锂动力电池组关键参数研究与性能评估

傅 强， 魏平芬，杨 涛， 吴 飞

（1.海军驻昆明地区军事代表办事处，昆明650051；2.昆明五威科工贸有限公司，昆明650051）



锂动力电池组关键参数研究与性能评估

傅 强1， 魏平芬1，杨 涛2， 吴 飞2

（1.海军驻昆明地区军事代表办事处，昆明650051；2.昆明五威科工贸有限公司，昆明650051）

摘 要：锂离子电池具有诸多优点，已广泛应用于小功率便携式设备上。在大功率方面，聚合物锂离子电池在储能和动力源领域已开始崭露头角。随着聚合物锂动力电池的应用越来越广泛，对锂动力电池组在整个生命周期内的性能进行评估显得尤为重要。本文对锂动力电池组的一些关键参数进行了讨论并对电池组的性能评估方法进行了探讨。

关键词：聚合物锂动力电池 关键参数 SOC评估

0 引言

近几年来，随着科技的进步和材料、生产工艺等方面的不断改进，锂离子电池性能不断提高，成本不断降低，已逐渐成为最具发展前景的可充电电池。锂离子电池以其轻便、高能量密度、高倍率特性好、环保无污染等特点，已开始应用于混合动力大巴车、纯电动汽车、水中兵器、水下航行器、航空航天等领域。但锂动力电池的安全性仍然是人们最为关注的问题[1]。对锂动力电池组的维护不当将直接影响锂电池的使用效益和寿命，严重情况下还可能导致安全事故[2]，为此在锂动力电池组的整个生命周期内，通过掌握锂动力电池组的关键参数，可以及时了解锂动力电池组的工作现状以及需要维护情况，并根据这些参数对锂动力电池组的整体性能作出评估。

1 锂动力电池简介

1.1锂离子电池

锂离子电池不使用诸如铅酸蓄电池或镍氢蓄电池的水溶性电解液，而是使用有机电解液。锂离子电池是一种可充电的二次电池，它的工作原理是依靠锂离子在电池正负极间的循环移动来实现电池的储能和放电过程。具体为：充电的时候电池正极上有锂离子析出，通过有机电解液运动嵌入到负极材料中，充入的容量越高，负极材料上嵌入的锂离子越多；使用电池的过程中（即电池的放电过程），锂离子的运动方向刚好与充电过程中的运动方向相反。锂离子电池的放电和充电过程是可逆的。在这种反应过程中，锂以离子形态存在，不析出金属状态的锂，确保了高度的稳定性，并且由于只有锂离子的移动，因此副反应很少[3]。

1.2锂离子电池的优点

1）能量密度高[4]。相同重量情况下，容量是镍镉或镍氢电池的2-3倍，相同体积下，容量是镍镉电池的2-3倍，是镍氢电池的3-4倍。

2）充电效率高、充电方便，效率接近100%，无记忆效应。

3）输出电压高（约为3.7 V），是Ni-Cd、Ni-MH电池的3倍，还便于组成电池电源组，充放电特性也很好。

4）可承受高功率、高倍率放电，放电倍率可高达10C-20C,可作为动力电池组，应用于电动汽车，水下运载器等领域。

5）自放电率低，不到镍镉电池、镍氢电池、铅酸电池等其他电池的十分之一。

6）使用寿命长，在正常使用情况下，一般的锂离子电池使用循环次数可大于500次。

7）环境适应性较强，在-20℃-60℃的环境下正常使用，现在有些已达到可在-40℃-70℃下正常使用。

8）无污染，锂离子电池在整个周期内，包括生产、使用、报废的过程中，不会产生诸如汞、铅、镉等有害重金属，不会对环境产生污染，是绿色电池。

1.3聚合物锂离子电池

聚合物锂离子电池是锂离子电池的一种，它是在液态锂离子电池的基础上发展起来的，它的电解质采用凝胶态或固态的有机导电膜构成，正极为锂离子导电材料，负极为碳材料，一般采用锂塑膜作为外包装。与液态锂离子电池相比，它具有更小的体积，更轻的质量及更稳定的性能，被公认为是最具发展潜力和应用市场的电池产品。

1.4锂动力电池组特性

锂动力电池就是锂离子动力电池的简称，分高容量和高功率两种类型，在高端应用中一般选用聚合物锂离子电池。在实际使用过程中，锂动力电池组作为动力源，需要较高的电压和较大的容量，而单个锂电池的电压一般为3.3 V或3.7 V,容量也较小，无法满足要求，因此锂动力电池组需要几十个甚至几百个的单体电池串并联而成。锂动力电池单体在生产加工过程中，从涂膜开始到最后的成品，每一道工序都有严格的检验，以保证出厂单体电池电压、内阻、容量等参数的一致性。另外锂动力电池组在成组前也会经过严格的筛选，但即使这样，锂动力电池组在使用一段时间后，单体电池的电压、容量等这些关键参数依然会参差不齐，单体电池性能的不一致必然影响电池组的整体性能，甚至还可能发生危险，这就是锂动力电池组的普遍特性。

因此，为保证锂动力电池组在实际使用过程中安全可靠，对锂动力电池组的关键参数进行研究，对锂动力电池组进行性能评估就显得非常重要。

2 锂动力电池组关键参数

2.1锂动力电池电压与电路模型

锂离子电池充放电的电化学过程十分复杂，且锂离子电池又有非线性和时变性的特点，因此锂离子电池的端电压能反映锂电池的电特性，但它们之间又不是简单的比例对应关系，而是非常复杂的，需要用模型来描述它。

描述锂电池电特性的模型有很多，我们认为由FreedomCAR[5]给出的电池电路模型比较好地描述了电池的电特性，模型如图1所示。

图1 FreedomCAR电池模型

图2单体电池恒流充放电特征曲线

图2是单体锂电池的恒流放电特征曲线[6]，曲线中间部分，也就是锂动力电池组主要工作状态范围，这一部分的曲线基本呈现平直状态，类似一个电容，随着电容上电量的减少其两端的电压也慢慢下降，即对应模型中的电容C0。如图3所示，在刚加载上电流以及刚撤除加载电流时，电压值都有一个跳变，类似电流加载到一个纯电阻上后的电压响应，即模型中的R0。

2.2锂动力电池内阻

锂动力电池的内阻是表征锂动力电池性能和寿命的关键参数之一，越来越受到人们的重视。锂动力电池的内阻与电池的容量有一定的关系，通常情况下，容量越大，电池的内阻越小。对于相同型号、相同容量的锂动力电池成组使用时，保证单体电池内阻的一致性可有效保证锂动力电池组的使用寿命。

锂动力电池的内阻是指电流流过锂动力电池的正负极之间时所受到的阻力，主要包括极化内阻和欧姆内阻两部分。极化内阻主要由电化学反应时产生的极化现象所引起，而欧姆内阻主要由电解液电阻、电极材料电阻、和零件之间的接触电阻所引起。

如图3所示，脉冲电流放电的电压相应曲线，在负载加载的瞬间，锂动力电池的单体电压有一个阶跃式的下降，紧接着单体电压缓慢下降。当负载切断后，锂动力电池的单体电压也是先有一个阶跃式的上升，然后才缓慢回升。这些现象是由锂动力电池内阻的两种电阻所引起的，阶跃式的上升和下降由欧姆内阻引起，缓慢的上升和下降由极化内阻引起。

图3脉冲电流放电电压响应曲线

2.3锂动力电池的温升

温升也是关系锂动力电池组使用安全和寿命的关键参数之一，在充放电过程中，锂动力电池自身的温升对电池组的性能有很大的影响，在极端情况下较大的温升甚至可能引发热失控，对锂动力电池组的安全构成重大威胁。

锂动力电池的温升主要来自电池内部的发热，主要由反应热、焦耳热、极化热等部分构成。一般情况下，焦耳热主要由电池组内阻引起，反应热由电池组的充分电引起，当锂动力电池温度小于70℃时，焦耳热占总放热量的主要部分，相反的当温度大于70℃时，反应热占主要部分。

1) 电池的总发热量为：

其中： Q1为反应热，Q2为极化热，Q3为焦耳热。

2) 反应热为：

其中：Q为化学反应过程中所产生热量的代数和，单位为kJ/mol；I为电流值，单位为A。

3) 极化热为：

其中：I为电流值，单位为A，Rpd为极化内阻，单位为Ω。

4) 焦耳热为：

其中：I为电流值，单位为A，Re为欧姆内阻，单位为Ω。

3 锂动力电池组性能评估

对锂动力电池组梯次利用，让电池组的性能得到充分发挥，才能体现出锂动力电池组作为二次电池的优势。为此对锂动力电池组进行性能评估是非常重要的，是使其安全、稳定、可靠运行的重要保证。

电池荷电状态（SOC）是锂动力电池组性能评估的一个最重要的参数。电池SOC无法直接测量，但是可以通过检测电池的电流、电压、内阻、温度等关键参数进行间接估算。合理估算电池的SOC能有效的防止电池过充、过放、延长电池使用寿命，进而降低成本，并为用户分配使用锂动力电池组提供重要依据[7]。

目前SOC估算的方法很多，最常用的方法有：开路电压法、电流积分法、卡尔曼滤波法、神经网络法等。

3.1开路电压法

开路电压法是根据采集的电池开路电压值，按一定的经验公式或是查表计算出电池SOC值的方法。

开路电压法是简单有效的SOC估算方法，它的估算基础是实时采集的开路电压值，因此它不存在积分误差、误差随时间积累等问题。

开路电压法同时也存在缺点，由于电池的开路电压需要经过长时间的静止才能稳定，稳定后的电压值才能较准确的表征电池SOC。在电池的实际使用过程中，电池需要频繁的工作，开路电压法根本无法实时在线估算电池的SOC。

3.2电流积分法

电流积分法是对电流进行实时检测，并对检测电流值进行积分来估算出电池的SOC值。公式如下：

其中，I为电流，Cn为额定容量，η为效率系数。

电流积分法原理简单，易于实现，应用较为广泛，但是该方法对电流检测的频率和精度要求非常高，极易增加积分误差，并且这种误差是可以随着时间累加的，估算精度难以保证。

3.3神经网络法

神经网络法是把计算机或微处理器作为计算工具，通过模拟人脑的学习、推理、思考等智能行为，处理和解决人们在生产生活中遇到的复杂问题的一种方法。

神经网络是人工智能的一个分支，神经网络法应用范围宽，应用于电池的SOC估算，它具有许多优点，它适用于各种类型的电池，只要建立的网络模型合理，通过大量的样本数据训练，该种方法可以获得很好的估算精度。对于电池的SOC估算，一般把电池的电压、电流、内阻、容量、温度等物理量作为输入，通过训练网络模型确定输出。该方法输入输出间不需要精确的公式，具有一定的自适应性。

神经网络法虽然有很多优点，但是它计算量很大，对硬件的要求很高，同时它需要大量的参考数据进行训练，工作量很大，而且输出误差受训练数据和训练方法的影响很大。

3.4卡尔曼滤波法

卡尔曼滤波法是一种实时递推算法，在工程应用中越来越受到人们的重视，随着计算机、微处理器的飞速发展，卡尔曼滤波估算理论已广泛应用于航空、航海、通信、工业控制等领域。

卡尔曼滤波法是一种利用线性系统方程，通过输入输出数据，对系统作出最优估计。该方法应用于锂动力电池的SOC估算，它的算法核心主要包括SOC估算值和协方差矩阵递归方程，协方差矩阵反映估计误差。

卡尔曼滤波法可不断修正电池的SOC初值，可不断提高系统的估计精度，是一种比较理想的估算方法。然而卡尔曼滤波法也存在一定的缺陷，由于卡尔曼滤波法只能针对线性系统模型，而锂动力电池组是一个非常复杂的非线性系统，利用卡尔曼滤波法对锂动力电池组进行SOC值估算，精度必定受到一定的影响。

4 结论

随着锂动力电池组的应用越来越广泛，保证锂动力电池组在整个寿命内安全、可靠运行显得非常重要。而掌握锂动力电池组的关键参数、对锂电池组作比较全面的性能评估则能更好的梯次利用锂电池组，发挥锂电池组的最大效能。SOC估算是评估锂动力电池性能的重要手段，SOC的估计方法有很多，采用单一的一种算法预测精度往往无法满足需求，只有将几种方法配合使用才能达到较为理想的效果。

参考文献：

[1]茅海忠.动力锂离子电池管理系统设计方案,江苏海四达公司.

[2]邵建岗,郑冰.锂离子动力电池组的检测系统设计.

[3]孔夏莲.锂电池及其应用

[4]郭炳焜,徐徽,王先友.锂离子电池[M].长沙:中南大学出版社,2002:1-3.

[5]FreedomCAR Battery Test Manual For Power-Assist Hybrid Electric Vehicles,2003.10

[6]魏学哲,孙泽昌,田佳卿.混合动力汽车中锂离子动力电池参数辨识与状态估计.上海:同济大学汽车学院.

[7]马 彦,柏庆文等.基于自适应卡尔曼滤波的锂离子电池SOC 估计.吉林大学.

Key Parameter and Performance Evaluation for High Power Lithium Batteries

Fu Qiang1,Wei Pingfen1,Yang Tao2,Wu Fei2
(1.Naval Representatives Office in Kunming,Kunming 650051,China; 2.Wuwei Scientific Industrial ＆ Trade Co.,Ltd.of Kunming,Kunming 650051,China )

Abstract:Lithium ion battery has many advantages and is widely used in low power portable devices.In high power aspect,polymer lithium ion battery has emerged in the field of energy storage and the power sources field.With the increasing application of lithium polymer battery,it is very important to evaluate performance of lithium power battery in the whole life cycle.In this paper,some key parameters of the lithium batteries are studied,and performance evaluation methods for the battery group are discussed.

Keywords:the polymer lithium battery; key parameter; SOC evaluation

作者简介：傅强 (1965-)，男。研究方向：鱼雷。

收稿日期：2014-05-12

中图分类号：TM912.14

文献标识码：A

文章编号：1003-4862（2016）02-0059-04