【《锂离子电池一致性筛选指标研究现状文献综述》2600字】

锂离子电池一致性筛选指标研究现状文献综述1.1动力电池梯次利用现状据公安部数据，2014年我国新能源汽车保有量为22万辆。按照动力电池使用寿命为5~8年计算，预计2020年，动力锂电池报废量将达32.2Gwh；2023年将达到101GwhADDINCNKISM.Ref.{E4758A19D2A645a1B203A81C020E90DF}[2]。为应对动力电池退役高潮，自2015年前后，我国多部门连续发文，明确提出支持企业开展梯级利用，不断技术开发和创新，重点支持开展退役新能源汽车动力蓄电池梯级利用和再利用ADDINCNKISM.Ref.{08506DA56A88475d9D64B400E7E7419E}[3-4]。虽有政策支持，但并非强制实施，目前市场对退役电池的梯次利用普及率依然处于较低的水平，主要还是由于梯次利用技术不成熟，没有统一的标准。目前梯次利用的主要技术路线大致分为以下两种：1、整包使用将回收的动力电池组直接用于其他场景，这种方式对电池管理系统的要求非常高，要求电池组中各单体在退役时具有较高的一致性，而实际应用中由于使用习惯和使用场景以及电池自身原因，电池组内部各单体的健康状态（StateofHealth,SOH）和各项性能会出现差异，不良率较高。清华大学的黄俊等人统计分析了10000节未经分选的电动汽车用锂离子电池的容量数据发现，容量最大的单体与容量最小的单体容量相差已达到7~8Ah，并且各单体的容量呈现极不规则的多峰分布ADDINCNKISM.Ref.{FD2DAC69874F4c1695AD7CA3C1966813}[5]；另外北京交通大学的徐晶对奥运会纯电动汽车淘汰的未经筛选的48只电池进行检测发现内阻也呈现较大的差异ADDINCNKISM.Ref.{9946980902C64a1c9D76D636FBF28425}[6]。这些未经筛选的电池组合使用时，由于木桶效应导致电池在生命周期内的经济性较低，性能无法充分发挥，并且电池组的寿命和安全无法得到保证。因此，整包使用的方式目前还处于试点摸索阶段，应用较少。2、重新组装将回收的动力电池组拆散，对电池组中的每个单体电池进行检测和筛选，将筛选后的电池重新组装成新的电池组，目前主要由电池厂和PACK厂两类企业承担。电池重组可以避免各单体的性能状态不一致的问题，该方案的技术难点在于检测和一致性筛选环节。目前国内、国际电池一致性筛选的技术路线大致可以分为单一指标筛选、多指标筛选两种。单一指标筛选主要以电压或容量作为筛选指标，清华大学的谢乐琼等人通过对80节单体组成的串联电池组进行充放电，发现各单体电池的电压在充放电的末端差异较大，提出用放电末端电压作为筛选指标ADDINCNKISM.Ref.{5E942E4F4843435fA846B730471B0798}[7]；东南大学的李扬在文献[8]中，以可用容量最大化和容量区间分割两种筛选原则，提出两种以容量为筛选因素的一致性筛选方法。单一指标筛选具有参数少，测试简单等特点，但是其筛选结果不可靠，不能充分保证筛选后的电池组性能稳定；多指标筛选通常以电压、内阻、自放电率、可用容量等参数，从多个维度对电池进行评价筛选，清华四川能源互联网研究院的殷娟娟通过对单一指标筛选和多指标筛选的电池组性能进行对比，也证实了单一指标筛选的局限性，并提出一种综合考虑了电池电阻和电压的多指标筛选方法[9]。哈尔滨理工大学的付航通过分析验证，认为电池工作电压和荷电状态（StateofCharge，SOC）是重要的筛选指标，多指标筛选可以弥补单一指标筛选不可靠的问题，但是无疑增加了检测环节的难度，技术要求和检测成本比较高[10]。1.2电池模型参数辨识现状锂离子电池作为黑箱系统，其内部参数无法直接测得，通常以建立模型的手段来反映其内部状态，因此需要对模型的参数进行辨识。目前锂离子电池模型参数辨识较为常用的方法主要有最小二乘法、卡尔曼滤波法、遗传算法等。最小二乘法是锂离子电池模型参数辨识最为常用的方法，由K.F.Guass在1795年预测行星和彗星运动轨迹时提出并使用，其基本思想是通过求解误差平方和的最小值获得系统参数，可用于动态系统，也可用于静态系统。在随机的环境下利用最小二乘法时，并不要求知道观测数据的概率统计信息，用这种方法所获得的估计结果，有很好的统计性质。Kalman滤波法是由R.E.Kalman在20世纪中期率先用来解决问题，它是一种具有实时性质的参数辨识法。Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。遗传算法根据达尔文生物进化理论引入需要优化的参数，形成优化问题的解空间，并对所有的个体进行编码，然后对编码后的优化问题进行组合划分，通过迭代实现全局寻优。该算法可以再查找过程中自动获得与累积相关查找空间的知识，鲁棒性强、通用性广，求得优化问题的全局最优值概率相对较大，并在很多领域得到成功应用ADDINCNKISM.Ref.{D620A2EDA6C5445c878E9106ED937349}[8]。但对于电池而言，环境温度、电流大小都会影响电池的状态和参数，而传统的辨识方法大多是针对电池的离线辨识，无法满足对电池变化的参数实时辨识需求，跟踪效果较差。因此本文提出一种基于模型参考自适应的算法对电池的参数进行辨识，可实现对电池开路电压（Opencircuitvoltage，OCV），内阻等模型参数的在线辨识，且辨识精度较高。参考文献安锋,康利平,秦兰芝,毛世越,王雯雯,MayaBenDror.中国传统燃油汽车退出时间表研究[J].国际石油经济,2019,2705:1-8.区汉成.加快废旧动力电池回收体系建设[N].中国能源报,2017-09-11009.五部委联合发布《电动汽车动力蓄电池回收利用技术政策(2015年版)办法》[J].再生资源与循环经济,2016,902:8-10.工信部和国开行将重点支持加快推进工业节能绿色发展四大领域[J].江苏建材,2019(03):81.黄俊,安富强,王浩然,张剑波.电动汽车用锂离子电池的一致性及分选方法[A].中国化工学会储能工程专业委员会（InstituteofEnergyStorageEngineeringoftheChemicalIndustryandEngineeringSocietyofChina）.第一届全国储能科学与技术大会摘要集[C].中国化工学会储能工程专业委员会（InstituteofEnergyStorageEngineeringoftheChemicalIndustryandEngineeringSocietyofChina）:中国化工学会储能工程专业委员会,2014:3.徐晶.梯次利用锂离子电池容量和内阻变化特性研究[D].北京交通大学,2014.谢乐琼,王莉,田光宇,何向明.锂离子电池一致性筛选新方法——串联充放电筛选[J].电源技术,2020,44(02):149-152+226.陈忠霞.锂离子电池等效模型参数辨识研究[D].山东科技大学,2017.李扬,王军.退役锂离子电池筛选分类方法设计与分析[J].电池,2020,50(04):403-407.殷娟娟,王伟贤,袁小溪,许伟,李想,何正旭.退役锂电池快速评价及分选方法研究[J].重庆理工大学学报(自然科学),2020,34(02):15-23.付航.锂动力电池动态一致性评价方法的研究[D].哈尔滨理工大学,2015孙冬.锂离子电池梯次利用关键技术研究[D].上海大学,2016.USABC.Electricvehiclebatterytestproceduresmanual[S].1996.GB/T31486-2015,电动汽车用动力蓄电池电性能要求及试验方法[S].GB/T31467.2-2015,电动汽车用锂离子动力蓄电池包和系统第2部分：高能量应用测试规程[S].GB/T31467.1-2015,电动汽车用锂离子动力蓄电池包和系统第1部分：高功率应用测试规程[S].张舜.基于二阶卡尔曼滤波的锂电池SOC估算方法及实现[D].北方工业大学,2018.孙力,井元彬,林鹏,金鹏.电池模型的参数的确定方法和装置、存储介质、计算机设备[P].北京市：CN111239615A,2020-06-05.EnvironmentalIdahoNationalEngineeringandLaboratory,FreedomCARBatteryTestManualForPower-AssistHybridElectricVehicles.Doe/Id-11069.Draft(2003),doi:11069.谢聪.电池在线功率状态估算方法的研究[D].北方工业大学,2019.郑岳久.车用锂离子动力电池组的一致性研究[D].清华大学，2014.程迪,陈保贵,张君怡.电池自动分选配组系统技术研究[J].电源技术，