Lithium-ion Battery Diagnostics

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Ask about the availability of the thesis by sending email to the Aalto University Learning Centre oppimiskeskus@aalto.fi
Date
2017-05-09
Department
Major/Subject
Engineering Physics
Mcode
SCI3056
Degree programme
Master’s Programme in Engineering Physics
Language
en
Pages
81+7
Series
Abstract
Lithium-ion batteries are already widely used in various applications from portable electronics to electric vehicles. The biggest advantage of Li-ion batteries compared to other battery technologies is its high energy density. However, high price and risk of thermal runaway in case of electrical or mechanical abuse have restricted the commercialization of Li-ion batteries. Battery diagnostics plays a key role in safe and efficient use of Li-ion batteries. With comprehensive monitoring of the battery the degradation in the cell can be detected and the battery operated in a safe and efficient manner. In this thesis, a literature survey on existing Li-ion battery diagnostic methods was carried out. That includes methods for estimating the state of charge (SOC), state of health (SOH) and remaining useful life of the battery. Two diagnostic methods were implemented and tested in this thesis: internal battery temperature estimation based on electrochemical impedance spectroscopy (EIS) and battery SOH estimation using differential analysis and support vector regression (SVR). Experimental data from lithium iron phosphate (LFP) cells was used. A clear change in the EIS results as a function of cell temperature was detected and the working principle of the internal battery temperature estimation method was confirmed. The SVR method proved to be an exact and robust method for fitting smooth curve to the measurement data, although quite sensitive to selecting proper parameters. Two clear peaks were detected in the incremental capacity curves generated with differential analysis, which corresponds to the results in the literature. Except for the beginning of the cell aging, the height of the peaks decreases as the capacity of the cell decreases. This correlation can be utilized for battery SOH estimation, but further research is needed to review the accuracy and reliability of the method.

Litiumioniakkuja käytetään jo laajalti erilaisissa sovelluksissa kannettavasta elektroniikasta sähköajoneuvoihin. Suurin etu litiumioniakuilla verrattuna muihin akkuteknologioihin on niiden korkea energiatiheys. Korkea hinta ja turvallisuusriskit sähköisen tai mekaanisen väärinkäytön sattuessa ovat kuitenkin rajoittaneet litiumioniakkujen yleistymistä. Akun diagnostiikalla on keskeinen rooli litiumioniakkujen turvallisessa ja tehokkaassa käytössä. Kattavalla akun tilan seurannalla ikääntymisestä aiheutuvat prosessit akkukennossa voidaan havaita, ja käyttää akkua turvallisesti ja tehokkaasti. Tässä diplomityössä esitetään katsaus kirjallisuudessa esiintyviin litiumioniakkujen diagnostiikkamenetelmiin. Näihin kuuluu muun muassa menetelmiä akun latausasteen (SOC), akun kunnon (SOH) ja jäljellä olevan käyttöiän arvioimiseksi. Kaksi diagnostiikkamenetelmää toteutettiin ja testattiin tässä työssä: akun sisäisen lämpötilan arviointi impedanssispektroskopian (EIS) avulla ja akun kunnon (SOH) arviointi hyödyntäen differentiaalianalyysiä ja tukivektoriregressiota (SVR). Testauksessa hyödynnettiin kokeellista dataa litiumrautafosfaattikennoilta (LFP). Akkukennon EIS-mittaustuloksissa havaittiin selvä muutos kennon lämpötilan funktiona ja akun sisäisen lämpötilan arviointimenetelmän toimintaperiaate vahvistettiin. SVR-menetelmä osoittautui tarkaksi ja robustiksi, joskin sopivien parametrien valinnan suhteen herkäksi, menetelmäksi sileän käyrän sovittamiseksi mittausdataan. Differentiaalianalyysillä muodostetussa kapasiteetin differentiaalikäyrässä havaittiin kaksi selvää piikkiä, mikä vastasi tuloksia kirjallisuudessa. Lukuun ottamatta kennon ikääntymisen alkuvaihetta, piikit pienenivät kennon kapasiteetin laskiessa. Tätä korrelaatiota voidaan hyödyntää akun kunnon arvioinnissa, mutta lisätutkimukset ovat tarpeen menetelmän tarkkuuden ja luotettavuuden arvioimiseksi.
Description
Supervisor
Lund, Peter
Thesis advisor
Pihlatie, Mikko
Erkkilä, Ville
Keywords
lithium-ion batteries, state of charge, state of health, incremental capacity analysis, support vector regression, electrochemical impedance spectroscopy
Other note
Citation