Estimating the Health and State of Charge of Each Cell in a Second-Life Battery System from Field Data
Martin Cornejo、Julian Meyer-Schwickerath、Juan Victor Sandalinas、Andreas Jossen
3. Estimating the Health and State of Charge of Each Cell in a Second-Life Battery System from Field Data
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL | arXiv 论文与全文;arXiv 记录为 2609.04487。 |
| 发现来源 | arXiv;摘要及版本记录 |
| 期刊/会议/平台 | arXiv 预印本,eess.SY;当前未确认同行评审发表版本。 |
| 发表日期 | 2026-09-03(发现题录所载 arXiv 日期);不视为期刊发表日。 |
| 作者/机构 | Martin Cornejo、Julian Meyer-Schwickerath、Juan Victor Sandalinas、Andreas Jossen;全文可读文本未能确认作者机构。 |
| 通讯作者 | 未能确认。 |
| 脚本评分/证据等级 | 50;低分复核后提升:全文明确估计 SOH,直接符合主题。全文级,35 页含补充材料。 |
| 核验路径 | PDF/HTML 可由 arXiv 获取 → 阅读论文 HTML、摘要、方法与结果片段 → 论文注明代码和数据 DOI 10.5281/zenodo.22281620。 |
纳入理由与原文证据
- 主题/边界: 研究在真实二手储能系统中估计逐电芯 SOH/SOC,属于 SOH 估计;它不是 RUL/EOL 预测,卡片不把当前状态估计夸大为寿命外推。
- 证据: 论文报告对 27 个模组、324 个电芯进行现场估计,并指出聚合模组模型相对逐电芯模型会使 SOH 高估最多 31%。arXiv 全文
数据集/电池体系
- 体系/数据: STABL Energy 二手电池储能原型,27 个模组、324 个逻辑电芯;每个逻辑电芯为两只 GS Yuasa LEV50N 并联,LMO/石墨体系、额定 100 Ah。现场测量窗口约 12.5 小时、含两次充放电;电压、电流与温度来自 BMS/遥测。
- 工况/跨域: 约 35 kW 系统功率,模块负载随变换器调节;数据来自单一原型系统和单段短窗口,不构成跨站点或长期工况泛化验证。
EOL/RUL/SOH 定义
- 目标/定义: 联合估计逐电芯 SOC 与 ECM 参数/健康状态,并聚合到模组级;论文将 SOH 与容量相关状态用于对照参考测量。精确 SOH 标签公式、阈值及 EOL/RUL 标签不在本次提取摘要中,不能自行补设。
- 未来信息风险: 这是基于当前现场测量的状态估计,不声称预测未来寿命。全文补充材料提到对部分不合格 OCV 曲线用参考 OCV 做超参数网格适配;需区分用于评估的参考数据与调参数据,核查是否影响最终误差报告。
模型方法
- 流程: 每个电芯使用等效电路模型;高斯过程回归从现场数据重建开路电压曲线,并与递归状态/参数估计(EKF 框架)联合更新;逐电芯模型再聚合至模组/系统。对照为不使用逐电芯电压的 lumped-module 模型。
- 部署: 使用现有遥测电压、电流和温度;报告为现场数据离线验证,在线计算延迟、硬件成本与实时部署结果未能确认。
验证设计
- 划分/泛化: 单一真实二手 BESS、短时现场记录,采用独立参考测量核对状态/OCV,并与聚合模型比较;没有多系统留出测试或长期外推。
- 可信度: 中。现场数据和参考测量提高了工程相关性,但样本只覆盖一个系统、单一化学体系和短时间窗。
指标与结果
- 摘要报告 lumped-module 模型可能将 SOH 高估最多 31%、SOC 高估最多 23%;论文还报告识别出两只故障电芯。以上是状态估计/模型聚合对照结果,不是 RUL 预测误差。
泄漏风险、复现性与局限性
- 泄漏风险: 中;非时间序列预测任务,但参考 OCV 参与部分超参数选择,需复查参考测量是否与最终评价独立。
- 复现性: 中高;论文提供代码/数据 Zenodo DOI 与补充材料,但部署系统数据授权、完整脚本运行情况尚未独立复现。
- 局限性: 单系统与单化学体系;12.5 小时观测不能证明长期状态跟踪能力;没有 EOL/RUL 输出。
是否值得跟进
- 结论: 跟进。
- 理由与下一步: 逐电芯实测结果揭示平均模组模型掩盖弱电芯的问题。优先检查参考 OCV 网格调参流程,再以更长现场时段或另一二手电池系统验证。
查看关键词分类依据
- SOH estimation · 摘要包含「state of health」
torage depends on reliable estimation of its state of health (SOH) and state of charge (SOC). Model-based state estimation requires the open - Gaussian Process · 摘要包含「gaussian process」
odel solely from field operation data, using Gaussian process regression to reconstruct the OCV curve. Applied to a real second-life battery - ECM / electrochemical model · 摘要包含「equivalent circuit」
ly estimates the states and parameters of an equivalent circuit model solely from field operation data, using Gaussian process regression to re