从网上的一张不同车型里程与容量衰减图表说起，图表收集了BMW i3,2013Leaf,Ford Focus, Kia Soul EV等车型的实际路跑数据，通过曲线拟合给出了不同车型里程容量衰减趋势，从图上看，最差的续驶里程在3万公里左右，容量就衰减到80%。由于数据量较少、而且统计口径是否一致也无法考证，此处不作深究。

　　在车辆获取实跑数据前，我们如何对电池寿命进行预测呢？通常有两种建模方法，一是经验模型，二是电化学模型。

　　经验模型中电池容量衰退通常分为两类,日历寿命衰减及循环寿命衰减。

　　经验模型通常需要确定测试矩阵，然后进行大量的测试，得到测试数据，通过获取参数值，取得容量衰减的经验数据，作为后续仿真的依据。

　　实验设计举例

　　NEDCcycle 12069Km/year,预测出46个月后容量衰减至80%。

　　下面我们简单谈一下如何通过电化学建模进行电池寿命预测，假设我们计划采用15Ah NCM的方形电池，需组合成3P96S的电池包，然后对电池包进行各工况下寿命预测。

　　新建一个模型，选择工作目录，确定电池几何形状，如方形，以及电池类型。

　　模型构建及参数设置，此处默认大家对电化学建模过程已经熟悉，不详细介绍。针对容量衰退机制，我们分别对SEI膜生长、活性物质损失等项进行设置，同时对一些控制变量进行赋值。

　　SEI膜生长区域，我们选择负极，此处可以设置分子量、电极密度、孔隙率、反应速率常数、活化能等。

　　所有参数设置完成后，仿真可以得到充放电电压曲线，此处需标定我们的模型，具体操作此处略。

　　作为车用动力电池包，我们一般通过导入路谱需求，进行综合分析

　　如选择CYC-US06工况，或自定义综合工况

　　功率需求曲线

　　进行多个cycle的路谱仿真

　　仿真结果解析：

　　SEI膜（包括生长增厚、脱落再生）以及活性材料损失是容量衰退的重要因素，下面给出SEI膜厚度及活性物质体积分数随循环次数的变化规律曲线结果

　　60℃高温存储SEI膜厚度变化曲线

　　不同温度下循环Ah总量与容量衰减曲线

　　好了就此打住，以上只提供一个通过电化学建模进行电池寿命预测基本思路，作为一个参考。（作者：季林锋）