上海电力大学廖强强：电池健康度快速评估方法研究

对于电动汽车电池来讲，不管在役也好，还是退役以后，都可以把它的储能价值挖掘出来。在役时可以通过V2G模式挖掘出来，还有人提出来V2B、V2H模式。退役后就是梯次利用，一般认为80%左右就要退役，退役后并不是不可用，还可以充放电，只是容量变小，使用条件得更温和。不同的研究者，根据不同的应用需求，梯次利用场景也不一样。把汽车电池里的价值发挥到最大，也符合国家节能环保，资源循环利用要求。

——上海电力大学廖强强

北极星电力网于 2020年 11 月 3-4 日在无锡举办“聚力当下，桩点未来“为主题的“2020 新基建充电桩发展论坛”。北极星电力网全程直播》》》。论坛上上海电力大学教授 廖强强作“电池健康度快速评估方法研究”主题报告。

文字实录：

我今天报告题目“电池健康度快速评估方法研究”，我主要开展一些工作包括电池性能评估，以及梯次利用，电池储能系统在电网中一些应用，以及储能电站评估，还有一些比较软的储能应用规划，以及技术经济性分析方面做了一些工作。

实验室介绍

上海电力大学在电力储能方面有两个省部级平台，是上海市科委批准的，其中一个是电力能源转换工程技术研究中心，这个工程中心做的一个主要工作就是关于储能的事情，另外一个是上海市电力材料防护与新材料重点实验室。老师有做储能材料，也有做储能系统，我这边主要是偏向储能系统。

我们也做一些光储微网运行的研究，另外还有储能削峰填谷的研究。电池里面一个很重要的参数就是内阻，内阻方面的测试仪器我们也都有的。我们做过一些磷酸铁锂电池研究，从形状上来讲也有圆柱形，方形，软包的等等。另外有一些是单体，有一些是模组都做过一些测试，这是我们前期承担一些工作情况。汽车电池里面储能研究包括两块，一块就是后面要讲的，梯次利用过程中电池健康度快速评估，另外一个就是电动汽车电池在役的时候，还没退下来的时候，它其实也可以作为储能进行利用。

我们在梯次利用做了一些工作。承担了一些电力公司的项目，还有一些汽车公司，比如上汽，以及其他一些公司的项目，现在很多的这种集团公司都是在做一些储能的事情。比如上海电气，专门有一个分布式能源科技有限公司，其中一个主打业务就是在储能上，建了不少储能电站。

我们在电池健康度快速评估方面申请了一些专利，有一些已经授权了，也转让了，还有一些现在在审的过程中，包括也有正在申请的。我们在电池健康度快速评估方面建一些模型，也尽可能想把这个模型做成软件，然后在实际当中应用。今年做的一个工作，就是对储能电站进行在线快速评估，先是建立一个模型，然后再做成软件，这家公司有一个云平台，把快速评估子模块嵌入到云平台里面去，就可以在线评估各个电池的健康度。

对于梯次利用储能研究，我们想做成一个系统，看看性能怎样，也前后做了两个小系统。一个跟光伏结合起来的，光储应用方面梯次利用案例。另外一个是削峰填谷的，在园区里面，做了一个200度的储能系统。我们做的这部分工作也得到了媒体的关注和报道。

电动汽车电池储能潜力

我们现在主要的研究对象就是电动汽车里面的电池，不管在役还是退役也好。我们关注的，把电动汽车电池用作储能，看看它的储能潜力发挥出来有多大。我国电动汽车产销量越来越大了，到现在为止，我们国家有400多万辆电动汽车，电动汽车有这么多，相应电动汽车容量也就很大了，要比现有全球电化学储能电站容量多很多，20倍的样子。如果把电动汽车电池，在役时候发挥出来，通过V2G模式发挥出来这是一个很大的储能潜力。同时，电动汽车电池用了几年以后面临退役问题，并不是报废，退下来以后还能挖掘它的储能潜力呢？

电动汽车规模有这么大，未来退役下来的规模肯定也是不小的。所以对于退役电池，全国上下都是非常关注的。对于电动汽车来讲，不管在役也好，还是退役以后，我们都可以把它的储能价值挖掘出来。第一部分在役时候可以通过V2G模式挖掘出来，还有人提出来V2B，移动大楼里面，底下有停车库，给这大楼削峰这个也是可以办到的。退下来以后就是梯次利用，一般认为80%左右就要退役，并不是不可用，还可以充放电，只是容量变小了而已，只是使用条件得更温和，但还是可以使用的。

不同的研究者，他根据不同应用需求，梯次利用场景也是不一样。当然，梯次利用以后最终还是要报废了，还是要走材料分解这条路。整个这个链条走完，其实相对来讲就是把汽车电池里的价值发挥到最大了，这个也符合国家节能环保，资源循环利用的这种要求。

其实在国家层面来讲，对于电动汽车电池的储能属性的发挥和挖掘，国家一直有政策出台的，我收集了一下，从2017年到2020年，最近的是今年10月20日国务院办公厅发的一个文。从2017年发改委，然后到2018年工信部，到今年国务院办公厅都有关于电动汽车，不管在役也好，退役也好，拓展其储能属性的支持政策都有的。

退役电池健康度快速评估方法

快速评估，就是从一些电阻，电压比较快速容易检测的指标里面，看它们数据变化来反映SOH变化，健康度变化。我们当时最早做的一个案例，一些旧电池单芯，SOH衰减不一致的电池拿过来评估，其实刚开始评估的时候也不知道到底哪些指标跟它的SOH挂钩，相当于人的身体全面健康检查一样，各个指标检测一下，看看哪些指标跟它的健康度是强相关的。后来发现锂离子电池扩散系数指标，通过一个电化学阻抗谱测量，再通过一定的模型去解析，解析出电荷转移电阻等等这些参数出来。右边那张图里面可以看出来，容量高的锂离子扩散系数大，容量低的锂离子扩散系数小，把它作为SOH快速表征指标，我们觉得是可以探讨的方向。交流阻抗这种评价方式可以几分钟测完。只是要把里头的一些特征指标跟SOH挂起钩来，这是需要研究的。 第二个案例，从开路电压角度做一些快速评估，它已经是一个储能系统，BMS可以把电压这些数据记录下来，记录下来以后对这些数据进行分析，进行建模，然后分析，然后可以做一些快速评估。

另外一个案例，我们从工作电压角度来做快速评估。刚才我说了，无论是工作电压也好，开路电压也好，如果已经是一个系统，BMS是可以采集到这些数据，只是这些数据变化跟SOH变化之间有什么关系。我们这里头的案例是奇瑞的一款电动汽车上的电池，采用的是小电池，26650，用的是天津比克。一个模组15并四串，有四个电压，电压通过BMS导出来之后做分析，当时我们提出来一个Lorenz离散度这个指标，我们发现其跟SOH之间也有很好的线性关系，误差也是很小的。我们觉得这是可以去实际应用的一个算法，当时也把它做成一个软件，然后可以快速评估。这是从工作电压角度做快速评估，提出了Lorenz离散度作为快速评估指标。

另外一个案例也是从工作电压角度出发，但是我们从另外一个指标上看看它们是否也有一个关系，提出了离散Frechet距离这个快速评价指标。比较各个参数之间的相似性，如果它们相似性很好的话，两个线要重合，说明一致性很好；反之越远，就反映了不一致性。我们采用了一些算法，建立了相应的模型，发现充放电末端最后几分钟电压数据来做的离散Frechet距离跟SOH之间有很好的线性关系。

另外我们还从温度角度来尝试，看看是不是可以建立一些快速分析的方法。这个采用的是特斯拉的21700电池，这四个电池SOH是不一样的，是有梯度的。电池在充放电过程中，有温度变化。这张图是在充电过程中温度变化一个情况，温度在升高，也出现一个平台。我们做一些处理，采用概率密度函数处理方法，中间这些曲线然后转化为右边这些曲线，出现一些峰，表明什么意义呢？它跟SOH之间有什么关系呢？我们后来发现了，前面一个峰，红色表示的，最高峰，它的峰高（概率密度）跟SOH之间也有一个很好的线性关系。

这是讲的一些电池健康度快速评估的案例，其实这些方法也可以应用到不管是退役电池还是在役电池的快速评估，可以是一个储能电站，或者汽车电池里面的健康度评估，其实都是可以去实际应用的。

储能电站健康度在线评估

这是今年做的一个案例，储能电站健康度在线评估，我们跟上海电气分布式能源有限公司合作的。他们买了比亚迪退役下来的电池，大巴上的电池，也是比亚迪那边评估好了，然后做成储能电站。储能电站做了好像十几个，在上海也有，外地其他地方也都有。做成储能电站时，本来是筛选过了的，它的健康度、一致性还是比较好的，但是运行一两年以后，它的不一致性差距在拉大，到底哪些电池好，哪些不好，希望从运维角度来讲，希望得到一些比较明确的信息。我们利用现有的充放电电压数据做了这个工作。

通过充电曲线我们做一定处理，就可以得到一个电压的概率密度随充放电时间的关系。这就会出来一些峰，我们以最大的峰做比较，发现了一些规律，每块电池SOH跟概率密度之间有很好的线性相关。他们当时也给我们一些考核指标，我们要预测电池SOH情况，其中提到一个准确度，当时提出相对误差要不大于7%，做下来效果比这个预期的要好。根据这个模型，利用BMS提供待测电芯的电压数据，我们可以得到电压的概率密度，每一个电芯电压最大概率密度代到方程里面就可以求出SOH，也就是这个预测值。然后再去测电池实际的容量，也就实际SOH，并与预测值做比较。我们发现它的相对误差还是比较小的，不大于5%，大部分在1%，2%，还有近似相等的情况，比我们预想的要好。这是储能电站评估。我们把它做成软件了，现在正在上线调试，基本上快结束了。

我的汇报讲到这里，谢谢大家。