Methods in Dynamic Analysis of Lithium-ion Batteries: Literature Review

Abstract

Tämä työ on kirjallisuusselvitystyö erilaisista akkujen tila-analyysimenetelmistä. Työssä keskitytään käsittelemään erityisesti impedanssispektroskopian menetelmiä, etenkin kanttiaaltoja hyödyntävää pseudo-satunnoista binäärisekvenssiä (engl. pseudo.random binary sequencing, PSBS), sekä siniaaltoja hyödyntävää sähkökemiallista impedanssi spektroskopiaa (engl. electrochemical impedance spectroscopy, EIS). Työssä päätettiin tarkastella pääasiassa litium-ioni-akkuja (li-ion), sillä on ennustettu, että tulevaisuudessa pääosa akkujen kysynnän kasvusta tullaan kattamaan li-ioni-akuilla. Työssä luotiin simulaatio li-ioni-akun sähköisen mallin tutkimiseen Simulinkissä. Simulaation tarkoituksena on EIS- ja PRBS-menetelmien vertailu akkujen analysointimenetelminä. Työn simulaatio-osuudessa käsitellään myös, miten näiden kahden signaalityypin ominaisuuksien ja mittausjärjestelyn parametrien muutoksilla voidaan vaikuttaa mittaustuloksiin. Perinteinen EIS-menetelmä on todella hidas, joten se sopii paremmin sovellutuskohteisiin, joissa ei ole niinkään väliä, vaikka akkujärjestelmä joutuisikin olemaan vakaassa tilassa pitkiäkin aikoja. EIS-menetelmän parhaita puolia ovat sen tarkkuus, sekä vääristymiensietokyky. Perinteisessä EIS-menetelmässä käytettäviä siniaaltosignaaleja on kuitenkin hankalaa tuottaa. PRBS-menetelmä vaikuttaisi sopivan paremmin sähköautojen kaltaisiin järjestelmiin, joissa käyttöympäristö voi muuttua äkisti, ja joissa järjestelmää ei voi pitää pitkiä aikoja vakaassa tilassa. Tämä johtuu lyhyistä mittausajoista. PRBS-menetelmä sopii hyvin myös sulautettuihin järjestelmiin, mikä johtuu sen signaalien kanttiaaltomuodosta. Kanttiaaltoja on helpompaa tuottaa, ja ne vaativat vähemmän prosessointitehoa, kuin siniaallot. Epälineaariset vääristymät vaikuttavat kuitenkin PRBS-menetelmään herkemmin kuin perinteiseen EIS-menetelmään.

This work is a literature review of different battery state analysis techniques. The focus is mainly on impedance spectroscopy methods, especially square wave signals using pseudorandom binary sequencing (PRBS) and traditional sinusoidal signals using electrochemical impedance spectroscopy (EIS). Lithium-ion batteries (LIBs) were chosen as the main battery type to be focused on because it has been predicted that most of the growth in demand for batteries in the future will be covered by LIBs. A simulation for examining an electrical model of a LIB was created in Simulink. The purpose of this simulation is to allow the comparison of EIS and PRBS methods as battery analysis methods. The simulation part also examines how changing different attributes of the two signal types and the measurement setup affect the measurement results. Traditional EIS is very slow, and thus it is better suited for applications where it does not matter if the battery system is needed to be at steady-state for long periods of time. The biggest advantage of the EIS method is perhaps its great accuracy as well as its resiliency to distortions. However, the sine wave signals used in traditional EIS are hard to produce. PRBS method appears to be better suited for systems such as electric vehicles, for which the operating conditions can change rapidly, and the system cannot be maintained in a steady-state for extended periods of time. This is due to short measurement times. The PRBS method is also easily implementable in embedded systems due to the square nature of the signals. Square waves are easier to produce, and they require less processing power than sinusoidal signals. However, PRBS method is more prone to nonlinear distortions than the traditional EIS method.