商用リチウムイオン電池向け: 3 電極測定用に最適化された MCC 急速充電アルゴリズムの解析

抽象的な

この記事では、電気自動車のバッテリーに高精度の充電状態依存多段定電流 (MCC) 充電アルゴリズムを提供する新しい方法を提案します。このアルゴリズムは、劣化プロセスを加速させずに、リチウムメッキを回避することで充電時間を大幅に短縮します。まず、3 電極測定技術を利用して、電流率、充電状態、リチウムメッキの関係を実験的に解析し、S​​OC (充電状​​態) 依存性に基づいた充電アルゴリズムを提案しました。次に、拡張カルマン フィルターに基づく SOC 推定アルゴリズムが MATLAB/Simulink 環境で開発され、高精度の SOC 推定と充電プロセスの正確な制御を実現しました。実験結果によると、SOC 推定の二乗平均平方根誤差 (RMSE) は 1.{6}}8% であり、SOC 0% ～ 80% の範囲では充電時間が 30% 短縮されます。

1. はじめに

充電時間の影響要因と既存の充電プロトコルの制限:世界の公共充電量と急速充電のシェアは過去 10 年間で増加しましたが、充電時間は充電器の容量だけでなく、バ​​ッテリーの特性、環境条件、充電プロトコルにも依存します。 LIB の標準充電プロトコルは定電流定電圧 (CC-CV) であり、これには定電流 (CC) と定電圧 (CV) の 2 つの段階が含まれます。 CV ステージが長いと総充電時間の短縮が制限され、高い充電電流によりリチウム メッキが発生し、バッテリの寿命と安全性に影響を与える可能性があります。したがって、充電プロトコルがバッテリー寿命に与える影響は無視できません。

多段階定電流充電プロトコルの研究背景と利点:充電時間、効率、バッテリー寿命のバランスを最適化するために、複数の充電プロトコルが提案されており、その中で多段定電流充電 (MCC) プロトコルが広く研究されています。 MCC プロトコルは充電時間を短縮し、バッテリーのサイクル寿命を延長することができ、その段階移行は SOC 間隔または電圧上限に基づいて行うことができます。主な課題は、MCC 充電の最適な CC ステージ数、電流レート、変換条件を決定することです。これは、Taguchi メソッド、最適化アルゴリズム、または Li めっきを検出して最適な充電電流モードを決定することによって解決できます。

この研究の革新性と記事構成

革新点:この研究では、3 電極電池の実験から得られた SOC 閾値を MCC 充電アルゴリズムの高精度 SOC 推定器と統合し、標準的な商用電池向けのスケーラブルな充電電流ガイドを開発し、アプリケーションでの物理的な 3 番目の電極の必要性と大規模な充電の必要性を排除します。充電プロトコルの開発段階でのバッテリーテスト。充電時間を短縮し、急速充電によるバッテリーの劣化の加速を防ぐことを目的としています。

この記事の構成:まず、3 電極法を使用して最適な充電モードを設計し、市販の 21700 NMC バッテリーから実験用の 3 電極バッテリーを再構築します。次に、バッテリー管理システム (BMS) に適した拡張カルマン フィルター (EKF) ベースの SOC 推定器を開発します。次に、バッテリー テストを実施してメソッドのパフォーマンスを検証し、エージング テストを実行して、MCC プロトコルと標準 CC-CV 充電を比較します。最後に結論を述べます。

2. 材料と方法

電気化学的特性分析:市販の円筒形電池 21700 NMC の電極に対して 3 電極測定分析を実施します。まず、メーカーの仕様に従って 5 標準サイクル後にバッテリーを下限電圧まで放電します。アルゴングローブボックス内で電池を開け、電極を取り外して加工し、三極電池を準備します。 LIB 電極材料の特性により、作用極と対極のプロセスを個別に観察するには追加の参照電極が必要です。実験用の三極電池の電気化学的特性は市販の電池の電気化学的特性と類似しています。電極のコーティング面積と比容量を決定し、さまざまな充電および放電速度でテストを実施し、アノードとカソードの電位を観察し、さまざまな C レートでのリチウムめっきの臨界 SOC を決定し、商用に適用できるように MCC プロトコルを正規化することにより、実験は 25 ℃ で行われたため、将来的にはさまざまな環境条件下で検証する必要があります。

バッテリーのモデリングとパラメーターの特定:単一 RC 分岐を備えたテブナン等価回路モデル (ECM) を使用して LIB の電気特性をシミュレートすると、モデル パラメーター (開回路電圧、オーム抵抗、分極抵抗、静電容量など) が SOC 10% 単位で正確に決定されます。ハイブリッドパルス電力特性 (HPPC) テストを通じて、さまざまな温度と充放電方向を測定します。パラメータ値は 3D ルックアップ テーブルにコンパイルされ、SOC 推定の基礎となります。

充電状態の推定:LIB の SOC 変化は時間の関数として表すことができ、クーロン計数はこれに基づく基本的な推定方法ですが、誤差が存在します。したがって、SOC 推定には拡張カルマン フィルター (EKF) が使用されます。 EKF は、非線形システムを線形化し、電流、電圧、温度の測定信号を組み合わせることで、SOC 推定の課題を効果的に解決します。そのアルゴリズムには、予測と更新という 2 つの主要なステップが含まれています。 Thevenin ECM および SOC の定義に基づいて、プロセスおよび測定方程式が離散時間領域で与えられます。 EKF は、プロセス ノイズと測定ノイズが独立したゼロ平均ガウス ノイズ プロセスであると仮定し、ヤコビ行列を通じて測定関数を線形化します。

経年劣化分析:標準の充電手順を使用して 3 つのバッテリーに対してサイクル テストを実行し、MCC 充電アルゴリズムを使用して 2 つのバッテリーに対して、容量テストと直流内部抵抗 (RiDC) テストを 50 サイクルごとに行うサイクル テストを実行します。容量テストでは、標準の CCCV 充電プログラムを採用し、1C の電流で下限電圧まで充電および放電します。 RiDC テストは、さまざまな SOC レベルで 1C 電流パルスを適用し、内部抵抗を測定します。バッテリーの劣化の程度は、バッテリーの健全性 (SOH) を計算することによって表されます。SOH は、初期基準容量に対する実際の容量の比率として定義されます。エージングテストは、バッテリー寿命が終わるまで（SOH 80%）まで実施されます。

3. 結果

電気化学特性解析結果

異なる C レートでの電極電位の変化: Figure 4 shows the analysis results of the electrochemical characteristics of a three electrode battery at 25 ° C, used to determine the maximum charging rate dependent on SOC. Figure 4a shows the potential of the anode and cathode relative to the reference electrode and the overall battery potential during C/10 rate charging. During charging, the anode potential decreases while the cathode potential increases. At C/10 rate, the anode potential is not lower than 0V and there is no lithium plating. Figure 4b shows the variation of anode potential with SOC at different C-rates. The higher the C-rate, the greater the negative shift of anode potential. When C ≥ C/2, it may be lower than 0V, and as the C-rate increases, the maximum SOC at anode potential>0V は徐々に減少します。 MCC 充電プロトコルの設計: 上記の結果に基づいて、多段階定電流 (MCC) 充電曲線が設計されました。図 5 に SOC に依存する充電段階を示し、表 3 に各段階の詳細をまとめます。標準の CCCV 充電プロトコルと比較して、MCC プロトコルは低 SOC 範囲で時間的に有利であり、SOC 80% までの充電は標準充電より約 30% 速く、完全充電時の MCC 充電も約 10% 速くなります。

パラメータの特定とバッテリーのモデリング結果

モデルパラメータの決定:Matlab で HPPC テスト結果を分析し、「fminsearch()」関数を使用して、さまざまな温度と SOC レベルでのバッテリー モデルの開回路電圧、抵抗、および静電容量パラメーターを決定します。バッテリー容量に対する温度の影響を分析し、容量テストの結果を温度関連の 2D ルックアップ テーブルに組み込み、SOC がモデル パラメーターに与える影響が限定的であることを確認します。簡単にするために、式の定数として考えてください。

モデルの検証:バッテリー モデルと SOC 推定値は、テスト バッテリーを完全に放電し、その後、さまざまな充電速度と SOC レベルで動的電流テストを行うことによって検証されます。 MATLAB/Simulink 環境で同じテスト シーケンスをシミュレーションし、二乗平均平方根誤差 (RMSE) 評価を使用して実験データと比較します。電圧シミュレーションの RMSE は 7.09 mV です。バッテリーが完全に放電されると重大な誤差が生じますが、モデルのパフォーマンスは堅牢であり、さまざまな負荷条件下でのバッテリー電圧ダイナミクスを正確に捉えることができます。

EKF に基づく SOC 推定の結果:25 ℃での EKF に基づく SOC 推定値を検証し、EKF アルゴリズムによって推定された SOC 値をクーロン計数法によって取得された基準 SOC 値と比較します。テスト電流の分解能は 1 mA、精度は 0.1% です。初期段階では、EKFによる推定SOCと基準SOCとの間に乖離があった。テストは急速に進んだため、RMSE は 1.08% でした。このアルゴリズムは、特に充電段階で SOC を正確に追跡でき、充電電流を正確に制御できました。

MCC 充電アルゴリズムの経年劣化パフォーマンス結果

老化試験結果:図10に経年劣化試験結果を示します。 3 つの標準充電バッテリーと 2 つの MCC 充電バッテリーがテストされましたが、バッテリーの各グループ間の偏差は無視できます。エージング テストの初期段階 (最大 90% SOH) では、MCC 充電のエージング レートがわずかに遅くなります。平均値を考慮すると、MCC 充電済みバッテリーは標準充電済みバッテリーよりも約 50 サイクル早く寿命の終わりに 80% SOH に達しますが、経年劣化率に対する全体的な影響は大きくありません。 MCC によって充電されたバッテリーは、テストの中断により 850 サイクル後に SOH がわずかに減少しました。

内部抵抗変化結果：この図は、25 ℃、SOC 50% での 2 つの充電プロトコル下でのバッテリーの全内部抵抗 (R ₀+R ₁) の変化を示しています。初期抵抗とSOH値の違いは、バッテリーの保管時間の違いによるものです。どちらの充電方法でも、バッテリーの内部抵抗は劣化の初期段階でわずかに減少し、その後、劣化とともに増加しました。 MCC 充電アルゴリズムでは追加のリチウム メッキは発生しませんでした。これは容量テストの結果と一致しており、MCC アルゴリズムがバッテリーの経年劣化特性の完全性を維持していることを示しています。

4. 考察とまとめ

バッテリーMCC充電技術への研究貢献:高精度のSOC推定器を統合し、市販の円筒型電池（NMC電池ケミストリー）に適用することで、電池のMCC充電技術に貢献します。統合の成功により、3 電極電池の実験から得られた正確な SOC 閾値を商用電池レベルに移行することが容易になり、実用化が強化され、実験の洞察と産業実装の間のギャップを埋めることができました。

エージングに最適化された MCC 充電アルゴリズム:経年劣化に最適化された SOC 依存の MCC 充電アルゴリズムが導入されており、リチウム メッキのリスクを軽減することでバッテリーの劣化を加速させることなく充電時間を短縮します。バッテリー充電における主要な課題に対処するために、電気化学分析、モデリング、および推定技術を組み合わせる重要性が強調され、研究室での結果を産業用途に拡張できることを保証する伝達パラメーターとして SOC が使用されました。

充電モードとプロトコルの利点:最適な充電モードは実験的な 3 電極バッテリーを通じて決定でき、アノード電位を監視してリチウム メッキを検出できます。実験から得られたSOC閾値と組み合わせた提案されたMCC充電プロトコルは、従来の電圧ベースのMCCプロトコルと比較してより安定しており、温度変化や電気化学ヒステリシスなどの要因による影響が少ないです。

SOC 推定器の役割と実験結果:拡張カルマン フィルター (EKF) に基づく SOC 推定器が開発され、RMSE は 1.08% で、バッテリー管理システム (BMS) に適しています。実験結果は、従来の定電流定電圧 (CC-CV) 充電方法と比較して、この方法は劣化プロセスを加速することなく、SOC 80% に達するまでの時間を 30% 短縮できることを示しています。