近日，重庆大学车辆动力系统团队胡晓松教授和冯飞老师在国际能源领域的权威期刊“Renewable and Sustainable Energy Reviews”（影响因子为10.556）上发表综述文章“Propagation mechanisms and diagnosis of parameter inconsistency within Li-Ion battery packs”, 系统阐述了动力电池组不一致性演化机制，模型，特征提取和诊断方法，并对当前该领域存在的问题和相关研究方向作了讨论，旨在为电池组的寿命预测和均衡策略等方面提供依据，提高电池管理系统的技术和性能，也可为退役电池的梯次利用提供电池关键信息。
论文概述
研究意义
在能源危机和环境污染日益严重的现状下，电动汽车受到广泛关注。动力电池系统是电动汽车的三大核心技术之一。车用动力电池为满足车辆行驶的能量和功率需求，需要将成百个单体电池经过串并联的方式组成电池组，而成组后的电池组能量密度、安全性、耐久性等性能相比于单体都会有一定程度的下降，导致这种现象的主要原因就是动力电池组单体之间存在不一致性。因此，本文提出不一致性诊断的概念：评价电池组不一致性程度、找寻不一致性现象的主要原因。电池组不一致性诊断的整体流程，如图1所示，分为数据获取，数据处理，特征提取和不一致性诊断四部分，将为不一致性相关领域研究的有效开展提供依据。
图1 电池组不一致性诊断的整体流程
电池组不一致性参数间的耦合关系
电池组的不一致性体现在初始参数的不一致和使用过程中参数的不一致。初始参数的不一致是由电池单体制造时的误差造成的，即单体电池的内部差异。这种不一致性是无法避免的，会对电池组早期的一致性产生很大的影响。随着电池组循环次数的增加，各参数间相互作用，各单体间的一致性将会逐渐恶化，由此引起了使用过程中参数的不一致性，即单体电池的外部差异。电池组内各单体参数相互影响，相互耦合，形成复杂的关系网络。图2是不一致性演化机制和特征提取整体结构框图，包括电池组内各单体的内部参数和外部参数的耦合关系，不一致的反馈传播机制以及特征提取参数。
图2 不一致性演化机制和特征提取整体结构框图
电池组不一致性模型
建立准确的电池组模型是研究电池成组性能的前提。以串联电池组为例，串联电池组模型可分为单体联合模型（Big Cell Model, BCM），电压最大最小模型(Vmax+Vmin Model)和均值加偏差模型(Mean-difference Model)三类，其中均值加偏差模型分为均值模型 (Cell Mean Model, CMM)和偏差模型 (Cell Difference Model, CDM），如图3所示。CDM是在电池组模型中考虑了参数的不一致性，其中通过本文的不一致性机理分析，CDM#5考虑了更多耦合性较高的参数不一致，将会进一步提高CDM的精度。
图3 现有均值加偏差模型及考虑更多因素的高精度偏差模型
数据处理和特征提取
动力电池组数据处理和特征提取是不一致性诊断的前提，重点是如何对单体参数进行快速获取，如何从众多单体数据中提取有效的不一致性特征，从而为不一致性诊断提供依据，增加诊断结果的信任度。数据预处理的目的是为特征提取和诊断提供简洁、准确的数据样本，提高诊断的速度和准确性，通常包括数据完整性检查、数据修复、数据滤波等过程。动力电池组不一致性特征提取方法可分为 ：基于信号处理的特征提取、基于模型的特征提取、基于信息融合的特征提取、特征降维和特征选择。
不一致性诊断
电池组不一致诊断由不一致性评价和寻求不一致性原因两部分组成。如图4所示，不一致性诊断方法可分为基于阈值的不一致性诊断、基于人工智能的不一致性诊断、基于聚类的不一致性诊断。
图4 电池组不一致性诊断方法
机遇与挑战
近年来，关于动力电池组不一致性的研究逐渐增加，对不同拓扑结构电池组都进行了讨论，但是对于电池组不一致性参数间的耦合关系、电池组不一致性模型、特征提取、不一致性诊断方面依旧存在不足：（a）结合实际工况，深入研究电池组循环过程中的一致性演化机制和不一致性参数间的动态耦合机制是当前面临的一大挑战。(b) 现有的均值加偏差模型不够精确，考虑的不一致性参数不够全面。基于电池组不一致性演化机理，建立更加合理精确的电池组模型是需要解决的关键问题。(c) 特征分析的方法都是时域范围上的分析，而出现不一致性现象的原因是多方面的，可以进一步探讨频域、时频域上的分析方法。如何提取电池组不一致的参数、选择最优的代表性特征也是亟待解决的关键问题。(d) 电池组不一致性诊断方法大多只停留在对不一致性评价层面上，没有深入研究当前不一致性存在或加大的原因。根据电池类型有针对性地制定评价一致性的参数及标准，建立数据需求低、泛化能力强的数据驱动算法具有迫切的现实意义。
考虑到工程应用需求，未来可以从以下方面进一步展开研究，如图5所示：（a）电池组不一致性预测：结合历史运行数据和相关模型，预测一段时间后的参数和性能变化趋势，准确、快速地提供电池组不一致性预测信息，就能够有效地指导均衡策略，防止不一致性的加大。（b）电池组剩余寿命(RUL)预测：目前的电池寿命预测多停留在单体层面上，而实际使用时是由成百个单体串并联组合而成，且各单体间存在差异，极大增加了预测的难度，因此在考虑不一致的因素下对电池组进行寿命预测具有极大的意义。（c）热管理：电池组的热管理系统是保证电池组使用寿命和运行安全的重要组件之一，为实现电池组平均温度尽可能处在最佳工作温度范围，保证电池组内的温度分布尽可能均匀，达到温差在3℃~5℃，有必要设计安全、高效的热管理系统。（d）电池分选：电池分选是降低电池成组时初始性能不一致的关键手段，也是实现动力电池梯级利用，延长电池使用寿命的重要环节。衡量电池性能不一致的标准众多，如何从中找出能够较全面评价电池性能的综合性指标，制定一套快速、准确的分选方法是关键。（e）电池组均衡策略：为减小电池组的不一致性，在电池充放电过程中进行均衡是必要的手段。根据当前的电池组不一致性信息，研究更加高效、省时的均衡算法，进行多目标优化，可以有效减小不一致性带来的不足。
图5 电池组不一致性未来方向展望
出版信息
文章来源：
F. Feng*, X. Hu*, L. Hu, F. Hu, Y. Li, and L. Zhang, "Propagation mechanisms and diagnosis of parameter inconsistency within Li-Ion battery packs", Renewable and Sustainable Energy Reviews, vol. 112, pp. 102-113, 2019.
扩展介绍
《可再生和可持续能源综述》
《可再生和可持续能源综述》（Renewable and Sustainable Energy Reviews, RSER）是国际上能源领域的权威期刊，最新公布的五年影响因子为11.239，2018年影响因子为10.556。期刊每年出版12期，主题涵盖能源的来源、应用和技术，以及能源对环境、社会、和经济的影响分析等，论文形式可包括综述文章、专家评论、原创性研究、案例研究以及新技术分析等。