【爱集微点评】欣旺达公开的电芯自放电性能筛选方案，基于电压衰减模型，对预设时间间隔后待测电芯的电压降进行预测，得到待测电芯的最终筛选结果，从而能够对电芯自放电性能进行快速、准确的筛选。
集微网消息，当前，各国政府都在积极推动新能源汽车的发展，而电芯广泛应用于新能源电动汽车。单电池通常以串并联形式组装成系统，因此电池的不一致性会极大影响系统的性能。
自放电是电芯常见和重要的不一致性指标，指电池存储过程中容量缓慢下降的现象，通常以电压降量化，主要分为以电解液和电极界面副反应为主的化学自放电以及以内部微短路为主的物理自放电。自放电虽然不可避免，但自放电过大的电池会降低系统的使用寿命，甚至带来安全问题，因此生产端筛查自放电不良的电芯是至关重要的。目前的筛选方法是电池化成后，将电池置于常温或高温环境，通过静置前后的电压差和时间差计算自放电率，筛除自放电过大的电池。
电芯自放电的研究和筛选方法比较多，例如：通过对电芯进行不同温度的静置，来区分物理自放电和化学自放电，但该方法操作复杂。其通过对电芯进行充放电激励，采用等效电路模型获取自放电电流，快速判断电池自放电性能。或者通过提出多次采集电池电压，建立“时间差值‑电压比值”的关系式，来预测待测电池电压、筛选自放电不良电芯等。
由此，虽然电芯自放电判定方法很多，但往往在结果准确性、测试周期短和操作简便上不能兼顾。电芯自放电筛选存在的主要问题是测试周期长，时间越长，准确度越高，但极大影响产品的生产效率。另外的问题就是产生误判，前期自放电率低的电池在后期也可能出现压降速率加快的现象。
因此，为了兼顾上述几种技术各自的优缺点，欣旺达在2022年6月17日申请了一项名为“一种电芯自放电性能筛选方法、系统、设备和介质”的发明专利（申请号：202210687845.7），申请人为欣旺达电子股份有限公司。
根据该专利目前公开的相关资料，让我们一起来看看这项技术方案吧。
如上图，为该专利通过对电芯进行长期自放电测试后发现的两种自放电规律的示意图，从中可以看到，k值较小的电芯可能电压降过大，k值较大的电芯可能电压降不大。也就是说，电芯自放电曲线存在两种规律：第一种规律是电芯自放电曲线前期压降速率快，后期逐渐变慢；第二种规律是电芯自放电曲线前期压降速率慢，后期逐渐变快。针对第二种规律而言，目前的k值法存在误判，因为前期自放电率低的电芯在后期也可能出现压降速率加快的现象。因此，基于该分析结果，该专利中提出了一种电芯自放电性能的筛选方法。
如上图，为该专利中公开的电芯自放电性能快速筛选方法的流程示意图。首先，需要对对电压衰减模型参数进行求解，并得到所有待测电芯的初步筛选结果。该过程中，需要收集相关的自放电测试的数据，通过搭建电压衰减模型进行求解，得到相关的模型参数后，就可以对待测电芯进行初步的筛选，得到初步筛选的结果。例如：基于求解得到的电压衰减模型参数z，当z>1.0时，则待测电芯的电芯后期自放电速率越来越大，应视为不良品。
其次，基于电压衰减模型，对预设时间间隔后待测电芯的电压降进行预测，得到待测电芯的最终筛选结果。该步骤主要基于电压衰减模型，对预设时间间隔后各待测电芯的电压降进行预测。对得到的所有待测电芯的电压降预测值进行正态分布拟合，得到所有待测电芯的电压降预测值所对应的均值和方差。
最后，基于待测电芯的方差，将筛选后的待测电芯分为多个组别，按照组别分别组装成模组或电池系统，从能能够极大提高电池的一致性，并优化系统性能。
在该方案中，还提供了一组三元锂离子电池的示例，首先将待测电芯分容，然后将初始荷电状态SOC调整为30％，然后在25℃下静置3天以消除极化，测试此时的开路电压并记为初始开路电压V0，测试时刻为t0。继续在该温度下静置3天，再次测试的开路电压记为第一测试电压V1，测试时刻为t1。然后继续在该温度下静置6天，并将再次测试的开路电压记为第二测试电压V2，测试时刻为t2。
上述实验的自放电衰减趋势如上图所示，这里选择90天后的电压值作为电芯自放电性能的判定标准，可以看到，压降均值和方差分别是17.0和3.4，方差的上限值是27.2mV，其中电芯的电压高于该规格，判定为不良品。
以上就是欣旺达公开的电芯自放电性能筛选方案，该方案基于电压衰减模型，对预设时间间隔后待测电芯的电压降进行预测，得到待测电芯的最终筛选结果，从而能够对电芯自放电性能进行快速、准确的筛选。
