电化学阻抗谱基础(7)
【作者】网站采编
【关键词】
【摘要】4.2 如何分解叠加的EIS数据? EIS对电化学能源系统的外部和内部因素同时具有敏感性,正是这种高精度、宽频带和无损伤的传感器特性,使其具备强大的诊
4.2 如何分解叠加的EIS数据?
EIS对电化学能源系统的外部和内部因素同时具有敏感性,正是这种高精度、宽频带和无损伤的传感器特性,使其具备强大的诊断功能[3,16]。然而,测试所得EIS数据中同时包含电化学能源系统的内部因素(本体、界面、组分和微观结构)和外部参数(温度、湿度、压力、流量、浓度以及负载等)的作用效果。因此,如何分解电化学能源系统内外因素共同作用叠加得到的EIS实验数据,不是一件容易的事,因为实测EIS数据的精度和带宽都受限于测试仪器。
上文所讨论的DRT和DDT方法,可以视作解卷积叠加EIS数据的有效方法。然而,DRT和DDT方法也受EIS测试噪声的影响。如何在有限精度和有限带宽的限制条件下,有效分解叠加的EIS数据,依旧是一个极具挑战性的技术难题。这不仅依赖于测试精度和测试范围的进步,也依赖于解卷积算法的发展[35-46],或者大数据和人工智能的支持[58-60]。
4.3 如何分配EIS弧或尾迹?
电化学能源系统EIS数据受众多因素的影响。以锂离子电池为例,至少有7个子过程影响其EIS数据。理论上,锂离子电池输出的EIS谱图中应出现7个不同的弧或者尾迹[15,61],弧或者尾迹的相对大小依赖于不同子过程贡献的相对大小。实践中,子过程对总EIS的贡献又受电池内部因素和外部参数的影响。因此,EIS谱图中弧或者尾迹也是一个内外部因素此消彼长的动态竞争结果,比如实际运行温度对弧或者尾迹的影响[20]。可见,实验中如何确认或者分配观测弧或者尾迹所对应的子过程,并不是显而易见的直观过程。
为了对号入座EIS弧或者尾迹,最常规的办法就是设法维持电化学系统其他因素不变,而只改变其中某一因素,记录此时EIS谱图的变化趋势[12-14]。研究人员也常常借用EIS谱图的特征时间常数或者特征频率来区分EIS弧或者尾迹[22,62]。上文所讨论的DRT或者DDT方法[34-46],可以有效地提取特征频率或者特征时间常数,进而对号入座EIS弧或者尾迹。另外,微电极技术也是准确分配EIS弧或者尾迹的有效方法[63]。
4.4 如何实现EIS实时诊断?
传统EIS测试耗时过长,因此很难获得电化学能源系统的实时信息,这严重限制其实时诊断和现场监测功能,急需发展现代快速EIS测试方法[18,64-67]。对于电化学能源系统而言,Warburg行为特征是EIS冗长测试时间的内因。因此,缩短Warburg特征行为区间的测试时间是提高EIS测试速度的关键。为加速EIS测试,当前有两种主要途径,一是设计具有更短持续时间、更宽带宽的扰动信号,二是开发具有更高运算效率的高级算法。
最近,我们从理论上探讨了如何实现快速EIS测试[68],使用的扰动信号为阶跃电流,重构算法为复莫奈小波变换,比较分析了快速EIS测试中不同扰动信号的特点,如阶跃信号、多脉冲信号、多正弦信号、扫频信号、伪随机二进制序列等,并展望了伪随机二进制序列在电化学能源系统中的应用前景。开发新的扰动信号及其对应高级算法,应是缩短EIS测试时间最有效的办法之一。
4.5 如何实现EIS非线性诊断?
尽管EIS被视作强有力的诊断工具,然而,传统的EIS准静态和线性两个假设与电化学能源系统固有属性有冲突[54],严重地限制了EIS的应用范围[49]。其一,线性EIS诊断分析中,基于小信号扰动方法仅仅保留一阶谐波。虽然这种处理可简化EIS分析,但是这种处理丢失了高阶谐波中蕴含的动力学信息。其二,小信号扰动必然导致较差的信噪比,这也削弱了EIS实验数据的可信度。
为了让非线性EIS诊断方法得到大范围应用推广,必须解决三个主要问题:一是开发可以获取高阶谐波的装置;二是发展对应于高阶谐波的非线性EIS模型;三是开发相应的分析算法和易用的分析软件。鉴于当前硬件技术飞速发展,非线性EIS的发展应重点放在构建高阶谐波的非线性EIS模型及其相应的理论基础研究。
5 总结
对于EIS诊断功能,还是要坚持实事求是,不贬低EIS,也不夸大EIS。总之,我们需要正确定位和完整认识EIS。要认识到EIS不是万能的(everything),因为它并不能直接考察某一参数的直接作用效果;EIS自然也不是一无是处的(nothing),在电化学能源系统中EIS还是不可或缺的;EIS还是有一定价值的(something),但是要正确运用。为了用好EIS,我们必须清楚地知道EIS的能力边界:它可以做什么,它不可以做什么,它擅长做什么。
总之,尽管EIS在电化学能源系统中应用广泛,但其诊断潜力仍未得到充分的发挥。对于EIS应用范围的进一步拓展,EIS诊断功能的进一步深化,理论模型、解析算法、分析方法、测试手段和非线性理论等诸多核心问题的认知水准要进一步提高。我们认为,在EIS诊断领域,如果成功引入大数据和人工智能技术,一定可以极大提升EIS应用深度,并让EIS应用范围得到拓展。
文章来源:《能源技术与管理》 网址: http://www.nyjsygl.cn/qikandaodu/2020/0921/544.html