Active online characterization of lithium-ion batteries

Abstract

(English) Lithium-ion cells are commonly used in a variety of applications today. Depending on the power and energy requirements of the application, several cells are interconnected. Due to intrinsic and extrinsic factors, the parameters of each cell differ. Characterizing and monitoring individual cell parameters during operation and aging is a critical challenge to optimize battery utilization. The main objective of this thesis is to develop and evaluate an accurate and robust characterization methodology that determines the capacity and associated state of health of each series-connected cell in a battery during operation. The proposed method, called Iterative Learning State of Health Estimation Method (ILEM-SOH), extends the conventional use of an active balancing system to obtain additional information about the capacity differences between individual cells, thus providing a new approach to characterize individual series-connected cells. In order to evaluate the proposed method, several cells are systematically aged in various tests. Consequently, a second important aspect of this work is the investigation of the aging behavior and the resulting cell-to-cell variation. First, the capacity and internal resistance of 200 new cells from the same production batch are investigated and the initial cell-to-cell variation of key parameters are calculated. From this pool of cells, 8 cells are used to initially study the aging behavior and the associated development of cell-to-cell parameter variation of series-connected cells. The test setup is designed to minimize extrinsic battery design influences on cell aging, which can usually not be excluded when using completely assembled batteries. The main contribution of this thesis is the development of a novel iterative learning state of health estimation method. This method is described in detail, including the topology and algorithm of the applied active balancing system. The proposed methodology aims to provide a reliable state of health estimation while reducing the reliance on individual cell modeling and thus reducing the potential for errors due to inaccurate models, which is a critical limitation of most conventional methods. A first evaluation under steady state conditions is performed using the 8 aged cells from the aging study. To evaluate the novel ILEM-SOH in depth, two long-term aging tests are performed, each with a 12s1p battery, under varying conditions. The performance as well as the limitations of the method and the balancing hardware that may arise due to changing aging mechanisms over the lifetime of the batteries are investigated. Additionally, the tests are used to investigate the effects of active balancing on the aging behavior of the connected cells. The proposed ILEM-SOH provides good accuracy for almost the entire duration of the two long-term tests, despite the significant differences in the state of health values between the cells. A comparison with a benchmark state of health estimation method also shows that using the balancing charges of an active balancing system provides a more robust estimation than relying solely on measurable cell voltages. The thesis concludes with a summary of all results and suggestions for further optimization and investigation.

(Català) Les cel·les de ions de liti són comunament utilitzades en una varietat d’aplicacions avui dia. Depenent dels requeriments de potència i energia de l’aplicació, diverses cel·les són interconnectades. A causa de factors intrínsecs i extrínsecs, els paràmetres de cada cel·la difereixen. Caracteritzar i monitoritzar els paràmetres individuals de cada cel·la durant l’operació i l’envelliment és un repte crític per optimitzar l’ús de la bateria. L’objectiu principal d’aquesta tesi és desenvolupar i avaluar una metodologia de caracterització precisa i robusta que determini la capacitat i l’estat de salut associat de cada cel·la connectada en sèrie en una bateria durant l’operació. El mètode proposat, anomenat Mètode d’Estimació de l’Estat de Salut d’Aprenentatge Iteratiu (ILEM-SOH), amplia l’ús convencional d’un sistema d’equilibratge actiu per obtenir informació addicional sobre les diferències de capacitat entre cel·les individuals, proporcionant així un nou enfocament per caracteritzar cel·les individuals connectades en sèrie. Per avaluar el mètode proposat, diverses cel·les són envellides sistemàticament en diversos tests. Conseqüentment, un segon aspecte important d’aquest treball és la investigació del comportament d’envelliment i la variació resultant de cel·la a cel·la. Primer, la capacitat i la resistència interna de 200 cel·les noves del mateix lot de producció són investigades i la variació inicial de cel·la a cel·la de paràmetres clau són calculades. D’aquest grup de cel·les, 8 cel·les són utilitzades per estudiar inicialment el comportament d’envelliment i el desenvolupament associat de la variació de paràmetres de cel·la a cel·la de cel·les connectades en sèrie. La configuració del test està dissenyada per minimitzar les influències del disseny de la bateria extrínseca en l’envelliment de la cel·la, que normalment no es poden excloure quan s’utilitzen bateries completament muntades. La contribució principal d’aquesta tesi és el desenvolupament d’un nou mètode d’aprenentatge iteratiu d’estimació de l’estat de salut. Aquest mètode es descriu en detall, incloent la topologia i l’algorisme del sistema d’equilibratge actiu aplicat. La metodologia proposada té com a objectiu proporcionar una estimació fiable de l’estat de salut mentre redueix la dependència del modelatge de cel·les individuals i, per tant, redueix el potencial d’errors degut a models inexactes, que és una limitació crítica de la majoria de mètodes convencionals. Una primera avaluació en condicions d’estat estacionari es realitza utilitzant les 8 cel·les envellides de l’estudi d’envelliment. Per avaluar en profunditat el nou ILEM-SOH, es realitzen dos tests d’envelliment a llarg termini, cadascun amb una bateria 12s1p, sota condicions variables. S’investiga el rendiment així com les limitacions del mètode i el maquinari d’equilibratge que poden sorgir a causa dels mecanismes d’envelliment canviants al llarg de la vida útil de les bateries. A més, els tests s’utilitzen per investigar els efectes de l’equilibratge actiu en el comportament d’envelliment de les cel·les connectades. El mètode proposat (ILEM-SOH) proporciona una bona precisió per gairebé tota la durada dels dos tests a llarg termini, malgrat les diferències significatives en els valors de l’estat de salut entre les cel·les. Una comparació amb un mètode d’estimació de l’estat de salut de referència també mostra que utilitzar les càrregues d’equilibratge d’un sistema d’equilibratge actiu proporciona una estimació més robusta que confiar únicament en els voltatges de cel·la mesurables. La tesi conclou amb un resum de tots els resultats i suggeriments per a una ulterior optimització i investigació.

(Español) Hoy en día, las pilas de iones de litio se utilizan habitualmente en diversas aplicaciones. En función de los requisitos de potencia y energía de la aplicación, se interconectan varias células. Debido a factores intrínsecos y extrínsecos, los parámetros de cada célula difieren. La caracterización y monitorización de los parámetros individuales de cada celda durante su funcionamiento y envejecimiento es un reto crítico para optimizar la utilización de la batería. El objetivo principal de esta tesis es desarrollar y evaluar una metodología de caracterización precisa y robusta que determine la capacidad y el estado de salud asociado de cada celda conectada en serie de una batería durante su funcionamiento. El método propuesto, denominado Iterative Learning State of Health Estimation Method (ILEM-SOH), amplía el uso convencional de un sistema de balanceo activo para obtener información adicional sobre las diferencias de capacidad entre celdas individuales, proporcionando así un nuevo enfoque para caracterizar celdas individuales conectadas en serie. Para evaluar el método propuesto, se envejecen sistemáticamente varias células en diversas pruebas. Por consiguiente, un segundo aspecto importante de este trabajo es la investigación del comportamiento de envejecimiento y la variación resultante de célula a célula. En primer lugar, se investigan la capacidad y la resistencia interna de 200 células nuevas del mismo lote de producción y se calcula la variación inicial entre células de los parámetros clave. De este grupo de células, se utilizan 8 para estudiar inicialmente el comportamiento de envejecimiento y el desarrollo asociado de la variación de los parámetros célula a célula de las células conectadas en serie. La configuración de la prueba está diseñada para minimizar las influencias extrínsecas del diseño de la batería en el envejecimiento de las celdas, que normalmente no pueden excluirse cuando se utilizan baterías completamente ensambladas. La principal contribución de esta tesis es el desarrollo de un novedoso método iterativo de aprendizaje para la estimación del estado de salud. Este método se describe en detalle, incluyendo la topología y el algoritmo del sistema de balance activo aplicado. La metodología propuesta tiene como objetivo proporcionar una estimación fiable del estado de salud, reduciendo al mismo tiempo la dependencia del modelado de células individuales y reduciendo así la posibilidad de errores debidos a modelos inexactos, que es una limitación crítica de la mayoría de los métodos convencionales. Se realiza una primera evaluación en condiciones de estado estacionario utilizando las 8 células envejecidas del estudio de envejecimiento. El ILEM-SOH propuesto proporciona una buena precisión durante casi toda la duración de las dos pruebas a largo plazo, a pesar de las diferencias significativas en los valores del estado de salud entre las células. Una comparación con un método de estimación del estado de salud de referencia también muestra que el uso de las cargas de equilibrado de un sistema de equilibrado activo proporciona una estimación más robusta que basarse únicamente en los voltajes medibles de las células. La tesis concluye con un resumen de todos los resultados y sugerencias para futuras optimizaciones e investigaciones.