電池性能與電池組的壽命

科學的假設性能存在差異的單電池會影響電池組模塊的壽命鋰離子電池模塊是目前應用最為廣泛的電動汽車儲能系統(tǒng)。電池模塊由多個串聯(lián)和并聯(lián)連接的單體電池組成。為了滿足電動汽車傳輸系統(tǒng)的功率需求，若干小型電池模塊串聯(lián)或并聯(lián)使用，以形成大型電池模塊（也稱為電池組）。電池模塊的性能取決于每個電池的單獨性能以及串聯(lián)或并聯(lián)電池的配置。電池模塊的理想性能應符合均勻性和均衡性的標準。然而，這些標準尚未得到很好的實施。在大規(guī)模制造電池和將電池組裝成模塊的過程中，電極材料的性能差異、工作條件的變化、加工誤差引起的幾何尺寸變化等不確定性因素，可能導致電池模塊的缺陷，例如：表面劃痕、箔的暴露和裂縫。電池模塊的制造缺陷會導致電池之間存在性能差異，這反過來可能導致模塊中每個電池的性能參數(shù)（容量和電壓）發(fā)生變化，從而造成電池模塊中電池溫度分布不均和不完全充/放電。這些問題會使電池的可用容量減少。如果在電池模塊的設計和制造期間考慮均勻性和均衡性的標準，那么就可以減少電池過熱和熱失控等問題，從而延長電池模塊的壽命。實驗驗證基于機器學習對單電池聚類而產(chǎn)生的新電池組以下將實驗方法與數(shù)值方法相結(jié)合，對性能相近的電池進行了全面的聚類研究，從而獲得具有更高電化學性能的電池模塊。圖1展示了本工作的具體分析過程。?

圖1方法流程首先拆卸4個鋰離子電池模塊，共獲得48個單體電池，然后對這48個鋰離子電池進行充/放電實驗，獲得容量、電壓和溫度等數(shù)據(jù)。由48個單體電池的數(shù)據(jù)，通過k均值（k-means）聚類算法和支持向量聚類（SVC）算法分別獲得一個新的電池模塊。這里的聚類分析屬于機器學習中無監(jiān)督學習范疇，區(qū)別于傳統(tǒng)監(jiān)督學習的分類分析。聚類分析根據(jù)不同規(guī)則對數(shù)據(jù)進行分類，這些類不是預先給定的，而是由數(shù)據(jù)的特性決定的。圖2和圖3分別給出了未聚類（隨機選擇）、基于k-means聚類和基于SVC的電池模塊的均值差和標準差的結(jié)果。?

圖2電池模塊性能均差從圖2可以看出，聚類分析得到的電池模塊中的電壓、溫度和容量的均值差明顯小于未聚類的電池模塊中的均值差，表明聚類后的電池具有相似的性能。?

圖3電池模塊性能標準差從圖3中可以看出，SVC算法在聚類分析中比k-means聚類算法表現(xiàn)更好，特別是在溫度方面。由于溫度是影響電池模塊容量和壽命的最重要參數(shù)，因此對四種不同類別的電池模塊（即，兩個從制造商購買的相同規(guī)格的電池模塊，一個基于SVC得到的電池模塊，一個基于k-means聚類得到的電池模塊）進行聚類結(jié)果的實驗驗證。從底部向每個類別的電池模塊提供空氣冷卻。在每個電池模塊以相同的速率充/放電時，隔5分鐘觀察一次溫度。?

圖4電池模塊在充/放電循環(huán)中六個不同位置的溫度變化(a)第1類(制造商)；(b)第2類(制造商)；(c)第3類(基于SVC)；(d)第4類(基于k-means聚類)從圖4中可以看出，第3類電池模塊(基于SVC)的性能最好，最大觀測溫度為32℃。相比之下，其他電池模塊的最高觀測溫度稍高，第1類(制造商)為40℃，第2類(制造商)為36℃，第4類(基于k-means聚類)為35℃。形成這一結(jié)果的一個合理的原因是：基于SVC得到的電池模塊選擇了具有相似性能的電池，導致模塊內(nèi)的溫度分布均勻，因此與其他類別的模塊相比溫升最低，預計其使用壽命比其他類別的模塊更長。此外，由于SVC可以避免