消除锂离子电池自放电中的噪声
应用指南
消除锂离子电池电芯自放电数据集合中的噪声
利用高效后期处理算法实现可靠的电池电芯分类。
引言
是德科技自放电测量（SDM）解决方案（图 1）可以测量和表征锂离子电芯的自放电性能。它可以记录一组电芯的自放电电流，通常只需几分钟即可完成测量。
相比之下，普遍使用的开路电压（OCV）测量法需要 1-2 周时间才能完成测量，显然 SDM 解决方案更具优势。但实际上，SDM 数据中包含大量噪声，理解起来相当复杂。在本文中，我们提出了一系列算法，它们可以有效地消除大部分噪声，从而大幅提升电芯分类的可靠性。
首先，我们谈一谈 SDM 数据在理想的环境下是什么样子，以及噪声会带来怎样的失真影响。然后，我们会提出可选的去噪方法，并逐一说明各种方法的优缺点。最后，我们会介绍如何通过噪声抑制来改进电芯的分类，并归纳出几条针对实际应用的建议。
什么是自放电电流？
大多数锂电池即使未与任何电路相连，也会逐渐放电。这种存储能量的损耗将会导致电芯的可用电量比预期要低。此外，当多颗电芯组装成电池包时，由于电芯自放电速率不同，电池内部各电芯之间也无法达到平衡。电池管理系统通常会将所有电芯放电至与电量最低的电芯一致，但这样会使电池的有效续航时间大幅缩短。锂离子电芯的自放电特性模型如图 2 所示。
- Ceff 指电芯的有效电容，表示电芯存储的电荷量。
- RS 指电芯的内部电阻或串联电阻。由于 Vcell = Vocv– ( I * RS)，因此，消耗的电芯电流越大，RS 会导致电芯电压下降。
- RSD 是自放电电流流经的并联电阻。在电芯没有连接任何电路（开路）的时候，Ceff 通过高值 RSD 放电，产生几十到几百 μA 的自放电电流（Id）。经过几周或几个月之后，这条自放电路径会消耗掉 Ceff 内存储的能量，导致 Vcell 下降
理想情况下的 SDM 数据
在理想环境下，SDM 曲线经过最初一段均衡之后会收敛到稳定值。如图 3 所示，该曲线的形状可以用指数模型表示。需要注意的是，在实际运用中，指数曲线的时间常数可能比可用的测量时间长一些。在这种情况下，曲线的形状看起来可能像一个低次多项式或一条直线。
图 3——理想的 SDM 曲线形状。从物理学角度来看，我们期望看到指数型 SDM 曲线（左）。然而，在快速测量中，我们可能只会观察到轻微的指数曲率（中）甚至没有曲率（右）。以上三种情况的曲线都是指数型曲线，但由于测量的时间标度不同，我们看到的形状是线性的。此外，SDM 曲线可以叠加到近乎线性的长期趋势上。如果感应电流呈现出这种趋势，可能是出于几个原因，譬如温度的变化或电荷的再分配，而且每条曲线可能都会不一样，如图 4 所示。
SDM 数据失真
在现实环境中，数据会受到环境内部以及测量硬件内部各种因素的干扰。前面提到过，其中一个主要因素是温度引起的电芯开路电压变动，这种变动会转化为 SDM 电流数据中的噪声分量。以最简单的情况为例，一个公共噪声源会对所有通道产生同样的影响（图 5），原本没有噪声的信号中会增加电气噪声。
请下载此文档以了解更多信息。