锂电池一致性和分选方法是什么
来源：宝鄂实业
2020-10-15 12:48
点击量：次
1 一致性定义
锂电池的一致性，眼前看，是指一组锂电池重要特征参数的趋同性，是一个相对概念，没有最一致，只有更一致。同一个电池包内的多串电芯，每一个参数，最好全部处在一个较小的范围内，是为一致性好。
加入时间维度，一致性是指电池包内全部电芯全生命周期内全部特性参数的一致性，增加考虑容量衰减的不一致，内阻增长的不一致，老化速率的不一致。整个电池包的寿命，是我们关注一致性的最终着眼点。
追求一致性的目，除了在当前状态下，发挥出电池包的最大能力（包括最大功率，最大电流，最大可用容量），还想要这样的能力维持尽量长的时间。
2 一致性的评价范围
个人理解，一致性是一辆电动汽车上，作为动力的全部电芯的一致性，无论串联关系还是并联关系。下面内容没有做全面讨论，只是举例说明。
2.1 并联情况
直接举例。放电能力低的电芯（代号B）与其他正常电芯并联，成为一个并联模组D，比如这是一个10只电池并联的模组。系统放电，每个并联模组都需要提供相同的电流，比如100A。其他正常的并联模组，每只电池放电10A；B最大只能放出1A电流，则其他9只电池，每只需要放出11A。一般情况下，长期超负荷，相比其他并联模组，这些电芯的老化速率更快。某一天，这个并联模组整体的最大放电能力无法达到设计最大能力。这个并联电池组，成了整个电池包放电能力的瓶颈。
2.2 串联情况
按照电动汽车上的一般情形，串联关系主要在模组与模组之间。接续前面并联情况的剧情，整个电池包内出现了一个老化程度比其他电池组都深的电池组D，D的容量小，而内阻大。反应到SOC与开路电压的曲线上，同一SOC对应的开路电压，D端电压偏高。整个电池包充电，D最先到达充电截止电压，电池包停止充电。其他模组还没有吃饱，他已经要撑破肚皮，因为它老了，肚量变小了。
因此，单体一致性，不是某一个焊接在一起的模组内部的事，而是对同一辆车上所有动力电池的要求。
3 不一致性的表锂电池，
电压不一致，在化成后，经历同样的充放电过程，静置足够时间，在同样的环境温度下，待评价电芯充电到相同SOC。测量其开路电压，此时体现出来的电压差距，就是单体电芯的电压不一致性。有研究显示，单体电芯的开路电压，符合正态分布。就是说，我们所有提高一致性的努力，只能改变参数的集中度。
内阻不一致，电芯内阻是电芯功率特性的重要表征，也是电芯成组后，电芯性能参数进一步离散化的原因之一。内阻不一致可以造成温升不一致，是引发其他参数进一步离散化的一类原因。
内阻，同样是模组成组后的检测指标。从电芯单体组装成模组，要经历焊接或者机械结构夹持等成组过程，成组工艺的一致性，反应到成型后的模组上，就是模组的内阻。
容量不一致，寿命不一致，按照目前的寿命衡量标准，可用容量和寿命紧密联系在一起，这里一起说明。
容量一般都会作为电芯分组的初选内容，是电芯不一致最重要的参数表现。造成容量不一致的原因很多，并且多数都是制造过程的不一致的结果。
除了达到容量、内阻等寿命指标以外，寿命不一致的另外一层含义是，电池失效时间不一致。有研究表明，并不一定是容量最小的电芯或者工作条件最恶略的电芯最先达到寿命的终点。每颗电芯从出生开始，其抗衰老的能力已经存在差异。
温升不一致，每只电芯，除了直接影响发热的内阻因素外，其内部电化学物质制造过程中形成的不一致，对发热量也会产生影响。每一只电芯在电池包中所处位置不同，造成其散热条件的差异，最终也会导致电芯温升不一致。
4 一致性评价
研究人员使用各种统计方法来评价一致性的好坏。有的厂家用标准差，以标准差的大小来衡量一组电芯参数的集中度，在统计学意义上是合理的。
有的厂家直接使用一组数据的极差，最大最小值的差值，虽然无法全面描述一组电池的全部参数分布情况，但对于当前的电池管理系统BMS的控制逻辑来说，也是一种合理选择。何况，使用极差是最为简洁的一种方法。
5 分选方法
在既有的生产能力和工艺水平下，解决锂电池一致性问题常见的有三条路，一是合理分选，把性能参数相近的电芯放在一个电池包里使用，尽力是电芯初始状态一致；二是提高热管理水平，为电池提供更适宜且更均匀的工作环境温度，避免初始的不一致进一步恶化；三是提高电池管理系统全面监控的能力和均衡能力，力求改善已经发生的不一致情况。
分选方法，按照采样电芯的状态不同，可以分成静态分选和动态分选。
5.1 静态分选
传统上，应用较多的是静态分选。静态，是指电芯参数与工作状态无关。通常，被用来做静态分选的参数包括电池的容量，开路电压和内阻等。
有的方法是直接按照参数数值大小划分区间，落在同一个区间内的电芯即为一组；
有的在初步分组后，再在组内以另一个参数为考察对象，继续把电芯做更细化的分组。比如先按容量划分成5个组以后，再按照内阻，把每个组进一步分成3组，最后，一个批次的电芯被划分成15组。
有的在采集关注的参数样本后，采用统计学算法，使得参数相近的自然归类为一组，应用较多的是聚类法。
聚类法是一类统计分析算法的总称，其主旨是将一个参数的样本组，按照自然筛选出来的数据中心凝聚成若干组，实现分组的目的。聚类法其内涵和它所包含的子算法非常多，有兴趣可自行百度。这里只要理解，这是一种无须人工干预的自然分组方法即可。聚类分析，既可以用在静态分选的样本数据上，也可以用来分析动态样本。
在很长一段时间里，静态分选都是锂电池行业的主要分选方式。但静态分选无法反应电池工作过程中的参数特点。电化学反应是一个复杂的动态过程，简单的用电池的几个静态参数，无法准确概括电芯的未来特性。
5.2 动态分选
动态分选，是基于电池充放电等工作过程中，电芯参数有所不同 进行分组的工作方法。
一类方法是把电芯恒流充放电作为研究过程。有的算法把电压时间曲线作为分类对象，利用统计学算法，把曲线特征划分组别；有的关注过程中的电压、容量、内阻、放电平台、电芯厚度等参数，并进行分类；
另一类，是把恒流恒压充电过程作为研究过程。有的把恒压恒流曲线上的采样点与均值点之间的欧式距离作为目标参数进行聚类分析，实现电芯分组；有的在前面方法的基础上改善采样规则，使得电流对时间的变化率较大的区域采样点更密集，同时确保采样不会低于一个最小步长。
还有一类，考虑电动汽车实际运行中可能遇到的脉冲电流情况，认为电流的大小会极大的影响电芯的极化状态。因而在前面恒流恒压充电曲线的分组基础上继续细化分组，给电芯加载脉冲电流，把电芯端电压作为分组依据。
声明： 本网站所发布的文章，均来自于互联网，如有侵权，请联系删除。
