基于产线大数据的锂离子电池一致性动态特性分选方法

随着锂离子电池生产规模的迅速扩大,电池制造商急需高精度高效率的电池分选方法,增强电池成组后的一致性,从而提升电池组寿命、安全性和能量密度。基于容量和内阻等特性的传统分选技术可以满足成组后的静态一致性需求,但无法保证同组电池的动态一致性。因此,综合考虑电池在整个充放电过程中的性能,基于充放电电压曲线动态特性的分组方法是下一代分选技术的发展方向。本文基于电池产线大数据,从电池分容阶段的电压曲线提取关键动态特征,形成了基于K-means聚类的电池分选方法。此外,本文还从电池分容后的回充阶段提取了用于评估电池性能一致性的指标,并设计了一个以指标标准差为核心的电池一致性评价方法。与传统的电池分选方法相比较,本文方法分选后的电池综合性能一致性提高了15.65%。     

金属异物缺陷演化特性及其对产线K值的影响机制

电池制造过程出现的缺陷问题会极大影响电池产品的安全性等,其中产线金属异物侵入可能导致自发性内短路甚至引发热失控,然而目前关于在电池内部的演化机理及相应的外在表征的研究较少,尤其是针对微小金属异物的研究。因此本研究在电池中植入百微米直径铜颗粒,模拟产线金属异物侵入形成缺陷电池,分析了缺陷电池内短路电流特征,拆解研究了内短路区域的微观结构,通过模型仿真了内短路区域的电位分布,综合解释了缺陷对产线关键检测指标K值（电压下降率）的影响规律与机制,并在实际试制线大容量电池上进行了验证。相关研究成果可用于提高产线缺陷检出率,预防潜在的安全事故。研究结果表明,铜颗粒等金属异物侵入电池后,可能导致正极-颗粒-负极和正极-负极两种模式的内短路,内短路电流在正极中产生的电位梯度可抑制颗粒的进一步溶解,从而使得在K值测试条件下的两种内短路模式均会达到平衡状态。两种模式的内短路程度相近,内短路电流处在0.1～1 mA量级。相同的内短路电流对于不同容量单体的K值影响不同,产线上为保证检测效果,随着电池产品容量的增加,K值检测阈值及正常电池的基准值需要相应降低。