锂离子电池健康状态估计的特征提取:方法与应用
邵哲
仲恒
梅延润
秦文杰
陈然
侯慧杰
胡敬平
杨家宽
华中科技大学 环境科学与工程学院,湖北武汉 430074;长江流域多介质污染协同控制湖北省重点实验室,湖北武汉 430074;固废处理处置与资源化技术湖北省工程实验室,湖北武汉 430074
摘要：为了确保锂离子电池系统的安全性、可靠性和持久性,准确估计电池的健康状态(State of Health,SOH)至关重要.SOH作为一个内部状态量,难以通过传感器直接测量,往往需要通过间接方式进行估计.SOH估计的准确性在很大程度上依赖于健康特征的提取质量,当前SOH估计研究面临电池内部复杂的电化学衰退机制难以直接观测,且单一特征往往无法全面捕捉电池老化过程的挑战.首先阐明了 SOH与电池容量衰减、内阻增长的宏观联系,并追溯其活性物质损失(LAM)和活性锂损失(LLI)等微观电化学衰减机制,确立了理想健康特征应具备明确物理意义的评价基准.在此基础上,总结了当前主流的特征提取技术,主要包括基于电压电流曲线、微分曲线、脉冲功率特性、电化学阻抗和多物理场的特征提取,并对这5种特征提取技术进行了归纳与评述.此外,系统梳理了 NASA、CALCE、Oxford等多个国际公认的锂电池公开数据集,为相关算法的开发与验证提供了基准.最后,针对单一特征难以在复杂多变的工况下实现鲁棒性、高精度SOH估计的现状,提出未来发展趋势的三个关键方向:(1)建立标准化的评估协议,实现客观的算法比较;(2)融合多物理场特征(电、热、机械等),创建更全面、更稳健的健康指标;(3)将物理模型与数据驱动方法相结合(如物理信息神经网络),提高模型可解释性、数据效率和泛化能力.
关键词：锂离子电池梯次利用健康状态健康特征特征提取
分类号：X703(一般性问题)
资助基金：国家重点研发计划(2023YFC3902802)国家自然科学基金(52170134)华中科技大学交叉研究支持计划(2023JCYJ005)湖北省科技计划项目(2024BAA012)武汉市动力电池低碳循环产业创新联合实验室(2025020802040290)
论文发表日期：2026-02-28
在线出版日期：2026-01-26（本平台首次上网日期，不代表文献的发表时间）
页数：14( 54-67 )
英文信息