摘要:锂离子电池的健康状态（SOH）评估为电池安全保护、充放电控制、热管理等功能提供重要参考。提出了一种基于容量增量分析（ICA）的区域容量分析（RCA）方法，引入了区域电压和区域容量的概念。对不同倍率下的磷酸铁锂（LFP）电池模组充放电电压数据进行ICA分析，分别提取了IC曲线的最高峰值和RCA的区域容量作为健康因子，并建立了健康因子与SOH之间的数学模型。研究结果表明，当充放电倍率为1 C时，最高峰值与SOH的拟合优度（R2）在充电阶段为0815 4、放电阶段为0874 1，而区域容量与SOH的拟合度在充电段为0984 2、放电段为0957 6；当充放电倍率为2 C时，最高峰值作为健康因子在充电阶段与SOH的拟合度只有0188 4，放电阶段的拟合度为0576 7，而区域容量与SOH的拟合度在充电阶段为0894 2、放电阶段的R2为0988 2。可以看出充放电倍率为1 C或2 C时，区域容量作为健康因子评估电池的SOH效果更好。研究结果对大倍率下的电池SOH评估有重要参考价值。

摘要:针对退役动力电池梯次利用过程中对电池健康状态快速检测的需求，本文以软包磷酸铁锂电池为研究对象，提出基于红外热成像的锂电池健康状态快速检测方法。通过改变电池充电和放电电流倍率，研究不同老化程度的电池在放电过程中的温度变化情况，采集放电过程中的红外热成像视频，建立电池健康状态与红外热成像特征的对应关系，以此作为电池健康状态检测的健康因子；构建基于SlowFast-LSTM深度学习网络模型的改进型视频识别算法，对于电池健康状态0~40%、40%~50%、50%~60%、60%~70%、70%~80%、80%~100%这6种类别的识别率达到80.78%，单次电池检测时间3 min，实现电池健康状态的快速检测。