数千次锂离子电池循环下可解释老化的贝叶斯分析

Doyle-Fuller-Newman(DFN)模型是锂离子电池的常见机理模型。DFN模型中的反应速率常数和扩散率是关键参数，直接影响锂离子的运动，从而为电池老化提供解释。本文研究了对95个特斯拉Model 3电池（配备钴镍铝锂氧化物 cathode 和硅氧化物-石墨(LiC$_6$-SiO$_{\text{x}}$) anode）的每个电极扩散系数和反应速率常数的可唯一辨识性。这些参数在每个电池寿命期间的间歇诊断循环中进行估计。采用马尔可夫链蒙特卡罗(MCMC)进行不确定性量化(UQ)，共计对7776个循环进行估计，放电倍率为C/5、1C和2C。虽然一个或多个阳极参数在每个电池寿命期间均可辨识，但阴极参数在中至晚期才可辨识，表明阴极存在可测量的电阻性增长。关键参数对状态健康(SOH)的贡献表述为幂律关系。该SOH模型与MCMC结果在每个电池整体寿命范围内表现出高度一致性。我们的ethods表明，通过预测Contributing to cell aging的参数组 trajectory，可实现有效的老化诊断。因此，扩展本分析以建立在DFN之上的更精确机理模型，可能导致更多可辨识参数并进一步提高老化预测。