电池性能与电池组的寿命.docx

科学的假设

性能存在差异的单电池会影响电池组模块的寿命

锂离子电池模块是目前应用最为广泛的电动汽车储能系统。电池模块由多个串联和并联连接的单体电池组成。为了满足电动汽车传输系统的功率需求，若干小型电池模块串联或并联使用，以形成大型电池模块（也称为电池组）。

电池模块的性能取决于每个电池的单独性能以及串联或并联电池的配置。电池模块的理想性能应符合均匀性和均衡性的标准。然而，这些标准尚未得到很好的实施。

在大规模制造电池和将电池组装成模块的过程中，电极材料的性能差异、工作条件的变化、加工误差引起的几何尺寸变化等不确定性因素，可能导致电池模块的缺陷，例如：表面划痕、箔的暴露和裂缝。

电池模块的制造缺陷会导致电池之间存在性能差异，这反过来可能导致模块中每个电池的性能参数（容量和电压）发生变化，从而造成电池模块中电池温度分布不均和不完全充/放电。这些问题会使电池的可用容量减少。

如果在电池模块的设计和制造期间考虑均匀性和均衡性的标准，那么就可以减少电池过热和热失控等问题，从而延长电池模块的寿命。

实验验证

基于机器学习对单电池聚类而产生的新电池组

以下将实验方法与数值方法相结合，对性能相近的电池进行了全面的聚类研究，从而获得具有更高电化学性能的电池模块。图1展示了本工作的具体分析过程。

???图1方法流程

首先拆卸4个锂离子电池模块，共获得48个单体电池，然后对这48个锂离子电池进行充/放电实验，获得容量、电压和温度等数据。

由48个单体电池的数据，通过k均值（k-means）聚类算法和支持向量聚类（SVC）算法分别获得一个新的电池模块。

这里的聚类分析属于机器学习中无监督学习范畴，区别于传统监督学习的分类分析。聚类分析根据不同规则对数据进行分类，这些类不是预先给定的，而是由数据的特性决定的。

图2和图3分别给出了未聚类（随机选择）、基于k-means聚类和基于SVC的电池模块的均值差和标准差的结果。

???图2电池模块性能均差

从图2可以看出，聚类分析得到的电池模块中的电压、温度和容量的均值差明显小于未聚类的电池模块中的均值差，表明聚类后的电池具有相似的性能。

???图3电池模块性能标准差

从图3中可以看出，SVC算法在聚类分析中比k-means聚类算法表现更好，特别是在温度方面。

由于温度是影响电池模块容量和寿命的最重要参数，因此对四种不同类别的电池模块（即，两个从制造商购买的相同规格的电池模块，一个基于SVC得到的电池模块，一个基于k-means聚类得到的电池模块）进行聚类结果的实验验证。

从底部向每个类别的电池模块提供空气冷却。在每个电池模块以相同的速率充/放电时，隔5分钟观察一次温度。

???图4电池模块在充/放电循环中六个不同位置的温度变化

(a)第1类(制造商)；(b)第2类(制造商)；

(c)第3类(基于SVC)；(d)第4类(基于k-means聚类)

从图4中可以看出，第3类电池模块(基于SVC)的性能最好，最大观测温度为32℃。相比之下，其他电池模块的最高观测温度稍高，第1类(制造商)为40℃，第2类(制造商)为36℃，第4类(基于k-means聚类)为35℃。

形成这一结果的一个合理的原因是：基于SVC得到的电池模块选择了具有相似性能的电池，导致模块内的温度分布均匀，因此与其他类别的模块相比温升最低，预计其使用寿命比其他类别的模块更长。

此外，由于SVC可以避免在高维特征空间中进行显式计算，因此对大型数据集有效。此类电池模块可被广泛应用于包含数百个电池模块的电动汽车中，从而提高电动汽车的续航能力和安全性。