华体会hth·(体育)(中国)官方网站
{{query}}
您好,欢迎来到源宇洲!
电池回收再利用技术平台
0411-86645829
0411-87283972
锂电池EIS新突破:温度与荷电状态的监测
发布时间: 2025-11-21 预览次数:

一、论文基本信息

论文标题:Insights Into Lithium-Ion Battery Cell Temperature and State of Charge Using Dynamic Electrochemical Impedance Spectroscopy

发表期刊/会议:International Journal of Energy Research文章DOI:https://doi.org/10.1155/2024/9657360

研究团队:英国拉夫堡大学机械、电气与制造工程学院,Ricardo PLC联合研究团队,通讯作者L. M. Knott

核心信息

本研究首次系统比较了稳态电化学阻抗谱(SSEIS)与动态电化学阻抗谱(DEIS)在锂离子电池充放电过程中的差异,开发了能够同时预测温度(10–35°C)和荷电状态(SOC:50%–100%)对电池阻抗影响的等效电路模型,为电动汽车快充场景下的电池健康管理提供了突破性解决方案。

二、研究背景与意义

随着电动汽车快充需求(如≥350kW的极速充电)的爆发式增长,锂离子电池在动态工况下的性能监测成为行业痛点。传统SSEIS需电池静置测量,无法反映实际使用中温度与SOC同时变化的复杂场景。本研究通过DEIS技术,首次实现了在主动充电过程中对电池阻抗的实时监测,填补了非平衡状态下电池特性研究的空白。

1.jpg

三、实验设计与技术突破

1. 创新实验架构

研究采用450mAh商用钴酸锂/石墨软包电池,通过Solarton 1280C电化学工作站与恒温箱精确控制条件:

SSEIS协议:满充后静置测量,温度梯度为10/15/20/25/30°C

DEIS协议:在1C恒流充电过程中同步进行阻抗测量,捕获50%-100% SOC区间动态数据


2.jpg


2. 双模型构建策略

FCBEM模型(稳态):基于SSEIS数据建立满充状态下的温度-阻抗关系

ACBEM模型(动态):创新性地引入SOC变量,建立温度-SOC-阻抗三维映射关系

3.jpg

四、关键发现与机理解读

1. DEIS与SSEIS的显著性差异

通过对比22.5°C和25°C两组数据发现:

阻抗值差异:DEIS实部阻抗普遍高于SSEIS 15%-30%

容性行为:DEIS虚部阻抗更小,反映动态充电过程中双电层电荷存储能力增强

非线性特性:KK验证显示DEIS高频区误差达62%,揭示系统非平衡特性


4.jpg


2. 温度对电池参数的梯度影响

通过8组等效电路参数的温度依赖性分析发现:

敏感参数:SEI伪电容(T_SEI)下降66%,SEI电阻(R_SEI)下降84.1%,电荷转移电阻(R_ct)下降60.9%

反常现象:欧姆电阻(R_ohm)在DEIS中随温度升高而增加(+3.2%),推测与电极微观结构变化相关

界面演化:CPE指数P_SEI线性增长25.2%,表明高温下SEI层均匀性提升


5.jpg


3. SOC与温度的耦合效应

三维等高线图清晰展示了参数随温度/SOC的协同变化:

协同衰减:R_ct随温度升高呈指数衰减,随SOC增加呈幂律衰减

界面优化:双电层伪电容(T_dl)随温度/SOC同步指数增长,反映界面电化学活性提升

扩散增强:高SOC下浓度梯度促进离子扩散,抵消低温负面影响


6.jpg


五、模型验证与应用前景

1. 预测精度突破

FCBEM模型:实部阻抗R²=0.9998,虚部阻抗R²=0.9971

ACBEM模型:在22.5°C验证点上实部R²=0.9975,成功预测未参与训练的完整数据集


7.jpg


2. 工程应用价值

BMS升级:实现充电过程中电池健康状态的实时诊断

快充优化:为极速充电(6C)提供阻抗变化预测基准

寿命管理:通过监测R_ct和SEI参数变化预警电池老化

六、作者介绍

通讯作者L. M. Knott现任拉夫堡大学研究员,专注于电化学阻抗谱在储能系统中的应用研究。团队在电池诊断领域累计发表SCI论文20余篇,本次研究得到英国工程与物理科学研究委员会(EPSRC)与Ricardo PLC的联合资助,体现了产学研深度融合的创新模式。

七、总结与展望

本研究通过DEIS技术突破了传统阻抗谱测量的局限性,首次建立了动态充电场景下的温度-SOC-阻抗映射模型。未来研究方向包括:

将模型扩展至0–40°C全温度范围

研究0.5C–6C不同充电速率的影响

拓展至NCM、LFP等多元材料体系

结合机器学习实现阻抗数据的智能解析


文章来源:电池课堂

特别声明:本站所载图文内容均来源互联网,微信公众号等公开渠道,我们对文中观点保持中立,出于更直观传递信息之目的转载稿件,仅供参考。版权归原作者和机构所有,并不代表本网赞同其观点和对其真实性负责。如有侵权,或涉及任何第三方合法权利,请及时联系我们删除(微信:CintaZz7),我们会及时反馈并处理完毕。

华体会hth·(体育)(中国)官方网站