SSB蓄电池如何测量电池的剩余使用寿命

所有产品都具有剩余使用寿命（RUL），受健康状态（SoH）的制约。电池也不例外，更精准的健康状态评估将有助于提高剩余使用寿命的预测精度。电池极少发生突发故障；大多数电池的寿命终结都遵循健康状态的衰退轨迹。容量是主要的健康指标，其衰减过程呈线性且可预测。异常情况确实会发生；许多异常源于机械损伤，由不当使用导致，可能会引发内部电阻（Ri）增大或短路。锂离子电池中的枝晶就是一个例子。

建立剩余使用寿命（RUL）需要一个最小可行性能（MVP）通过建立最低可接受功能水平，当电池低于该水平时，便不再适用于特定应用。大多数电池的寿命终点是容量达到80%。与100%容量时可能提供的10小时服务相比，80%的容量仅能提供8小时的运行时间。

车辆的起动电池具有更高的容错性，即使容量降至30%或更低，仍可进行起动。若容量测试读数高于40%，则可保证一年的使用期，直至下次保养。图1展示了起动电池的容量下降情况，其寿命终点为30%。

通过云分析追踪电池的健康状态（SoH），可以实现更准确的剩余使用寿命（RUL）估算。这得益于系统能够随时间存储来自诊断充电器、分析仪、监测器和快速测试仪的性能数据。

受益于云分析的行业包括医疗保健、公共安全、国防、物流、无人机和机器人操作员，它们通过追踪容量损失随时间的变化，并估算降至表示寿命终结的红线所需的时间。表示最低可接受性能（MVP）的红线由内在的目标选择器设定。

电池在一天结束时应保留20%的剩余电量。如果电量持续偏低，应将目标选择器设置得更高，以确保有足够的容量应对突发状况。然而，当电量充足时，可以降低阈值，让电池保持更长时间的运行。观察剩余电量就像航空飞行员携带足够的燃料，以便在逆风条件下安全着陆。

电池测试方法

电池测试与诊断评估因电池系统和应用而异。为了估算剩余使用寿命（RUL），必须随时间跟踪容量读数，而对于大型系统而言，这是一项挑战。大多数电池管理系统（BMS）测量电压、内阻（Ri）和温度。仅凭这些参数无法提供容量读数；然而，结合历史数据和已知的MVP，可以随时间预测URL。最常见的电池测试方法包括：

1. 利用人工神经网络（ANN）分析大数据。时间戳、读档模式和环境应力被添加到 ANN 数据中。该方法不通过电化学证据测试电池，而是收集大型电池储能系统（BSS）的外围数据。

2. 通过频率扫描的电化学阻抗谱（EIS）评估电池的完整性，并利用人工智能分析奈奎斯特图。EIS 可以通过从具有不同健康状态（SoH）的电池中得出的矩阵，评估单个电池模块的健康状态（SoH）。

3. 从电池管理系统（BMS）中提取电池健康状态（SoH）数据电池管理系统（BMS）。传统BMS的URL数据基于循环次数、放电深度以及库仑计数（如果涉及深度循环）。BMS可以检测异常，但若不了解可用电池容量，剩余使用寿命（RUL）评估将受到限制。

4. 读取SMBus电池的满电容量（FCC）。FCC表示基于现场充放电过程中的库仑计数得出的数字容量。数据易于获取，但随机使用会导致误差，可通过校准进行修正。参见BU-603：如何校准“智能”电池.

5. 应用电池分析仪进行全周期操作，该服务最适合用于便携式应用的电池。现代电池分析仪可校准智能电池，为储存后的电池包做好服务准备，使其达到运输状态，并在更换前检查其“化学容量”。配对以及检查更换前的“化学容量”。