Energy Reviews | 锂离子电池老化的性能评估
文章题目：Performance metrics for the comparison of lithium ion cell aging experiments
关键词：Lithium-ion batteries；Battery aging；Battery testing；Design of experiment
原文链接：https://www.sciencedirect.com/science/article/pii/S2772970223000123
近日，美国俄亥俄州立大学Gabriel Heyer教授团队在Energy Reviews发表文章“Performance metrics for the comparison of lithium ion cell aging experiments”, 该文章提出了一种基于度量标准的方法，用于评估不同锂离子电池老化实验数据集之间的差异。同时文章还探讨了现有的电池老化模型及其在电池衰减预测和状态估计中的应用，并提出了两个新的性能指标：组合区间比对（Composite Interval Comparison，CIC）和交叉验证校准（Cross-Validated Calibration，CVC）。这些新的性能指标可以帮助电池设计师选择最优测试条件，并准确评估锂离子电池的衰减趋势，从而提高锂离子电池的性能和可靠性。
01 内容简介
1. Introduction ( 介绍 )
2. Aging experiments （ 老化实验 ）
3. Method （ 方法 ）
3.1. Metrics definition（ 指标定义 ）
3.1.1. Alpha metrics（ Alpha指标 ）
3.1.2. Beta metrics（ Beta指标 ）
3.1.3. Cycling metrics considering state of charge（ 考虑电池充放电状态的循环指标 ）
3.2. Dimensionality of aging metrics（ 老化指标的维度性 ）
3.3. Application（ 应用 ）
3.3.1. Comparison of existing data（ 现有数据比较 ）
3.3.2. Comparison of DOE studies（ DOE研究比较 ）
4. Results （ 结果 ）
4.1. Comparison of existing data（ 现有数据比较 ）
4.2. Comparison of DOE studies（ DOE研究比较 ）
5. Metric validation （ 指标验证 ）
5.1. Aging model calibration（ 老化模型校准 ）
5.2. Dataset metric computation （ 数据集指标计算 ）
5.3. Aging model validation performance（ 老化模型验证表现 ）
6. Conclusion （ 结论 ）
02 内容亮点
1、锂离子电池的老化是一个复杂的多维过程，受温度、循环方案和电极材料等多种因素的影响;
2、标准化性能指标的使用可以促进锂离子电池老化研究人员和行业利益相关者之间的数据共享和合作;
3、作者提出了一套性能指标，包括容量衰减、功率衰减、库仑效率、内阻和老化因子，这些指标可以根据不同类型的老化实验数据进行计算;
4、所提出的性能指标可用于比较不同电池组化学成分的老化行为，评估不同老化因素对电池组性能的影响，以及验证老化模型和模拟。
03 内容导读
作者提出了一套性能指标，包括容量衰减、功率衰减、库仑效率、内阻和老化因子，为验证数据的准确性，作者将HEV（混合动力汽车Hybrid Electric Vehicle）以及HBV（电动汽车Battery Electric Vehicle）数据集的指标值进行了比较。比较发现，不同的数据集在BEV和HEV应用中的温度、电流和电池能量评估概要指标方面各有所长。Schimpe 2018数据集在温度指标上表现出色，而Preger 2020和Trad 2020在电流指标上表现良好。Ecker 2014、de Hoog 2017和Preger 2020数据集在BEV概要指标上表现良好，而Baghdadi 2016在HEV概要指标上脱颖而出。
同时，为了研究老化因子指标与老化模型性能之间的关系，作者采取了一系列步骤：首先，识别了几个18650 NMC电池的老化数据集；接下来使用WebPlotDigitizer提取了与时间有关的容量衰减数据；然后对于每个数据集，根据公式进行老化模型校准；最后在其他数据集上评估每个模型的外推性能，从而模拟与该数据集一致的目标应用。下图就是具体过程的说明。
验证完老化模型后，通过每个数据集的老化模型性能和指标值之间的比较，作者发现，每个指标值和模型RMSE之间建立了明显的下降趋势，这表明具有较大指标值的数据集与验证数据集的一致性更好。这表明温度范围不是在该应用中选择老化数据的关键考虑因素。这一解释也与校准结果一致；在每种情况下，都不能建立k校准参数的明显的温度依赖性，这表明大部分的温度效应被阿累尼乌斯关系所捕获。因此，将老化外推到其他温度条件可能比外推到其他SOC条件更可靠。
04 重要结论
对经验老化模型进行校准时，适当选择老化数据对于模型的准确性至关重要。本研究提出了几个度量标准，可用于评估老化测试数据对目标应用的适用性，这些指标以一种直观的方式比较测试条件与目标应用的差别。
本文还使用这些度量标准对文献中的几个数据集进行了检查和比较，发现这些指标凸显了这些数据集的优缺点。此外，通过将度量值与老化模型的验证误差进行比较，验证了这些度量标准的有效性。我们可以观察到，较大的度量值与较低的模型验证误差相对应。
这些度量标准为设计者提供了一种方法，允许选择老化数据，已被证明可以为 18650 NMC 老化提供更好的模型性能。然而，一个局限是这些度量标准未考虑特定电池测试或 RPT 协议，这可能意味着具有高度度量得分的数据集可能无法良好地在另一种电池方面进行应用。
作者简介：
Matilde D'Arpino，美国俄亥俄州立大学（The Ohio State University）机械与航空航天工程系以及电气与计算机工程系研究助理教授；美国能源部、美国宇航局、AFRL 和美国主要汽车公司资助的多个研究项目的首席首席研究员 （PI） 或联合首席研究员 （Co-PI）；多篇国际期刊和会议的作者。研究方向包括高性能电动汽车的设计，多源电力系统（例如微电网，混合动力汽车，混合动力飞机）的功率转换器和能源管理，汽车，航空航天和并网系统的储能测试，建模，设计和控制。
Energy Reviews
简介
《Energy Reviews》是由深圳大学主办，联合 Elsevier出版集团创办的一本国际性、跨学科、高质量开放获取 (Open Access) 学术期刊，由谢和平院士担任创刊主编，美国工程院Derek Elsworth院士、中国科学院何雅玲院士、李永舫院士、香港理工大学倪萌教授担任联合主编。发表能源领域前沿方向、最新进展、发展趋势、权威观点等高质量学术文章，构建全球能源一流成果和一流学者的合作交流平台，向公众传播有影响力的能源领域研究成果。接收包括但不限于能源研究的新理论、新方法和新技术; 能源研究的多学科（材料、物理、化学、生物等）交叉融合探索技术; 化石能源低碳利用与CCUS; 氢能、可再生能源与储能先进技术; 新型能源转换方式探索与应用; 能源领域现代信息技术（人工智能，大数据）等相关方向的优质稿件。
"关注前沿 | 引领趋势"
