本文为在中国汽研举办的“2019第二届新能源汽车测试评价技术国际论坛”上，北京交通大学姜久春教授带来的《在用新能源汽车动力电池检测与评估》。
从电池故障的机制和运行环节的数据两个角度进行介绍新能源汽车动力电池检测与评估的方法。评估的目标有两个方面，一方面是做电池性能评估，就是评估电池组使用过程中衰退的情况；另一方面是关于安全的评估，会不会着火、热失控等。把实验室检测、现场评估和远程评估三者的数据融合起来共同解决一个问题。
现在预测电池衰退用内阻和容量，但容量不易获取，且容量不能表征电池衰退的本质。例如一个电池从100%衰退到90%，可以有各种不同原因的衰退，所以单纯用容量并不能表征衰退的本质。通过上图可以看到，这些峰的面积和高度可以表征正极材料、负极材料和锂离子的损失，这些参数都与电池衰退相关。
因此，如何选择电池衰退的特征参数是很重要的。
把IC曲线中得到的特征参数做一个主成分回归，最后得到一个模型。利用这个模型，就能够得到在不完全充电的情况下估计电池容量的方法。因为电池在实际使用过程中不可能做到全充全放，且为了安全，也不会设计到100%去用，所以不完全充电估计电池容量的方法是很重要的。现在这个方法的误差是在2%以内，对于容量估计是足够精确的。
第二个要解决的问题就是关于锂离子电池容量“跳水”。从上图可以看到，容量衰退有两个阶段，第一阶段非常缓慢，第二阶段是非常快的，表现为在某个点突然加速衰退。所以问题就集中在电池为何突然加速衰退，以及能不能提前预知转折点。如果可以提前知道，比如还有一百次循环，容量就会跳水，就可以提前采取一些措施来解决这个问题，从而避免容量快速衰退之后的诸多问题，包括电池膨胀，甚至起火等。
通过设计实验，分析容量“跳水”的机制。从负极情况、正极情况、锂离子情况三个方面，分析在不同温度、不同放电倍率条件下容量“跳水”的原因。得到表征参数之后，就可以通过模型进行实时的加速衰退识别，从而预知并及时更换即将出现“跳水”的电池。
用容量、电压还有几个参数里面的峰值，进行一系列的检测算法，实现分析和分类。用类似的一维高斯分布图，有些特别的电池发生一些特殊的情况会成为离群点。
从误差分布来看，还是比较令人满意的。四个厂家一共16块电芯6884个充电过程数据，误差小于5%的置信度是92.7%，小于3%的置信度是80.7%。
综上，从机理上分析了电池容量衰退的本质（锂离子损失和正负极材料损失），提出了NCM锂离子电池容量衰退过程存在的加速转折点，建立了基于分位数回归的容量加速衰退转折点识别方法，从试验结果来看，该方法对于不同工况、不同数据分布具有较强的适应性，可提前预知电池安全风险，实现对动力电池的检测与评估。
