鋰電池的一致性，眼前看，是指一組鋰電池重要特征參數的趨同性，是一個相對概念，沒有最一致，只有更一致。同一個電池包內的多串電芯，每一個參數，最好全部處在一個較小的范圍內，是為一致性好。

加入時間維度，一致性是指電池包內全部電芯全生命周期內全部特性參數的一致性，增加考慮容量衰減的不一致，內阻增長的不一致，老化速率的不一致。整個電池包的壽命，是我們關注一致性的最終著眼點。

追求一致性的目，除了在當前狀態下，發揮出電池包的最大能力（包括最大功率，最大電流，最大可用容量），還想要這樣的能力維持盡量長的時間。

2一致性的評價范圍

個人理解，一致性是一輛電動汽車上，作為動力的全部電芯的一致性，無論串聯關系還是并聯關系。下面內容沒有做全面討論，只是舉例說明。

2.1并聯情況

直接舉例。放電能力低的電芯（代號B）與其他正常電芯并聯，成為一個并聯模組D，比如這是一個10只電池并聯的模組。系統放電，每個并聯模組都需要提供相同的電流，比如100A。其他正常的并聯模組，每只電池放電10A；B最大只能放出1A電流，則其他9只電池，每只需要放出11A。一般情況下，長期超負荷，相比其他并聯模組，這些電芯的老化速率更快。某一天，這個并聯模組整體的最大放電能力無法達到設計最大能力。這個并聯電池組，成了整個電池包放電能力的瓶頸。

2.2串聯情況

按照電動汽車上的一般情形，串聯關系主要在模組與模組之間。接續前面并聯情況的劇情，整個電池包內出現了一個老化程度比其他電池組都深的電池組D，D的容量小，而內阻大。反應到SOC與開路電壓的曲線上，同一SOC對應的開路電壓，D端電壓偏高。整個電池包充電，D最先到達充電截止電壓，電池包停止充電。其他模組還沒有吃飽，他已經要撐破肚皮，因為它老了，肚量變小了。

因此，單體一致性，不是某一個焊接在一起的模組內部的事，而是對同一輛車上所有動力電池的要求。

3不一致性的表鋰電池，

電壓不一致，在化成后，經歷同樣的充放電過程，靜置足夠時間，在同樣的環境溫度下，待評價電芯充電到相同SOC。測量其開路電壓，此時體現出來的電壓差距，就是單體電芯的電壓不一致性。有研究顯示，單體電芯的開路電壓，符合正態分布。就是說，我們所有提高一致性的努力，只能改變參數的集中度。

內阻不一致，電芯內阻是電芯功率特性的重要表征，也是電芯成組后，電芯性能參數進一步離散化的原因之一。內阻不一致可以造成溫升不一致，是引發其他參數進一步離散化的一類原因。

內阻，同樣是模組成組后的檢測指標。從電芯單體組裝成模組，要經歷焊接或者機械結構夾持等成組過程，成組工藝的一致性，反應到成型后的模組上，就是模組的內阻。

容量不一致，壽命不一致，按照目前的壽命衡量標準，可用容量和壽命緊密聯系在一起，這里一起說明。

容量一般都會作為電芯分組的初選內容，是電芯不一致最重要的參數表現。造成容量不一致的原因很多，并且多數都是制造過程的不一致的結果。

除了達到容量、內阻等壽命指標以外，壽命不一致的另外一層含義是，電池失效時間不一致。有研究表明，并不一定是容量最小的電芯或者工作條件最惡略的電芯最先達到壽命的終點。每顆電芯從出生開始，其抗衰老的能力已經存在差異。

溫升不一致，每只電芯，除了直接影響發熱的內阻因素外，其內部電化學物質制造過程中形成的不一致，對發熱量也會產生影響。每一只電芯在電池包中所處位置不同，造成其散熱條件的差異，最終也會導致電芯溫升不一致。

4一致性評價

研究人員使用各種統計方法來評價一致性的好壞。有的廠家用標準差，以標準差的大小來衡量一組電芯參數的集中度，在統計學意義上是合理的。

有的廠家直接使用一組數據的極差，最大最小值的差值，雖然無法全面描述一組電池的全部參數分布情況，但對于當前的電池管理系統BMS的控制邏輯來說，也是一種合理選擇。何況，使用極差是最為簡潔的一種方法。

5分選方法

在既有的生產能力和工藝水平下，解決鋰電池一致性問題常見的有三條路，一是合理分選，把性能參數相近的電芯放在一個電池包里使用，盡力是電芯初始狀態一致；二是提高熱管理水平，為電池提供更適宜且更均勻的工作環境溫度，避免初始的不一致進一步惡化；三是提高電池管理系統全面監控的能力和均衡能力，力求改善已經發生的不一致情況。

本節把重點放在分選方法上。

工廠里，一般電芯分選前后的流程如下圖所示：

分選方法，按照采樣電芯的狀態不同，可以分成靜態分選和動態分選。

5.1靜態分選

傳統上，應用較多的是靜態分選。靜態，是指電芯參數與工作狀態無關。通常，被用來做靜態分選的參數包括電池的容量，開路電壓和內阻等。

有的方法是直接按照參數數值大小劃分區間，落在同一個區間內的電芯即為一組；

有的在初步分組后，再在組內以另一個參數為考察對象，繼續把電芯做更細化的分組。比如先按容量劃分成5個組以后，再按照內阻，把每個組進一步分成3組，最后，一個批次的電芯被劃分成15組。

有的在采集關注的參數樣本后，采用統計學算法，使得參數相近的自然歸類為一組，應用較多的是聚類法。

聚類法是一類統計分析算法的總稱，其主旨是將一個參數的樣本組，按照自然篩選出來的數據中心凝聚成若干組，實現分組的目的。聚類法其內涵和它所包含的子算法非常多，有興趣可自行百度。這里只要理解，這是一種無須人工干預的自然分組方法即可。聚類分析，既可以用在靜態分選的樣本數據上，也可以用來分析動態樣本。

在很長一段時間里，靜態分選都是鋰電池行業的主要分選方式。但靜態分選無法反應電池工作過程中的參數特點。電化學反應是一個復雜的動態過程，簡單的用電池的幾個靜態參數，無法準確概括電芯的未來特性。

5.2動態分選

動態分選，是基于電池充放電等工作過程中，電芯參數有所不同進行分組的工作方法。

一類方法是把電芯恒流充放電作為研究過程。有的算法把電壓時間曲線作為分類對象，利用統計學算法，把曲線特征劃分組別；有的關注過程中的電壓、容量、內阻、放電平臺、電芯厚度等參數，并進行分類；

另一類，是把恒流恒壓充電過程作為研究過程。有的把恒壓恒流曲線上的采樣點與均值點之間的歐式距離作為目標參數進行聚類分析，實現電芯分組；有的在前面方法的基礎上改善采樣規則，使得電流對時間的變化率較大的區域采樣點更密集，同時確保采樣不會低于一個最小步長。

還有一類，考慮電動汽車實際運行中可能遇到的脈沖電流情況，認為電流的大小會極大的影響電芯的極化狀態。因而在前面恒流恒壓充電曲線的分組基礎上繼續細化分組，給電芯加載脈沖電流，把電芯端電壓作為分組依據。

5.3分選結果的驗證方法

最理想的分選結果是，電池包內全部電芯同時達到壽命終點。但實物的老化測試方法，成本高，耗時長，在文獻中很難見到此類驗證過程。