基于模糊综合评价的锂离子电池健康状态评估

doi:10.12096/j.2096-4528.pgt.22110

发电技术 ›› 2022, Vol. 43 ›› Issue (5): 784-791.DOI: 10.12096/j.2096-4528.pgt.22110

基于模糊综合评价的锂离子电池健康状态评估

王宁¹, 陈志强², 刘明义¹, 张鹏², 曹曦¹, 陆泽宇², 雷浩东¹, 曹传钊¹, 严晓³, 周国鹏³

^1.中国华能集团清洁能源技术研究院有限公司, 北京市昌平区102209
^2.中国华能集团香港有限公司, 北京市西城区100031
^3.上海玫克生储能科技有限公司, 上海市松江区201600

收稿日期:2022-06-27 出版日期:2022-10-31 发布日期:2022-11-04
作者简介:王宁(1993)，男，硕士，研究方向为储能电池大数据及预诊断技术，n_wang@qny.chng.com.cn；
陈志强(1973)，男，正高级工程师，研究方向为大规模储能电站集成及大数据预诊断系统开发，coolczq@126.com；
刘明义(1977)，男，博士，正高级工程师，研究方向为电化学储能系统、电池诊断系统，本文通信作者，my_liu@qny.chng.com.cn；
张鹏(1990)，男，硕士，研究方向为大规模储能电站大数据预诊断系统开发，peng_zhang@chng.com.cn；
曹曦(1990)，男，博士，副高级工程师，研究方向为电化学储能系统、电池诊断系统，x_cao@qny.chng.com.cn；
陆泽宇(1989)，男，硕士，研究方向为大规模储能电站集成及大数据预诊断系统开发，zy_lu@chng.com.cn；
雷浩东(1993)，男，博士，工程师，研究方向为电化学储能系统技术，hd_lei@qny.chng.com.cn；
曹传钊(1986)，男，硕士，副高级工程师，研究方向为电化学储能系统技术，cz_cao@qny.chng.com.cn；
严晓(1959)，男，博士，正高级工程师，研究方向为电池诊断系统、前沿检测技术，sean.x.yan@ms-battery.cn；
周国鹏(1995)，男，硕士，研究方向为电池检测算法，15754603147@163.com。
基金资助:
华能集团总部科技项目(HNKJ21-H06)

Health Status Assessment of Lithium-ion Battery Based on Fuzzy Comprehensive Evaluation

Ning WANG¹, Zhiqiang CHEN², Mingyi LIU¹, Peng ZHANG², Xi CAO¹, Zeyu LU², Haodong LEI¹, Chuanzhao CAO¹, Xiao YAN³, Guopeng ZHOU³

^1.China Huaneng Group Clean Energy Research Institute Co. , Ltd. , Changping District, Beijing 102209, China
^2.China Huaneng Group Hong Kong Co. , Ltd. , Xicheng District, Beijing 100031, China
^3.Shanghai MS Energy Storage Technology Co. , Ltd. , Songjiang District, Shanghai 201600, China

Received:2022-06-27 Published:2022-10-31 Online:2022-11-04
Supported by:
Huaneng Group Headquarters Science and Technology Project(HNKJ21-H06)

摘要/Abstract

摘要：

锂离子电池健康状态的准确评估，对于储能系统的安全性具有重要意义。基于某实际运行的锂离子储能电站数据，通过提炼影响锂离子电池健康状态的关键参数，分别对电池电压标准分、充电容量和库伦效率进行单因素分析，通过变异系数法对单因素指标进行赋权，最后采用模糊综合评价法对电池整体健康状态进行量化评分。经评估，该储能电站锂离子电池整体健康状态良好，其中91.67%的锂离子电池健康度评分在85分以上，剩余8.33%的锂离子电池健康度评分低于85分但仍高于80分，且从单因素评估过程中发现，该部分电池开始出现一致性较差等现象，需要对该部分电池加强观测。研究提供了一种基于运行数据的、量化的、原位无损的锂离子电池健康状态评估方法，对储能电站的运行维护、安全稳定运行具有借鉴意义。

关键词: 储能, 锂离子电池, 健康状态评估, 库伦效率, 模糊综合评价

Abstract:

Accurate assessment of the health status of lithium-ion batteries is of great significance for the safety of energy storage systems. Based on the data of a practical lithium-ion energy storage power station, the key parameters that affect the health status of lithium-ion batteries were refined firstly. After that, the effect factors in terms of battery voltage standard score, charging capacity and coulomb efficiency were analyzed, respectively. The single factor indicators through the coefficient of variation method were weighted. Finally, the fuzzy comprehensive evaluation method to quantitatively score the overall health status of batteries was used. According to the assessment, the lithium-ion batteries in the energy storage power station are in good overall health. 91.67% of the lithium-ion batteries have a health score of more than 85, and the remaining 8.33% of the lithium-ion batteries have a health score of less than 85 but still higher than 80. In addition, it is found from the single factor assessment that the consistency of batteries is poor. It is necessary to strengthen the observation of this part of the batteries. This paper provides a quantitative and in-situ non-destructive health status assessment method for lithium-ion batteries based on operation data, which has reference significance for guiding the operation and maintenance of energy storage power stations and ensuring the safe and stable operation.

Key words: energy storage, lithium-ion battery, health status assessment, coulomb efficiency, fuzzy comprehensive evaluation

中图分类号:

TK 02

王宁, 陈志强, 刘明义, 张鹏, 曹曦, 陆泽宇, 雷浩东, 曹传钊, 严晓, 周国鹏. 基于模糊综合评价的锂离子电池健康状态评估[J]. 发电技术, 2022, 43(5): 784-791.

Ning WANG, Zhiqiang CHEN, Mingyi LIU, Peng ZHANG, Xi CAO, Zeyu LU, Haodong LEI, Chuanzhao CAO, Xiao YAN, Guopeng ZHOU. Health Status Assessment of Lithium-ion Battery Based on Fuzzy Comprehensive Evaluation[J]. Power Generation Technology, 2022, 43(5): 784-791.

图/表 8

图1 电池电压标准分分布图

Fig. 1 Distribution diagram of absolute value of standard score of battery voltage

图2 电池充电容量直方分布图

Fig. 2 Vertical distribution diagram of battery charging capacity

图3 电池簇库伦效率分布图

Fig. 3 Coulomb efficiency distribution of battery cluster

表1 单因素指标隶属度得分

Tab. 1 Membership degree of each index

电池组编号	电压标准分	充电容量/(A·h)	库伦效率
1	1.00	1.00	0.98
2	0.90	0.91	1.00
3	1.00	1.00	1.00
4	1.00	1.00	0.90
5	0.81	1.00	0.93
6	1.00	0.95	1.00
7	0.87	0.95	0.98

表2 变异系数及权重系数

Tab. 2 Variation coefficient and weight coefficient

参数	电压标准分	充电容量/(A·h)	库伦效率
平均值	1.002	119.034	0.979
标准差	0.097	0.460	0.005
变异系数	0.097	0.004	0.005
权重系数	0.915	0.036	0.049

表3 健康度评价表

Tab. 3 Health evaluation form

评分	建议
0~70	健康度极差，需立即维护处理
70~85	健康度较差，需重点关注
85~95	健康度良好
95~100	健康度优秀

表4 综合评分结果

Tab. 4 Comprehensive scoring results

电池组编号	综合评分
1	99.89
2	90.42
3	100.00
4	99.50
5	82.27
6	99.81
7	88.06

图4 电池评分直方分布图

Fig. 4 Vertical distribution diagram of single cell score

参考文献 24

1	韦荣阳，毛阗，高晗，等．储能科学与技术基于TWP-SVR的锂离子电池健康状态估计[J]．储能科学与技术，2022，11(8)：2585-2599.
	WEI R Y， MAO T， GAO H，et al ．Health state estimation of lithium ion battery based on TWP-SVR[J]．Energy Storage Science and Technology，2022，11(8)：2585-2599．
2	刘大同，宋宇晨，武巍，等．锂离子电池组健康状态估计综述[J]．仪器仪表学报，2020，41(11)：1-18．
	LIU D T， SONG Y C， WU W，et al ．Review of state of health estimation for lithium-ion battery pack[J]．Chinese Journal of Scientific Instrument，2020，41(11)：1-18．
3	李沂洹，李慷，余渐．锂离子电池荷电状态与健康状态估计方法[J]．发电技术，2021，42(5)：537-546． doi:10.12096/j.2096-4528.pgt.21074
	LI Y H， LI K， YU J ．Estimation approaches for states of charge and health of lithium-ion battery[J]．Power Generation Technology，42(5)：537-546． doi:10.12096/j.2096-4528.pgt.21074
4	吕超，张爽，朱世怀，等．储能锂离子电池包强制风冷系统热仿真分析与优化[J]．电力系统保护与控制，2021，49(12)：48-55． doi:10.19783/j.cnki.pspc.201653
	LÜ C， ZHANG S， ZHU S H，et al ．Thermal simulation analysis and optimization of forced air cooling system for energy storage lithium-ion battery pack [J]．Power System Protection and Control，2021，49(12)：48-55． doi:10.19783/j.cnki.pspc.201653
5	杨胜杰，罗冰洋，王菁，等．基于容量增量曲线峰值区间特征参数的锂离子电池健康状态估算[J]．电工技术学报，2021，36(11)： 2277-2287．
	YANG S J， LUO B Y， WANG J，et al ．State of health estimation for lithium-ion batteries based on peak region feature parameters of incremental capacity curve[J]．Transactions of China Electrotechnical Society，2021，36(11)： 2277-2287．
6	ELIANA Q， PIERCARLO M ．Electrolytes for solid-state lithium rechargeable batteries：recent advances and perspectives[J]．Chemical Society Reviews，2011，40(5)：2525-2540． doi:10.1039/c0cs00081g
7	戴海峰，周艳新，顾伟军，等．电动汽车用动力锂离子电池寿命问题研究综述[J]．电源技术，2014(10)：182-184． doi:10.3969/j.issn.1002-087X.2014.10.054
	DAI H F， ZHOU Y X， GU W J，et al ．Review on life studies of traction Li-ion batteries in electric vehicles[J]．Chinese Journal of Power Sources，2014(10)：182-184． doi:10.3969/j.issn.1002-087X.2014.10.054
8	刘栋．锂离子电池健康状态及剩余使用寿命研究[D]．长沙：湖南大学，2020．
	LIU D ． The Research of Lithium-ion Battery Health Status and Remaining Life[D]．Changsha：Hunan University，2020．
9	李佳．锂离子电池的健康状态估计研究现状分析[J]．蓄电池，2017，54(5)：232-236．
	LI J ．Status analysis of health state estimation of lithium-ion batteries[J]．Chinese LABAT Man，2017，54(5)：232-236．
10	任璞，王顺利，何明芳，等．基于内阻增加和容量衰减双重标定的锂电池健康状态评估[J]．储能科学与技术，2021，10(2)：738-743． doi:10.1002/er.7230
	REN P， WANG S L， HE M F，et al ． State of health estimation of Li-ion battery based on dual calibration of internal resistance increasing and capacity fading[J]． Energy Storage Science and Technology， 2021， 10(2)： 738-743． doi:10.1002/er.7230
11	赵显赫，耿光超，林达，等．基于数据驱动的锂离子电池健康状态评估综述[J]．浙江电力，2021，40(7)：65-73．
	ZHAO X H， GENG G C， LIN D，et al ．Review of data-driven state of health estimation for lithium-ion battery[J]．Zhejiang Electric Power，2021，40(7)：65-73．
12	李强龙，孙建瑞，赵坤，等．基于IALO-SVR的锂电池健康状态预测[J]．电子测量与仪器学报，2022，36(1)：204-211．
	LI Q L， SUN J R， ZHAO K，et al ．Prediction for the state of health of lithium-ion batteries based on IALO-SVR[J]．Journal of Electronic Measurement and Instrumentation，2022，36(1)：204-211．
13	徐佳宁．基于特征提取的退役电池健康状态快速评价方法研究[D]．哈尔滨：哈尔滨工业大学，2021．
	XU J N ．Research on fast evaluation method of health state of retired batteries based on feature extraction[D]．Harbin：Harbin Institute of Technology，2021．
14	LOVE C T， VIRJI M B V， ROCHELEAU R E，et al ．State-of-health monitoring of 18650 4S packs with a single-point impedance diagnostic[J]．Journal of Power Sources，2014，266： 512-519． doi:10.1016/j.jpowsour.2014.05.033
15	WENG C， SUN J， PENG H ．A unified open-circuit-voltage model of lithium-ion batteries for state-of-charge estimation and state-of-health monitoring[J]．Journal of power Sources，2014，258：228-237． doi:10.1016/j.jpowsour.2014.02.026
16	GUO Z， QIU X， HOU G，et al ．State of health estimation for lithium ion batteries based on charging curves[J]．Journal of Power Sources，2014，249：457-462． doi:10.1016/j.jpowsour.2013.10.114
17	华寅，许敏．基于双非线性预测滤波法的锂离子电池SOH估计[J]．电源技术，2018，42(9)：1321-1324． doi:10.3969/j.issn.1002-087X.2018.09.020
	HUA Y， XU M ．State of health estimation of lithium ion battery by dual nonlinear predictive filter for electric vehicles[J]．Chinese Journal of Power Sources，2018，42(9)：1321-1324． doi:10.3969/j.issn.1002-087X.2018.09.020
18	CEN Z， KUBIAK P ．Lithium⁃ion battery SOC/SOH adaptive estimation via simplified single particle model[J]．International Journal of Energy Research，2020，44(15)：12444-12459． doi:10.1002/er.5374
19	杨杰，解晶莹，晏莉琴，等．锂离子电池健康状态估计方法[J]．电池，2019，49(3)：247-250．
	YANG J， XIE J Y， YAN L Q，et al ．The state of health estimation methods for Li-ion battery[J]．Battery Bimonthly，2019，49(3)：247-250．
20	ZHANG L， MA Y， CHENG X，et al ．Degradation mechanism of over-charged LiCoO₂ /mesocarbon microbeads battery during shallow depth of discharge cycling[J]．Journal of Power Sources，2016，329：255-261． doi:10.1016/j.jpowsour.2016.08.030
21	陈满，李勇琦，刘邦金，等．锂电池健康状态监测与评价技术研究[J]．水电站机电技术，2015，38(S1)：77-81．
	CHEN M， LI Y Q， LIU B J，et al ．The research of Li-ion battery health monitoring and evaluation technology[J]．Mechanical & Electrical Technique of Hydropower Station，2015，38(S1)：77-81．
22	贾俊，胡晓松，邓忠伟，等．数据驱动的锂离子电池健康状态综合评分及异常电池筛选[J]．机械工程学报，2021，57(14)：141-149． doi:10.3901/jme.2021.14.141
	JIA J， HU X S， DENG Z W，et al ．Data-driven comprehensive evaluation of lithium-ion battery state of health and abnormal battery screening[J]．Chinese Journal of Mechanical Engineering，2021，57(14)：141-149． doi:10.3901/jme.2021.14.141
23	HU X S， XU L， LIN X K，et al ． Battery lifetime prognostics[J]． Joule，2020(4)：1-37． doi:10.1016/j.joule.2019.11.018
24	SONG J B， LIU Y， SONG D R ．Multi-grade fuzzy comprehensive evaluation of BOT projects service quality based on fuzzy entropy weight coefficient method[J]．Institute of Electrical and Electronics Engineers Transactions on Business Intelligence and Financial Engineering，2012，5(2)：556-560．

[1]	陈志华, 尤梦凯, 蔡伟, 胡经伟, 胡兴, 张爱芳, 张科杰, 王伟. 考虑全寿命周期的储能电站综合评价模型[J]. 发电技术, 2023, 44(6): 883-888.
[2]	石梦舒, 许小峰, 张继广, 李忆, 周保中, 乐鹰, 毕圣. 考虑电-氢市场的虚拟电厂两阶段优化策略研究[J]. 发电技术, 2023, 44(5): 645-655.
[3]	陈逸文, 赵晋斌, 李军舟, 毛玲, 屈克庆, 魏国庆. 电力低碳转型背景下氢储能的挑战与展望[J]. 发电技术, 2023, 44(3): 296-304.
[4]	郭学伯, 范良迟, 许浈婧, 李有, 林俊, 陈林. 助力节能降碳的相变储热材料研究和应用进展[J]. 发电技术, 2023, 44(2): 201-212.
[5]	叶珍珍, 陈鑫祺, 张抒婷, 汪剑, 崔超婕, 张刚, 张磊, 钱陆明, 金鹰, 骞伟中. 离子液体型双电层电容器在45 ℃和3 V状态下的长周期运行研究[J]. 发电技术, 2023, 44(2): 213-220.
[6]	赵珈卉, 田立亭, 程林. 锂离子电池状态估计与剩余寿命预测方法综述[J]. 发电技术, 2023, 44(1): 1-17.
[7]	郝艺博, 杜锡力, 李笑竹, 陈来军. 考虑储能性能差异的新能源场站群共享储能交易模式[J]. 发电技术, 2022, 43(5): 687-697.
[8]	谷晴, 李睿, 蔡旭, 谢宝昌. 面向百兆瓦级应用的电池储能系统拓扑与控制方法[J]. 发电技术, 2022, 43(5): 698-706.
[9]	霍龙, 张誉宝, 陈欣. 人工智能在分布式储能技术中的应用[J]. 发电技术, 2022, 43(5): 707-717.
[10]	陈晓光, 杨秀媛, 王镇林, 王浩扬. 考虑多目标优化模型的风电场储能容量配置方案[J]. 发电技术, 2022, 43(5): 718-730.
[11]	魏少鑫, 金鹰, 王瑾, 杨周飞, 崔超婕, 骞伟中. 电池型电容器技术发展趋势展望[J]. 发电技术, 2022, 43(5): 748-759.
[12]	李泽航, 周浩, 李浩秒, 王康丽, 蒋凯. 面向电力系统的液态金属电池储能技术[J]. 发电技术, 2022, 43(5): 760-774.
[13]	郑俊生, 吕心荣, 郑剑平. 锂离子电容器性能分析及其应用[J]. 发电技术, 2022, 43(5): 775-783.
[14]	闫帅帅, 陆洋, 侯文会, 刘凯. 面向锂电储能系统的本质安全电池智能隔膜材料[J]. 发电技术, 2022, 43(5): 792-800.
[15]	孔文俊, 张艳森, 汤效平, 张伟阔. 大容量储能锂电池电芯产热特性研究[J]. 发电技术, 2022, 43(5): 801-809.

基于模糊综合评价的锂离子电池健康状态评估

Health Status Assessment of Lithium-ion Battery Based on Fuzzy Comprehensive Evaluation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 24

相关文章 15

编辑推荐

Metrics

本文评价