Abstrak
Resistansi adalah salah satu parameter utama untuk mengukur kinerja baterai lithium-ion (Li ion), yang dapat mencerminkan efisiensi dan kemampuan keluaran daya baterai. Seperti parameter kinerja baterai Li ion lainnya, resistansi dipengaruhi oleh kondisi pengoperasian dan meningkat seiring bertambahnya usia baterai. Untuk menangkap ketergantungan ini, pendekatan tradisional adalah dengan menggunakan file konfigurasi tugas sintetis untuk menua baterai Li ion dalam kondisi berbeda dan secara berkala menghentikan pengujian penuaan untuk mengukur resistansi dalam kondisi standar. Meskipun metode ini dapat memperoleh data akurat mengenai perilaku resistensi, data ini seringkali tidak dapat sepenuhnya mencerminkan perubahan resistensi dalam aplikasi praktis. Oleh karena itu, artikel ini mengusulkan metode baru yang dapat secara langsung mengekstrak, memodelkan, dan memprediksi resistansi dari file konfigurasi tugas dinamis baterai. Dalam proses ini, ekstraksi resistensi terutama bergantung pada manipulasi dan pencatatan data, sedangkan pemodelan dan prediksi menggunakan model linier logaritmik. Metode ini dapat mensimulasikan dan memprediksi perubahan resistansi baterai secara lebih akurat dalam kondisi penggunaan sebenarnya, sehingga memberikan perspektif baru untuk evaluasi kinerja dan prediksi masa pakai baterai.
1. Pendahuluan
1.1 Pentingnya dan karakteristik resistansi internal pada baterai lithium-ion
Parameter kinerja dan kunci aplikasi:Resistansi internal, seperti halnya kapasitas, merupakan parameter penting untuk menggambarkan kinerja dan perilaku masa pakai baterai lithium-ion. Dalam aplikasi seperti penyimpanan energi terbarukan dan kendaraan listrik, hambatan internal digunakan untuk menentukan kapasitas daya baterai dan sangat penting untuk mengoptimalkan desain sistem baterai untuk memenuhi persyaratan teknis dan ekonomi. Sementara itu, resistansi internal juga merupakan parameter kunci untuk pemodelan kelistrikan dan termal baterai, yang masing-masing menggambarkan perilaku dinamis dan pemanasan baterai.
Faktor nonlinier dan mempengaruhi:Resistansi internal baterai litium-ion sangat nonlinier dan dipengaruhi oleh suhu pengoperasian, arus beban, dan status pengisian daya baterai (SOC). Terlebih lagi, dalam pengoperasian jangka panjang, resistensi internal akan menua seiring dengan bertambahnya waktu.
Metode pengukuran tradisional dan keterbatasannya:Ada berbagai metode untuk menentukan resistansi internal baterai lithium-ion, di antaranya teknologi pulsa saat ini yang umum digunakan. Dengan menerapkan amplitudo dan panjang arus pengisian dan pengosongan tertentu pada baterai, respon tegangan baterai dicatat, dan kemudian resistansi internal dihitung menggunakan hukum Ohm. Metode ini dapat berhasil digunakan dalam kondisi laboratorium untuk menentukan resistansi internal baterai dalam berbagai kondisi dan melacak perubahan resistansi internal selama proses penuaan. Namun, kelemahan utamanya adalah baterai harus berada dalam mode siaga setidaknya selama 15 menit sebelum pengukuran untuk mencapai stabilitas termodinamika, yang terbatas dalam aplikasi praktis karena waktu henti sistem penyimpanan lithium-ion yang tidak memungkinkan secara teknis dan ekonomis.
1.2 Tujuan dan Metode Penelitian
Tujuan penelitian:Untuk menganalisis kelayakan pelacakan langsung penurunan resistansi internal baterai lithium-ion dari profil tugas sebenarnya, yang digunakan untuk menentukan umur baterai selama 38 minggu.
Metode ekstraksi resistansi internal:Berdasarkan ide di balik algoritma SRD, resistansi internal diekstraksi dengan melacak secara hati-hati awal dan panjang pulsa arus. Dengan asumsi bahwa logaritma resistansi yang diekstraksi mengikuti distribusi normal, dan rata-ratanya adalah fungsi nonlinier dari SOC baterai, parameter model resistansi internal diperkirakan setiap minggu untuk melacak perubahan resistansi dari waktu ke waktu.
Metode prediksi usia baterai:Dengan menggunakan parameter estimasi dan mengasumsikan probabilitas SOC dan nomor siklus sebelumnya, menurut aturan Bayesian dan hukum probabilitas total, distribusi usia baterai yang akurat dihitung dengan mengukur nilai resistansi internal baru dan SOC yang sesuai. Terakhir, bandingkan hasil metode yang diusulkan dengan hasil pengukuran resistensi menggunakan metode tradisional setelah penuaan mingguan.
2. Informasi rinci tentang baterai eksperimental, kondisi penuaan, dan pengukuran resistansi internal
2.1 Menguji spesifikasi baterai
Percobaan ini menggunakan baterai lithium-ion berbentuk silinder dengan kapasitas nominal 2,5Ah dan tegangan nominal 3,3V. Baterai dirancang berdasarkan anoda grafit dan katoda litium besi fosfat (LFP), yang dirancang khusus untuk aplikasi daya tinggi, dan dapat menahan pengisian dan pengosongan terus menerus hingga empat kali arus nominal.
2.2 Pengaturan kondisi penuaan
Profil saat ini dan siklus penuaan: Gunakan profil penuaan baterai saat ini yang ditunjukkan pada Gambar 1, dengan durasi satu minggu. Keunikannya terletak pada kenyataan bahwa di lebih dari 95% kasus, arus sebesar 4C (yaitu 10A) digunakan untuk pengisian dan pengosongan. Pada suhu penuaan 25 derajat C, profil penuaan ini diterapkan untuk menguji baterai hingga 38 minggu. Setelah menerapkan profil saat ini, profil SOC baterai ditunjukkan pada Gambar 2, dengan SOC bervariasi antara 10% dan 90%.
2.3 Proses dan Hasil Pengukuran Resistensi Internal
Metode dan parameter pengukuran:Setelah pengujian penuaan mingguan, resistansi internal baterai diukur menggunakan teknologi pulsa arus. Pengukuran dilakukan pada SOC 20%, 50%, dan 80%, dengan pulsa arus pada kecepatan 4C (10A) selama 18 detik. Sebelum pengukuran, baterai harus dalam mode siaga selama 15 menit untuk mencapai stabilitas termodinamika.
Analisis hasil pengukuran:Setelah penuaan siklik selama 38 minggu, resistansi internal baterai meningkat sebesar 8,7%, sedangkan kapasitas baterai menurun lebih dari 15% dibandingkan nilai pengukuran awal. Hal ini menunjukkan bahwa selama proses penuaan, meskipun kapasitas baterai menurun secara signifikan, peningkatan resistansi internal relatif kecil, yang mencerminkan perubahan kinerja baterai dalam kondisi penuaan tersebut. Hal ini memberikan dasar data untuk penelitian lebih lanjut tentang hubungan antara resistansi internal baterai dan SOC, dan pembentukan model resistansi internal.
3. Metode dan karakteristik terkait untuk mengekstraksi resistansi internal baterai dari profil dinamis
3.1 Prinsip ekstraksi resistansi internal berdasarkan profil dinamis
Untuk mengekstrak resistansi internal baterai dari profil dinamis yang ditunjukkan pada Gambar 1, arus I dan tegangan V_s perlu dilacak sebelum dimulainya pulsa arus. Jika arus, tegangan, dan V_s pada momen tertentu t diketahui, maka menurut hukum Ohm:
Hitung hambatan pada saat itu. Kuncinya adalah menentukan kapan dan bagaimana memperbarui V_s. Berdasarkan perubahan arus dari waktu t ke (t+1), dapat dibagi menjadi tiga situasi berikut:
3.2. Memperbarui metode V_s dengan perubahan terkini yang berbeda
Perubahan saat ini dari 0 menjadi bukan nol (Skenario 1):V{{0}}s diperbarui ke nilai tegangan terakhir saat arus terakhir 0 (yaitu (V_t)). Metode ini mengandalkan waktu relaksasi antara pulsa arus untuk membuat tegangan baterai mencapai (atau mendekati) tegangan rangkaian terbuka (OCV). Semakin lama waktu relaksasi, semakin akurat estimasi ketahanan baterai.
Perubahan saat ini dari satu nilai bukan nol ke nilai bukan nol lainnya (Skenario 2):Situasinya rumit. Jika waktu idle terakhir baterai singkat, nilai yang disimpan saat ini (V_s) dapat digunakan untuk menentukan resistansi, namun semakin lama waktu idle, semakin kurang akurat nilainya. Untuk mendapatkan model yang lebih akurat, artikel ini mengabaikan resistor yang diekstraksi dalam kasus tersebut. Ada dua kemungkinan solusi untuk masalah ini:
Salah satunya adalah dengan mempertimbangkan perubahan arus dari nilai saat ini, sehingga situasi 2 dapat diubah menjadi situasi 1 (yaitu jika I2- I2 {t-1}<€) and (I2 {t+1} - I2- t>€), lalu misalkan (V_s=V_t);
Kedua, jika SOC baterai diketahui dan terdapat model hubungan antara OCV dan SOC, hubungan ini dapat digunakan untuk memperbarui V_s guna meningkatkan akurasi estimasi resistansi internal.
Arus tetap tidak berubah (Skenario 3):Jika|saya2- saya2 {t+1} |<=&, V_s does not need to be updated. Simply calculate the resistance at time t+1 using the formula and proceed to the next iteration.
3.3 Pengaruh periode relaksasi terhadap metode ekstraksi
The internal resistance is affected by the length of the current pulse, and it takes time for the battery to reach thermodynamic stability after the current interruption. Tracking the previous pulse length L and relaxation period length T is beneficial. By comparing the resistance identification results under two conditions: requiring a relaxation period at least as long as the previous current pulse (T>=L) and requiring only 1 second relaxation period (T>1), pengaruh periode relaksasi terhadap kinerja metode ekstraksi dipelajari. Nilai resistansi internal yang diekstraksi dalam dua skenario dinotasikan sebagai R_i dan bar, masing-masing {R}_i .
3.4 Karakteristik memperkirakan hambatan internal
Karena penggunaan panjang pulsa 18 detik untuk mengukur resistansi internal setelah penuaan setiap minggu, resistansi internal yang diekstraksi menggunakan metode yang diusulkan didefinisikan sebagai nilai resistansi R_i=R{{3} } {i, 18s} setelah 18 detik. Arus dalam profil penuaan dinamis yang dipertimbangkan (Gambar 1) sebagian besar bervariasi pada amplitudo laju C yang sama, sehingga resistansi internal baterai hanya diperkirakan dalam kisaran arus 9,5A-10,5A, yang membantu untuk (1) mengisolasi ketergantungan resistansi internal pada arus, dan (2) memverifikasi metode yang diusulkan tanpa bias.
4. Hubungan antara resistansi internal baterai dan SOC, serta analisis prediksi usia baterai
4.1 Hubungan dan Pembentukan Model antara Perlawanan Internal dan SOC
Hukum variasi resistensi internal dengan SOC:Setelah dipengaruhi oleh suhu isolasi, arus (laju C), dan panjang pulsa, resistansi internal baterai yang diuji hanya berubah seiring dengan SOC dan meningkat seiring bertambahnya usia baterai. Mengingat resistansi internal baterai meningkat ketika SOC mendekati 0 dan 1, gunakan:
Jelaskan hubungannya dengan SOC dan ambil logaritmanya untuk menunjukkan linearitas dalam ruang parameter, yang memfasilitasi estimasi parameter. Dengan asumsi ketahanan baterai untuk minggu tertentu \(w\)
Patuhi distribusi normal dengan mean {{0}} dan varians o-2, dan variansnya tidak bervariasi menurut minggu. Perkirakan parameternya menggunakan metode kemungkinan maksimum, dengan asumsi beta_ {1, w} dan beta_ {2, w} keduanya kurang dari atau sama dengan 0.
Model validasi data eksperimen:Berdasarkan profil penuaan dan metode yang disebutkan di atas, nilai resistansi internal yang diekstraksi (lihat Gambar 7 dan Gambar 8, titik hitam) disesuaikan dengan model di atas. Garis biru mewakili indeks resistensi logaritmik yang diharapkan, area yang diarsir adalah interval kepercayaan 95%, dan titik merah serta garis putus-putus masing-masing mewakili nilai pengukuran inspeksi mingguan dan nilai model pemasangan bulanan yang sesuai. Membandingkan hasil dalam dua persyaratan periode relaksasi, periode relaksasi yang ketat mengurangi jumlah nilai resistensi internal, namun secara signifikan mengurangi variasi. Hitung persentase kesalahan absolut (APE) untuk memverifikasi keakuratan metode. Dalam kebanyakan kasus, median APE pada Gambar 9 kurang dari 4,5%, menunjukkan bahwa metode identifikasi resistansi internal yang diusulkan dapat menggantikan metode tradisional (yang mengharuskan baterai tidak digunakan selama 15 menit). Gambar 11 menunjukkan bahwa seiring berjalannya waktu, seiring dengan menurunnya parameter beta, deviasi standar model mula-mula menurun dan kemudian meningkat. Penurunan beta_ {1, w} dan beta{{10}} {2, w} menyebabkan resistansi internal meningkat lebih cepat ketika SOC mendekati 1. Parameter beta bersama-sama mengontrol resistensi internal minimum yang diharapkan ketika SOC adalah 0,5, yang tetap relatif stabil selama proses penuaan.
4.2. Prediksi dan Analisis Usia Baterai
Prinsip prediksi berbasis model:Berdasarkan model hubungan antara resistansi internal dan SOC yang disebutkan di atas, mengetahui nilai SOC dan usia baterai (minggu) dapat memprediksi resistansi internal baterai secara akurat. Kalau tidak, perlu untuk menentukan
Gunakan distribusi probabilitas untuk memperkirakan usia baterai. Untuk ini, perlu diasumsikan distribusi probabilitas SOC, jumlah siklus, dan resistensi internal SOC, Distribusi gabungan minggu. Dengan asumsi SOC dan nomor siklus bersifat independen sebelumnya, SOC baterai mengikuti distribusi seragam kontinu pada interval satuan, dan nomor siklus mengikuti distribusi seragam diskrit pada serangkaian kemungkinan siklus. Menurut aturan Bayes dan hukum probabilitas total, hitung distribusi posterior:
Ringkaslah distribusi posterior siklus baterai berdasarkan median tertimbang dan wilayah kepadatan posterior tinggi (HPD), dengan wilayah HPD 95% mewakili kombinasi wilayah minimum dengan probabilitas kombinasi (area di bawah kurva) sebesar 95%.
Analisis hasil prediksi pada resistensi internal dan SOC yang berbeda:Ketika resistansi internal adalah 15m Ω, distribusi probabilitas posterior pada SOC 20% dan 80% hampir sama, dengan rentang median tertimbang sebesar 17.4-24,7 minggu. Wilayah HPD 95% mencakup seluruh periode penuaan (1-38 minggu), sehingga sulit untuk membedakan usia baterai. Hal ini konsisten dengan fakta bahwa resistansi internal baterai hanya meningkat sebesar 8,7% setelah 38 minggu disimpan, dan karena beta_ {2, w} berkurang lebih cepat dibandingkan beta_ {1, w }, terdapat perbedaan distribusi posterior pada SOC 20% dan 80% (lihat Gambar 12-14). Ketika resistansi internal meningkat hingga 20m Ω, ada kemungkinan 95% bahwa baterai akan lebih besar dari 22,8 minggu dan 27,5 minggu pada SOC 20% dan 80%. Pada SOC 50%, distribusi posterior memiliki probabilitas lebih tinggi pada 1-10 minggu dan 23-38 minggu. Hal ini disebabkan oleh penurunan nilai pengukuran resistansi internal mendekati 50% SOC pada tahap awal penuaan dan tingkat percepatan peningkatan resistansi internal yang berbeda pada SOC yang berbeda (lihat Gambar 15-17).
5. Ringkasan
Identifikasi resistensi internal dan metode pemodelan:Studi ini mengusulkan metode untuk mengidentifikasi secara langsung resistansi internal baterai dari profil penuaan dinamis dan memodelkan perilaku degradasinya. Dengan hati-hati melacak perubahan profil saat ini dan menggunakan hukum Ohm untuk menghitung resistansi setiap saat, resistansi internal didefinisikan sebagai resistansi setelah 18 detik pengisian terus menerus, dan dibatasi pada kondisi bahwa periode relaksasi setidaknya sama dengan sepanjang pulsa arus sebelumnya. Resistansi internal yang diekstraksi untuk minggu tertentu dimodelkan sebagai fungsi linier logaritmik SOC, yang sangat konsisten dengan resistansi internal yang diukur dengan metode tradisional.
Analisis stabilitas resistansi internal:Analisis menunjukkan bahwa dibandingkan dengan tingkat peningkatan resistensi internal yang lebih tinggi pada SOC 20% dan 80%, resistensi internal yang diekstraksi mendekati SOC 50% cukup stabil dalam beberapa minggu, yang sepenuhnya konsisten dengan hasil yang diperoleh dengan metode tradisional.
Kerangka untuk menghitung distribusi probabilitas posterior usia baterai:Metode yang diusulkan dapat diintegrasikan ke dalam kerangka untuk menghitung distribusi probabilitas posterior usia baterai. Berdasarkan nilai resistansi internal dan SOC yang diukur, distribusi probabilitas baterai berumur \(w\) minggu dapat ditentukan, yang membantu memperkirakan lebih lanjut sisa masa manfaat (RUL) baterai, tetapi bagian ini akan dibiarkan untuk penelitian masa depan.
Selain estimasi RUL, perluasan sederhana lainnya dari kerangka penelitian ini adalah mempelajari perilaku SOC dan hubungannya dengan penggunaan baterai, yang tidak dibahas dalam makalah ini dan dapat dieksplorasi lebih lanjut di masa mendatang untuk mendapatkan pemahaman yang lebih komprehensif tentang kinerja baterai dan pengoptimalannya. manajemen baterai.