锂离子电池多物理模型参数辨识及健康特征提取

摘要 ....................................................................................................................... I Abstract .................................................................................................................. I II

第1章绪论 (1)

1.1 课题研究的背景和意义 (1)

1.2 锂离子电池模型与参数辨识方法研究现状 (2)

1.2.1 锂离子电池电化学模型与热模型 (2)

1.2.2 锂离子电池模型参数辨识方法 (5)

1.3 锂离子电池健康特征提取与老化机理分析方法研究现状 (7)

1.3.1 锂离子电池健康特征提取方法 (8)

1.3.2 锂离子电池老化机理分析方法 (10)

1.4 本文主要研究内容 (12)

第2章锂离子电池多物理模型与仿真分析 (14)

2.1 引言 (14)

2.2 锂离子电池多物理模型 (14)

2.2.1 电极电化学行为描述 (15)

2.2.2 电极热行为描述 (18)

2.2.3 电池内部温度分布效应 (19)

2.3 基于多物理模型的电池外部特性仿真与内部过程分析 (22)

2.3.1 电池外部性能仿真 (24)

2.3.2 电池容量的计算 (25)

2.3.3 电池过电势仿真与分析 (26)

2.3.4 电极发热率与温度分布仿真与分析 (31)

2.4 本章小结 (33)

第3章多物理模型参数敏感度分析与辨识工况优化 (34)

3.1 引言 (34)

3.2 参数敏感度分析方法 (34)

3.2.1 多物理模型参数集 (34)

3.2.2 敏感度分析方法 (35)

3.2.3 敏感值矩阵的计算 (36)

- V -

哈尔滨工业大学工学博士学位论文

3.3 辨识工况的优化设计方法 (37)

3.3.1 辨识工况的形式与优化目标 (37)

3.3.2 基于NSGA-II的辨识工况优化算法 (40)

3.4 磷酸铁锂电池参数敏感度分析与辨识工况优化 (41)

3.4.1 磷酸铁锂电池参数集与仿真曲线束 (41)

3.4.2 磷酸铁锂电池参数敏感度分析结果 (43)

3.4.3 磷酸铁锂电池的优化辨识工况 (45)

3.5 钴酸锂电池参数敏感度分析与辨识工况优化 (48)

3.5.1 钴酸锂电池参数集 (48)

3.5.2 钴酸锂电池参数敏感度分析结果 (50)

3.5.3 钴酸锂电池的优化辨识工况 (51)

3.6 本章小结 (53)

第4章锂离子电池多物理模型参数辨识方法研究 (54)

4.1 引言 (54)

4.2 基于并行多目标遗传算法的多物理模型参数辨识 (54)

4.2.1 普通遗传算法的改进 (54)

4.2.2 基于MATLAB分布式计算的遗传算法并行化 (57)

4.2.3 多目标参数辨识方法及其实现 (59)

4.3 多目标参数辨识方法有效性验证 (62)

4.3.1 不同辨识目标数对结果的影响 (63)

4.3.2 不同辨识工况对结果的影响 (66)

4.4 商用锂离子电池的多目标参数辨识 (68)

4.4.1 磷酸铁锂电池参数辨识结果验证 (69)

4.4.2 钴酸锂电池参数辨识结果验证 (73)

4.5 本章小结 (76)

第5章钴酸锂电池循环寿命试验及内部健康特征提取 (77)

5.1 引言 (77)

5.2 钴酸锂电池循环寿命试验 (77)

5.2.1 循环寿命试验系统 (77)

5.2.2 循环寿命试验设计 (79)

5.3 内部健康特征的确定方法 (80)

5.4 钴酸锂电池内部健康特征的退化规律 (83)

5.4.1 容量相关特征的退化规律 (83)

5.4.2 锂离子扩散相关特征的退化规律 (85)

- VI -

5.4.3 负极SEI膜电阻的退化规律 (86)

5.4.4 电化学反应相关特征的退化规律 (87)

5.5 钴酸锂电池循环老化机理定性分析 (89)

5.6 本章小结 (90)

第6章钴酸锂电池性能退化因素的定量分析 (91)

6.1 引言 (91)

6.2 钴酸锂电池放电容量损失因素定量分析 (91)

6.2.1 循环老化电池容量损失的原因 (91)

6.2.2 锂离子电池容量损失的分解计算方法 (94)

6.2.3 钴酸锂电池容量损失的分解计算结果与分析 (95)

6.3 钴酸锂电池总过电势退化因素定量分析 (97)

6.3.1 电池总过电势退化的分解计算结果 (97)

6.3.2 电池各部分过电势退化的分解分析 (99)

6.4 钴酸锂电池产热率与热交换定量分析 (100)

6.4.1 电池内部产热率的分解 (100)

6.4.2 电池内部总产热量的分解 (101)

6.4.3 电池表面热交换量的分解 (102)

6.5 本章小结 (103)

结论 (104)

参考文献 (106)

附录 (118)

攻读博士学位期间发表的论文及其它成果 (120)

哈尔滨工业大学学位论文原创性声明和使用权限 (122)

致谢 (123)

个人简历 (124)

- VII -

哈尔滨工业大学工学博士学位论文

Contents

Abstract (In Chinese) .............................................................................................. I Abstract (In English) ............................................................................................. I II

Chapter 1 Introduction (1)

1.1 Background and significance of the subject (1)

1.2 Research status of modeling and parameters identification methods (2)

1.2.1 Electrochemical model and thermal model of Li-ion battery (2)

1.2.2 Methods of parameter identification for Li-ion battery (5)

1.3 Research status of health feature extraction and aging mechanism analyzing . 7

1.3.1 Methods of health feature extraction for Li-ion battery (8)

1.3.2 Methods of aging mechanism analysis for Li-ion battery (10)

1.4 Main research contents of this dissertation (12)

Chapter 2 Multi-physics modeling of Li-ion battery and simulation analysis .. 14 2.1 Introduction (14)

2.2 Multi-physics modeling of Li-ion battery (14)

2.2.1 Desctrption of electrochemical behavior (15)

2.2.2 Desctrption of thermal behavior (18)

2.2.3 Thermal distribution of Li-ion battery (19)

2.3 Performance simulation and internal effects analysis base on multi-physics model (22)

2.3.1 Performance simulation of Li-ion battery (24)

2.3.2 Calculation of battery capacity (25)

2.3.3 Simulation and analysis of the total overpotential (26)

2.3.4 Simulation and analysis of heat generation and thermal distribution (31)

2.4 Summary (33)

Chapter 3 Parameter sensitivity analysis of multi-physics model and identification condition optimization (34)

3.1 Introduction (34)

3.2 Parameter sensitivity analysis (34)

3.2.1 Parameter set of multi-physics model (34)

3.2.2 Methodology on parameter sensitivity analysis (35)

3.2.3 Calculation of the sensitivity value matrix (36)

3.3 Optimization of the identification condition (37)

- VIII -

Contents

3.3.1 Identification condition and optimization objectives (37)

3.3.2 Optimization algorithm based on NSGA-II (40)

3.4 Parameter sensitivity analysis and identification condition optimization of LiFePO4 battery (41)

3.4.1 Parameter set and simulated curves of LiFePO4 battery (41)

3.4.2 Results of parameter sensitivity analysis of LiFePO4 battery (43)

3.4.3 Optimal condition of LiFePO4 battery (45)

3.5 Parameter sensitivity analysis and identification condition optimization of LiCoO2 battery (48)

3.5.1 Parameter set of LiCoO2 battery (48)

3.5.2 Results of parameter sensitivity analysis of LiCoO2 battery (50)

3.5.3 Optimal condition of LiCoO2 battery (51)

3.6 Summary (53)

Chapter 4 Research on parameter identification method of multi-physics model for Li-ion battery (54)

4.1 Introduction (54)

4.2 Parameter identification of multi-physics model based on improved parallelized multi-objective GA (54)

4.2.1 Improvement of simple GA (54)

4.2.2 Parallelization of GA based on distributed computing in MATLAB (57)

4.2.3 Realization of multi-objective GA for parameter identification (59)

4.3 Validation of multi-objective parameter identification (61)

4.3.1 Effects of different objective numbers (63)

4.3.2 Effects of different identification conditions (66)

4.4 Multi-objective parameter identification of commercial Li-ion batteries (68)

4.4.1 Validation of parameter identification result for LiFePO4 battery (69)

4.4.2 Validation of parameter identification result for LiCoO2 battery (72)

4.5 Summary (76)

Chapter 5 Cycle life test and internal health feature extraction for Li-ion battery (77)

5.1 Introduction (77)

5.2 Cycle life test for Li-ion batteries (77)

5.2.1 Test system of cycle life (77)

5.2.2 Test schedule of cycle life (79)

5.3 Determination of the internal health features (80)

5.4 Degradation of the internal health features for LiCoO2 batteries (83)

5.4.1 Degradation of the capacity related features (83)

- IX -

哈尔滨工业大学工学博士学位论文

5.4.2 Degradation of the diffusion related features (85)

5.4.3 Degradation of the SEI layer resistance (86)

5.4.4 Degradation of the electrochemical reaction related features (87)

5.5 Qualitative analysis of aging mechanism of cycle aged LiCoO2 battery (88)

5.6 Summary (90)

Chapter 6 Quantitative analysis of performance degradation factors for LiCoO2 battery (91)

6.1 Introduction (91)

6.2 Quantitative analysis of discharge capacity loss for LiCoO2 battery (91)

6.2.1 Reasons of discharge capacity loss during cycle aging (91)

6.2.2 Decomposition method of discharge capacity loss (94)

6.2.3 Decomposition results and discussion of discharge capacity loss (95)

6.3 Quantitative analysis of total overpotential degradation for LiCoO2 battery . 97

6.3.1 Decomposition results of total overpotential degradation (97)

6.3.2 Discussion of each parts of overpotential degradation (99)

6.4 Quantitative analysis of heat generation and exchange during discharge process for LiCoO2 battery (100)

6.4.1 Decomposition of heat generation rate during discharge process (100)

6.4.2 Decomposition of total heat generation during discharge process (101)

6.4.3 Decomposition of heat exchange during discharge process (102)

6.5 Summary (103)

Conclusions (104)

References (106)

Appendix (118)

Paper published in the period of Ph.D education (120)

Statement of copyright and letter of authorization (122)

Acknowledgement (123)

Resume (124)

- X -

第1章绪论

1.1 课题研究的背景和意义

自1991年SONY公司发布首个商用锂离子电池至今的20多年间，电压平台高、能量密度大、循环性能好、自放电率小，无记忆效应等优点使其飞速发展[1]。从各种便携式电子产品，到新一代混合动力及纯电动汽车，再到各种飞行器、人造卫星、远距离行星探测器等航空航天领域，锂离子电池越来越多的承担起核心储能部件的角色[2-5]。然而，随着锂离子电池应用范围与数量的逐渐增大，其寿命与健康问题也开始显露出来[6, 7]。锂离子电池的健康问题主要体现在：放电容量下降、电压平台降低、发热增加等，由电池健康问题造成的事故也屡见不鲜，如2006年11月，NASA的火星探测器MGS就是因为电池系统失效而丧失了动力，造成很大的损失[8]；2014年数架波音787客机由于锂离子电池发生故障起火导致该型客机无限期停飞[3]。因此，对健康状态进行准确的评估是保证锂离子电池及其系统正常工作的前提，也是未来电池管理的发展趋势。

锂离子电池健康状态（State of Health，SOH）表征电池相对于新电池存储电能和能量的能力[9]，目前主要由电池容量、内阻等指标进行描述[10]。电池健康状态下降甚至失效的本质原因是内部电极材料和电解液性质的退化[11, 12]，因此要实现电池健康状态的准确估计，就必须获得电池材料退化机理、退化状态及趋势的详细信息。然而，锂离子电池是典型的动态、非线性电化学系统，使用过程中其内部健康状态难以测量，其退化和健康状态描述仍存在巨大的挑战[9]。锂离子电池研究者关注于电池材料性能和老化机理的研究[13, 14]，主要是在实验室中利用特殊仪器设备进行半电池或特制电池实验，电池的电化学特性和老化机理相关知识和获取方法难以直接用于成品电池的管理当中；而电池用户仅能在成品电池使用过程中通过有限的外部可测量进行建模、或利用数据驱动法对其SOC和SOH进行估计[10, 15, 16]，难以获得电池材料退化的准确描述，故而当电池发生失效之后，无法对其内部的健康状态和老化机理做出准确的判断[17]。因此需要一种实用化的电池内部健康特征提取方法，在电极材料和电化学特性、老化机理和外部可测量之间建立联系，使得电池使用者在不完全了解电池内部电化学原理的前提下依旧可以仅通过电池外部性能数据来获取成品电池内部健康状态和老化机理的准确描述，为基于失效物理的锂离子电池寿命预测与健康管理（PHM）提供基础，进一步提高电池管理水平。

- 1 -