简单谈谈电池寿命预测模型

从网上的一张不同车型里程与容量衰减图表说起，图表收集了BMW i3,2013Leaf,Ford Focus, Kia Soul EV等车型的实际路跑数据，通过曲线拟合给出了不同车型里程容量衰减趋势，从图上看，最差的续驶里程在3万公里左右，容量就衰减到80%。由于数据量较少、而且统计口径是不是一致也无法考证，此处不作深究。

在车辆获取实跑数据前，我们要怎么样对电池寿命进行预测呢？通常有两种建模办法，一是经验模型，二是电化学模型。

经验模型中电池容量衰退通常分为两类,日历寿命衰减及循环寿命衰减。

经验模型通常需要确定探测矩阵，然后进行大量的探测，得到探测数据，通过获取参数值，取得容量衰减的经验数据，作为后续仿真的根据。

试验设计举例

NEDCcycle 12069Km/year,预测出46个月后容量衰减至80%。

下面我们简单谈一下要怎么样通过电化学建模进行电池寿命预测，假设我们计划采用15Ah NCM的方形电池，需组合成3P96S的电池组，然后对电池组进行各工况下寿命预测。

新建一个模型，选择工作目录，确定电池几何形状，如方形，以及电池类型。

模型构建及参数设置，此处默认大家对电化学建模过程已经熟悉，不具体解析。针对容量衰退机制，我们分别对SEI膜生长、活性物质损失等项进行设置，同时对一些控制变量进行赋值。

SEI膜生长区域，我们选择负极，此处可以设置分子量、电极密度、孔隙率、反应速率常数、活化能等。

所有参数设置完成后，仿真可以得到充放电电压曲线，此处需标定我们的模型，详尽操作此处略。

作为车用动力电池组，我们一般通过导入路谱需求，进行综合分解

如选择CYC-US06工况，或自定义综合工况

功率需求曲线

进行多个cycle的路谱仿真

仿真结果介绍：

SEI膜（包括生长增厚、脱落再生）以及活性材料损失是容量衰退的紧要因素，下面给出SEI膜厚度及活性物质体积分数随循环次数的变化规律曲线结果

60℃高温存储SEI膜厚度变化曲线

不同温度下循环Ah总量与容量衰减曲线

声明： 本站所发布文章部分图片和内容自于互联网，如有侵权请联系删除