电路模型参数随老化漂移,且常规经验退化模型多假设容量单调衰减,难以显式刻画容量恢复及恢复后的加速退化。数据驱动方法依赖训练样本的代表性,缺乏对老化参数漂移、容量恢复等机理的显式描述。混合方法虽结合多种技术,但多数研究仍将SOC跟踪与RUL预测视为两个相对独立的任务,未充分处理短时间尺度电气动力学与长时间尺度老化演化之间的相互作用。针对上述问题,研究人员以车用三元锂离子电池为对象,提出一种集成动态迁移等效电路模型、多模式容量老化模型与混沌鸽群优化粒子滤波(CPIO-PF)的SOC-RUL联合估计框架,其核心贡献在于建立统一的协调式联合估计体系。
研究人员通过40 Ah车用三元锂离子电池(额定电压3.7 V,截止电压4.2 V/2.75 V)全生命周期老化实验及HPPC、DST、BBDST等工况测试,并在公开NASA 18650 2 Ah电池数据集上进行跨数据集验证。实验平台包含测试电池、高倍率充放电设备、恒温恒湿箱及上位机监控系统。短时间尺度数据用于迁移模型构建与SOC在线估计,长时间尺度全生命周期数据(至1155次循环,失效阈值32.46 Ah)用于多模式老化建模与RUL预测。研究得出主要结论:动态迁移等效电路模型通过引入迁移因子捕获老化引起的参数漂移,可在不同老化状态下保持可靠的端电压表征,初始状态最大误差较传统二阶RC模型由0.0747 V降至0.0499 V,89.03%老化状态下由0.0968 V降至0.0607 V,拟合RMSE由0.0180 V降至0.0100 V,降低44.44%。多模式容量老化模型将容量演化分解为底层容量、恢复容量与表层容量三部分,分别描述不可逆退化、静置诱发的容量恢复及恢复后的加速退化,其RMSE由双指数模型的0.2512 Ah降至0.1045 Ah,R2由0.9070提升至0.9977。基于上述两模型,CPIO-PF框架通过可用容量前馈与等效循环反馈实现SOC与RUL的闭环联合估计。SOC估计方面,CPIO-PF在HPPC、DST、BBDST三种工况下RMSE分别降至0.69%、0.85%和0.73%,较传统粒子滤波(PF)分别降低51.06%、52.25%和73.93%。RUL预测方面,在40 Ah电池预测起点250和500循环处,CPIO-PF将最大容量预测误差由0.9522 Ah和0.9677 Ah分别降至0.6983 Ah和0.5841 Ah,RMSE较PF降低约26%至31%;NASA电池在起点40和70循环处,RUL误差由2和4循环降至1和2循环,RMSE分别降低约33.6%和26.2%。消融实验表明,鸽群优化(PIO)重采样与Tent混沌搜索分别改善粒子集代表性与全局搜索能力,二者结合在强动态BBDST工况下收益最大。敏感性分析显示,静置时间阈值14 h在拟合精度与物理可解释性之间取得合理平衡,该阈值为针对当前数据集的经验设定,需针对不同电化学体系或循环协议重新标定。
主要技术方法包括:其一,动态迁移等效电路模型,在二阶RC等效电路模型基础上引入迁移因子向量,采用“离线辨识–在线校正”策略,利用HPPC脉冲响应离线获取初始参数随SOC的函数关系,通过迁移因子在线修正开路电压、欧姆内阻及极化支路参数,以状态空间形式统一描述短时电气动态与老化参数漂移。其二,多模式容量老化模型,依据静置时间与容量对局部退化趋势的正偏差识别恢复区间,去除恢复段后拼接得到底层容量曲线,采用一阶线性函数描述底层不可逆退化;恢复容量表示为静置时间的指数函数;表层容量采用一阶自回归形式描述恢复后的加速衰减,并通过14 h临界静置时间阈值在正常退化模式与恢复–再退化模式间切换。其三,混沌鸽群优化粒子滤波(CPIO-PF),将鸽群优化(PIO)替代传统随机重采样,利用地图罗盘算子引导低权重粒子向高适应度区域移动,地标算子淘汰劣质粒子并围绕适应度加权中心细化分布;在每个地图罗盘迭代后引入Tent混沌映射进行局部混沌搜索,增强全局搜索能力与粒子多样性。其四,SOC与RUL的耦合机制,短时间尺度上多模式老化模型估计的可用容量前馈修正SOC积分分母及动态迁移模型参数,长时间尺度上SOC累积下降量触发等效循环更新,并以容量观测驱动CPIO-PF更新老化参数向量[a,b,c]
T,进而外推未来容量轨迹并计算RUL。该框架在40 Ah电池与NASA数据集上均验证了有效性与跨数据集迁移能力,但当前验证仅限于单体电池层面,未涉及电池组不一致性与热耦合;所提14 h阈值及函数形式需进一步在不同化学体系、温度与循环协议下进行验证。未来工作将聚焦于电池组级验证、与先进数据驱动方法的系统比较以及系统化参数敏感性分析。