健康偏移评估下锂离子POWERSONIC蓄电池正极化学分类中脉冲衍生描述符的年龄敏感性

2026-11-02 20:10:00 点击: 次

 

摘要

阴极化学决定了退役电池的路径;目前建议对即将退役的电池进行标记,而非强制要求,因此必须从电池本身读取数据,此处采用5秒脉冲数据。来自270种电池状态和215个电池的已发表数据测试了这种能力,其范围超出了训练时的健康度范围。命名描述符取代了原始转折点;这样一来,辨别力的丧失就可以归因于电化学量。在共享的健康度分布下,任务趋于饱和:使用静置开路电压(OCV)的一个决策树完美地对三种化学体系进行了分类,并且七种配置实现了至少97.8%的准确率,尽管化学体系与容量、格式和车队存在混淆。在健康度(SoH)为0.88或更高时进行训练,并在0.85以下进行测试,保留OCV的配置实现了0.886的宏观召回率,而仅使用脉冲动力学则为0.744,在25次种子拟合中,重复实验内的差距为0.144 [0.118, 0.152]。由于荷电状态(SoC)参考的是标称容量,真实的SoC会随健康度变化;真实SoC匹配将差距缩小至0.105 [0.088, 0.120]。从化学特性来看,匹配后的差距仅在健康度和格式同时发生变化时出现,而三种无OCV配置中的两种则随距离增加而进一步下降。在所研究的条件下,这些描述符会随健康度变化,这削弱了它们作为该范围之外化学标志物的有效性。

 

1. 引言

从电动汽车退役的锂离子电池正以大量规模达到其首个寿命终点,这使得其管理成为一个工业问题而非实验室问题[ %%]。2023年全球回收能力已超过每年300 GWh,若已公布的项目顺利交付,到2030年可能超过1500 GWh,其中生产废料和退役电池组是主要的供应来源[1,2]. 包被拆解至至少模块级别 [2],制造商元数据经常缺失或不可靠,电池在进入回收预处理时缺乏可靠的身份记录[1], manufacturer metadata are frequently absent or unreliable, and cells arrive at recycling pretreatment without a trustworthy record of their identity [1,3,4].
这条记录很重要,因为正极材料的成分很大程度上决定了电池应采用的回收路径。湿法冶金、火法冶金和直接回收路径在不同的环境成本下回收不同的材料[5,6]。由于涉及的金属在稀缺性和价格上存在差异,不同化学体系回收的价值也大相径庭[ %%];因此,在选择回收路径之前必须明确其化学成分[ %%]。标签无法可靠地提供这些信息:对于现已退役的电池,基于化学成分的分类依赖于制造商的标签,而这些标签当时只是建议而非强制要求的[7],因此必须由电池本身来判定(6第4.4节1,3)。分选不仅是一个回收决策。保留可用容量的电池会被转用于二次寿命,而非直接回收[]。因此,现有的退役电池分选方法主要针对健康状态(SoH)和容量一致性,而非化学成分[]。其特征在于采用部分充电窗口,从而避免了完整的充放电测试[1]。然后根据容量、抵抗力或两者的结合对种群进行分类[8,9,10,11],或根据融合评分规则进行聚类 [8,9,11]. The population is then classified according to capacity, resistance, or a combination of the two [10], or clustered under a fused scoring rule [11].
化学成分识别本身已建立了两类方法。第一类利用长周期行为。Tao等人[12]通过完整的寿命终点充放电循环识别化学成分,而本作者早期的研究则利用自动机器学习(AutoML)框架,根据长期循环寿命数据对三种商用化学成分进行了分类[13]. 本研究的差异在于其测量基础,使用的是脉冲响应的秒数而非循环寿命记录,并且提出了健康偏移的情况。第二类将测量压缩至秒级。在对本研究所用数据集子集的一项研究中,Tao等人[14]从脉冲响应中估计SoH,该方法随后通过快速脉冲和集成学习器以及生成式迁移得到了扩展[15,16]。Hu等人[ %%]使用5秒脉冲识别电池类型,在来自640个电池的10,184条记录中,八种电池类型的准确率达到96.3%。Parambu等人[17] 随后通过使用泄漏控制的自动化流水线,根据物理特性的简短测量、直流读档响应和阻抗对化学体系进行了分类。该研究使用了109个商用圆柱形电池,这些电池来自六种化学体系,其中只有一种,即钴酸锂(LiCoO18),属于锂离子化学体系,该数据集没有受控的老化标签或特征化的SoH轴 [2]. 本研究的不同之处在于:对带有校准健康标签的退役锂离子电池进行脉冲激励、采用健康偏移评估、基于真实荷电状态的视图匹配、开路电平相互抵消的对应配置,以及随机学习器的种子复制。18]. The present study differs in using pulse excitation of retired lithium-ion cells with calibrated health labels, a health-shifted evaluation, a view matched on true state-of-charge, counterpart configurations in which the open-circuit level cancels, and seeded replication of the stochastic learner.
这些研究中最接近的两个方面与本研究直接相关,且作者均已阐明。Hu等人[17] 定义的电池类型,并明确指出其预测目标是“数据集定义的电池类型,而非作为孤立因果变量的正极化学成分”。其局限性部分指出,标称容量、电池规格、制造商设计、老化状态以及荷电状态(SoC)和健康状态的分布,都是分类器可能与正极特征共同利用的属性。此外,该研究还呼吁使用独立收集的数据集进行外部验证 [17]。本研究的出发点是认同该评估,而非对其提出批评。
无论是基于脉冲的化学识别还是基于脉冲的健康评估都不属于创新,本研究也未声称这两点。然而,目前尚不清楚基于脉冲的化学分类是否能推广到训练集健康范围之外的电池,以及基准数据的条件化如何导致性能损失。使用这些数据发表的评估通过在每种类型内进行电池级划分并多次重复种子,随机划分电池的健康状态[17]中阐述的验证领域集。因此,训练和测试电池均取自相同的健康分布,且没有任何评估要求分类器对超出训练中代表的健康范围的电池进行标记。这项短测量研究[18] 以同样的全年龄方式划分了其基准测试,使用了确定性的分层划分和重复的分层重采样,两者均按化学成分而非健康状况进行分层。条件伪影是数据记录本身的一个属性,它定义了相对于标称容量而非实测容量的SoC [19],因此影响了所有使用这些测量数据的研究,包括本研究。第2.4节因此引入了第二种观点,即相同的电池状态基于真实的SoC进行匹配。比较这两种观点可以归因于SoC调节导致的部分性能差异,尽管匹配过程并未完全消除调节伪影。
同一项研究中也记录了相关的局限性。第2.5节该研究指出,基准数据集不包含SoH值、循环历史或老化路径标签,且“老化感知”一词描述的是描述符制定背后的意图,而非对老化的敏感性表现[18]。本研究利用带有校准健康标签和部分细胞重复老化检查点的数据,重新审视了该原理。这一证据允许测试在现有测量条件下描述符是否随健康状况变化,尽管它未能将老化与SoC调节完全区分开来。
该研究还确定了进一步验证所需的条件:在制定基于老化信息的描述符之前,需要一个更具多样性且受控的数据集,至少在放电率、放电深度、制造商和环境温度方面有所差异,才能证明这些描述符具备老化感知能力[18]。此处使用的数据在向这些条件靠拢方面取得了进展,但并未完全满足它们。所代表的是三种电池格式而非一种;处理后的特征跨越了三个振幅区块;分析使用了四个标称条件水平,即5%、15%、20%和25%,并且每个电池状态都具有通过恒流放电校准的健康标签。温度未作变化,且化学成分与标称容量、电池格式及来源车队混淆在一起,这限制了在第4.4节.
这些命名的描述符对于解释观察到的性能差异的来源至关重要。现有使用这些数据的工作直接采用转折点,将其作为监督分类器的输入[17]或作为生成模型重现的信号[14]。此类表征可以确定可分性是否发生变化,但它们无法直接识别与该变化相关的电化学量。具有明确单位和命名电化学解释的描述符,为比较保留静置开路电压(OCV)的表征与其水平被抵消的表征提供了基础。因此,它们的贡献在于归因和可解释性,而非提高插值准确度:在插值情况下,所有配置的性能都接近观察到的上限(第3.2节),而在健康外推法下,开路电平被抵消的表示形式通常比保留该电平的表示形式性能损失更大(第3.4节)。这种差异在不同化学体系中并不一致。
因此,研究问题是:在健康状态偏移的评估下,5秒脉冲响应的哪些组成部分能继续区分阴极化学成分,以及OCV保持与无OCV表示之间产生的性能差异中有多少与SoC调节有关?从单一脉冲序列中联合估计健康状态和阴极身份超出了本研究的范围;第4.5节阐述了在进行此类联合估计之前所需的验证工作。
四项方法论贡献解决了这一研究问题。
(a)
替代原始转折点的描述符
原始转折点被命名的电化学描述符所取代,这些描述符区分了保留开路水平的表示与开路水平被抵消的表示。这种表示使得健康外推下的判别性能损失能够与开路内容相关联,而不仅仅是与索引的转折点输入相关联。
(b)
健康偏移评估设计
此处引入的评估方法在健康阈值或其以上进行训练,并在较低阈值以下进行测试,使每个测试行都处于训练所代表的健康范围之外。这种设计揭示了依赖于表征的性能差异,而共享的健康分布无法检测到这些差异,因此也无法排除它们。
(c)
部分归因于SoC条件
在真实的SoC匹配视图中重新评估相同的电池状态,以估算当全局条件混杂因素减少时,表征差距会发生多大变化。比较结果将观察到的惩罚部分(而非全部)归因于SoC条件,并在多个种子重复实验中报告了估计的比例。通过化学成分解析了剩余的惩罚,结果显示其局限于锂镍锰钴氧化物(NMC),在该材料中,健康状态的转变与形式转变相吻合。
(d)
设置种子的复制与计算可复现性
每个随机操作在调用前立即设置种子,防止在确定的随机点上依赖于之前的随机流消耗。袋装树学习器在25次设置种子的拟合中进行评估,臂级数量以中位数和重复范围的形式报告。在相同执行条件下,两次运行的比较发现所有18个输出文件逐条完全一致。
结果表明,在所研究的条件下,基于老化感知原则构建的描述符会随健康状况而变化,这一模式与老化敏感性一致。在健康外推情况下,开路电压水平被抵消的表征通常比保留该水平的表征表现出更低的判别稳定性,尽管在真实荷电状态匹配的视角下,这种优势仅限于NMC(第3.4节)。因此,在所研究的条件下,这种敏感性是化学成分分类的缺陷,而其潜在的诊断价值仍有待验证。第4.1节讨论了这一解释及其后果。

2. 材料与方法

图1展示了研究的结构,每个面板都标明了定义该部分的子章节;第2.4节和第2.6节由多个面板表示。数据集及其背包在第2.1节. 固定宽度的脉冲会产生转折点,并映射到第2.2节并转换为命名描述符,位于第2.3节. 电池状态随后以两种视图表示(第2.4节),该数据集通过七种特征配置(第2.5节)进入两种评估设计(第2.6节),采用仅使用5%标称视图的插值设计。第2.6节还设定了细胞内老化筛选和检测阈值,用于解释其相关性。每个随机步骤在使用的时刻进行初始化,唯一的随机学习器在初始化的拟合中进行复制,整个流程通过重新执行进行验证(第2.7节)。三个附录对正文提供了支持:附录A提供了描述符背包,附录B重新实现参数,以及附录C详细结果。
图1。工作流程概览,从脉冲测量到描述符、两种视图和七种特征配置,再到两次评估和电池内老化筛选。

2.1. 数据集与背包

本研究使用了项目仓库[19]中发布的四种第一批次电池类型的处理后拐点特征工作簿,脉冲宽度为5秒:从215个物理电池中提取了270个电池状态。一个电池状态是指在一次老化检查点测量的一个电池。更广泛的公开存储的PulseBat数据集还包含两种未纳入本次分析的第二批次电池类型[19]。该团队后续工作中使用的进一步扩展数据集仅在请求时提供[17]. 本分析仅使用了选定的四个第一批工作簿,因此未向任何第三方请求数据。这四个工作簿中的每个电池状态均被使用,没有任何数据被舍弃。测量数据由数据集作者根据其已发表的协议[19]获取,并按发布原样在此使用;本研究未修改或优化该协议,其贡献在于第1节中阐述的评估方法,而非测试程序。
这三种类型与Hu等人[的类型背包中的条目完全对应。17],该报告将数量记录为物理电池:56个35 Ah的磷酸铁锂(LFP)电池、95个10 Ah的锰酸锂(LMO)电池和52个21 Ah的NMC电池。因此,215个物理电池中的56 + 95 + 52 = 203个已被记录。根据工作簿行标识符中的电池标签识别出的其余12个电池,属于2.1 Ah圆柱形NMC类型。它们经历了实验室加速老化而非实际使用,并贡献了67个电池状态,每个老化检查点一个,这正是[中列出的该类型的数量19]中报告。这些电池提供了研究中唯一的电池内老化结构。SoH是实测容量与标称容量的比值(第2.4节),因此实测容量超过标称值的电池其SoH大于1。NMC_21群体的SoH中位数为0.996,接近标称值,最大值为1.009。表1给出了四种类型的组成。
表1。本研究中使用的270种电池状态和215个物理电池的四种电池类型组成。类型标识符将化学成分与标称容量结合,因此NMC_21和NMC_2p1均为NMC。

2.2. 脉冲协议与转折点地图

每个电池状态都在脉冲序列下进行测量,该序列的振幅区块由静止期分隔,处理后的特征记录了其转折点处的电压。发布的测试计划以0.5 C、1 C、1.5 C、2 C和2.5 C的速率运行,其中C速率是脉冲电流,表示为标称容量的倍数除以一小时。5秒处的处理特征仅跨越前三个区块,这就是为什么此处仅有21个转折点,而使用完整计划的工作中有41个[17]。这是已发布特征的属性,而非此处做出的选择,并作为局限性在第4.4节.
5秒脉冲宽度是指激励时间,而非电池在测试上花费的时间。在已发表的协议[19]中,每个电池状态都经过校准,通过1C充电后静置10分钟使其达到标称荷电状态(SoC)水平,然后依次接受脉冲宽度从30毫秒到3秒递增的脉冲序列激励,最后才是5秒脉冲序列。因此,是结束3秒脉冲序列后45秒静置结束时的电压,而非平衡开路电压(OCV)。对于高健康状态(SoH)退役电池,其测得的脉冲序列如图1A1所示附录A (),记录的校准过程耗时149.0分钟:包括30秒静置、58.3分钟恒流恒压充电、15分钟静置、60.2分钟1 C放电以及15分钟静置。文献[]中的实验方案描述在放电后有20分钟静置,而充电和放电之间则没有。对于同一电池,19在开始5%容量条件化28.3分钟后达到,400秒后达到。每增加一个5%的条件化水平,时间就增加41.7分钟,因此1在15%、20%和25%水平下,分别在开始5%容量条件化后的111.7、153.3和195.0分钟时达到。U21 400 s later. Each further conditioning level, in steps of 5%, added 41.7 min, so that U1 was reached 111.7, 153.3, and 195.0 min after the start of conditioning to 5% at the 15%, 20%, and 25% levels.
在所有2700行中,索引约定是根据处理后的特征而非仓库文档进行验证的。所有九个指定的充电侧索引均呈现正的中值偏差,,而所有六个指定的放电侧索引均呈现负的中值偏差,证实了正脉冲是充电脉冲。振幅排序 |1| 在100%的行中均成立。在所有2700行中,与...的中值绝对差为在0.5 C充电松弛结束时为2.8 mV,在1 C区块开启的静置端点为1.1 mV,在1.5 C区块开启的静置端点为0.9 mV。因此,电池松弛至开路电压的几毫伏范围内,且每个区块都从未漂移的基准线开始。19 − U1| > |U11 − U1| > |U3 − U1| holds in 100% of the rows. Across all 2700 rows, the median absolute difference from U1 is 2.8 mV at the end of the 0.5 C charge relaxation, 1.1 mV at the rest endpoint opening the 1 C block, and 0.9 mV at the rest endpoint opening the 1.5 C block. The cell therefore relaxes to within a few millivolts of open circuit, and each block begins from a baseline that has not drifted.
每个描述符都从其区块前一个静止端点引用的记录中读取,该端点代表区块首次脉冲前的电池状态,并为欧姆步提供适当的参考值[20]。因此,放电侧描述符共享充电侧参考值,而非放电脉冲前的静止端点,两者在0.5 C下的中值差异为2.8 mV。21个转折点是41个中的前21个,因此处理后的特征在1.5 C区块内结束,位于其充电松弛之后、负脉冲之前(图A1因此,充放电不对称性仅在0.5 C和1 C下定义。图2显示了标有所有21个转折点的响应,并且A1所示在附录A给出单个细胞随时间变化的测量脉冲序列。
图2。端电压随转折点索引的变化,刻度标记了从到1的每个点,对应四种电池类型中每种类型的一个电芯,在5%的标称荷电状态下。振幅区块已标记。曲线按化学成分着色,标记形状重复编码,因此两种NMC类型共享一种颜色,并通过线型区分:NMC_21为实线带实心标记,NMC_2p1为虚线带空心标记。电压以伏特为单位报告;索引为序数,不代表时间尺度。U21, for one cell of each of the four battery types at 5% nominal SoC. The amplitude blocks are marked. Traces are coloured by chemistry, with marker shape repeating the encoding, so the two NMC types share a colour and are distinguished by line style: solid with filled markers for NMC_21 and dashed with open markers for NMC_2p1. Voltage is reported in volts; the index is ordinal and carries no time scale.

2.3. 命名电化学描述符

拐点被替换为以其所测过程命名的描述符,从而使判别能力的丧失可归因于电化学量。
脉冲注入的电流由公式(1)定义:
I = c ⋅ Qn
每个脉冲开始时的充电侧和放电侧欧姆台阶由公式(2)和(3)定义: