Cycle life prediction of Lithium-ion cells under complex temperature profiles

Nowadays, the extensive use of Lithium-ion cells requires an accurate life prediction model. Failure of Lithium-ion cells usually results from a gradual and irreversible capacity fading process. Experimental results show that this process is strongly affected by temperature. In engineering applications, researchers often use the regression-based approach to model the capacity fading process over cycles and then perform the cycle life prediction. However, because of neglecting temperature influences, this classic method may lead to significant prediction errors, especially when cells are subject to complex temperature profiles. In this paper, we extend the classic regression-based model by incorporating cell temperature as a predictor. Two effects of temperature on cell capacity are considered. One is the positive effect that high temperature lets a cell discharge more capacity in a cycle; The other is the negative effect that high temperature accelerates cell capacity fading. A cycle life test with six cells are conducted to valid the effectiveness of our method. Results show that the improved model is more suitable to capture the dynamics of cell capacity fading path under complex temperature profiles.

Obecne szerokie zastosowanie ogniw litowo-jonowych wymaga stworzenia trafnego modelu prognozowania ich trwałości. Uszkodzenia ogniw litowo-jonowych zazwyczaj wynikają ze stopniowego i nieodwracalnego procesu utraty pojemności. Wyniki doświadczeń pokazują, że na ten proces silny wpływ wywiera temperatura. W zastosowaniach inżynieryjnych, naukowcy często wykorzystują podejście oparte na regresji do modelowania procesu utraty pojemności w poszczególnych cyklach by następnie dokonać prognozy trwałości w danym cyklu pracy. Jednakże, ta klasyczna metoda nie bierze po uwagę wpływu temperatury, co może prowadzić do znacznych błędów predykcji, w szczególności, gdy ogniwa pozostają pod wpływem złożonych profili temperaturowych. W prezentowanym artykule, rozszerzono klasyczny model oparty na regresji poprzez włączenie temperatury ogniwa jako czynnika prognostycznego. Przeanalizowano dwa rodzaje wpływu temperatury na pojemność ogniw. Z jednej strony, wysoka temperatura oddziałuje pozytywnie pozwalając ogniwu na uzyskanie większej pojemności w danym cyklu; z drugiej strony jest to wpływ negatywny, ponieważ wysoka temperatura przyspiesza utratę pojemności ogniwa. Przy użyciu sześciu ogniw, przeprowadzono badanie trwałości w danym cyklu pracy w celu potwierdzenia skuteczności naszej metody. Wyniki pokazują, że udoskonalony model pozwala lepiej uchwycić dynamikę ścieżki utraty pojemności ogniwa w warunkach złożonych profili temperaturowych.