1.
1. 研究背景
1.
2. 研究框架
论文的整体研究框架如图1所示，首先分析典型的IC和DV曲线，以及相应的老化特征。进一步分析IC和DV特征在电芯层面和电池包层面的可迁移性，并分析实车充电工况和数据质量下IC和DV特征的可行性。
图1 整体论文框架
典型电芯的IC和DV曲线如图2所示，DV曲线的特征峰对应电极相变过程中的某一相，而IC曲线恰恰相反，其特征峰对应相转变过程。IC和DV曲线的特征峰的峰值、位置和所包围的面积均是和电池老化高度相关的特征。
图2 典型电芯的IC和DV曲线
大众ID.3和特斯拉Model 3的整车充电曲线以及对应IC和DV曲线如图3所示。可见电芯层面和整车层面的IC和DV曲线虽有一定的差异，但是特征峰的位置有很强的对应性，因此，电芯层面提出的IC和DV曲线老化特征也可以用在整车上。
图3 IC和DV曲线在电芯层面和整车层面的迁移性
实车数据和实验室数据有较大的差异，因此，实验室的电芯单体数据特征能否用在实车电池包上还需要进一步验证。而这些差异主要体现在充电工况、采样间隔和数据质量。充电工况对IC和DV曲线的影响如图4所示，实车工况下的恒功率充电与实验室采用的恒流充电的IC和DV曲线大致相同，IC和DV曲线的老化特征对充电工况有一定的鲁棒性。数据质量对IC和DV曲线的影响如图5所示，由于实车工况下不可避免的数据噪声，会对电压数据的准确性产生影响，而差分过程会进一步加剧误差。作者提出预滤波和后滤波相结合的方式，提升IC曲线和DV曲线的鲁棒性。采样间隔对IC和DV曲线的影响如图5所示，由结果可知，采样间隔即使高达300秒，不会对IC曲线和DV曲线的准确性有较大的影响，因此满足实车运用条件。
图4 充电工况对IC和DV曲线的影响
图5 数据质量对IC和DV曲线的影响
图6 采样间隔对IC和DV曲线的影响
3. 结论
本文探讨了将DVA和ICA从电芯级别转移到车辆级别的可行性。为了比较DVA和ICA在电芯和车辆级别的相似性和差异性，进行了电芯级别和车辆级别的测量。对于整车而言，对两辆电动汽车：大众ID.3和特斯拉Model 3的交流充电期间进行了测量，以捕捉车辆的电压曲线。总体而言，DVA和ICA可以成功地在车辆级别上从充电测量中进行。
1.
4. 展望
进一步针对不同车型和体系的检验是必要的，以验证车辆级DVA和ICA的鲁棒性和普遍性，例如通过对同一车辆进行重复测量或在单一车型的车队中进行测量。此外，锂离子电池受到外部参数的强烈影响，例如高充电倍率和低温，这些因素对这两种方法的影响还需进一步研究。
文章信息
BILFINGER P, ROSNER P, SCHREIBER M, et al. Battery pack diagnostics for electric vehicles: Transfer of differential voltage and incremental capacity analysis from cell to vehicle level [J]. eTransportation, 2024, 22: 100356.
国际交通电动化杂志
eTransportation
文章类型
文章类型涵盖：
研究（Research）
综述（Review
短通讯（Short Communication）
观点（ Perspective）
评述（Commentary）
论坛（Forum）
其他（Data paper, conference等）。
论文投稿
https://www.editorialmanager.com/etran
论文下载
https://www.sciencedirect.com/journal/etransportation
扫码阅读更多文章
eTransportation | 交通电动化
欢迎投稿
eTransportation | 交通电动化
联系我们
如有任何学术问题研讨、投稿咨询、编委申请，以及论文全文获取等请与我们联系。
Email:dujiuyu@tsinghua.edu.cn
etransport@tsinghua.edu.cn
微信联系
交通电动化，有你更美好！
