加入时刻维度，共同性是指电池包内悉数电芯全生命周期内悉数特性参数的共同性，添加考虑容量衰减的不共同，内阻增长的不共同，老化速率的不共同。整个电池包的寿数，是我们重视共同性的终究着眼点。
有学者依据时刻的推移，把参数之间的相互作用放在一张图上，时刻为横轴，参数为纵轴，几个参数跟随时刻变化放到一个表里，交织成一张网，作为我们思考共同性的出发点。
寻求共同性的目，除了在当时状态下，发挥出电池包的最大才能(包含最大功率，最大电流，最大可用容量)，还想要这样的才能保持尽量长的时刻。
2共同性的点评规模
个人了解，共同性是一辆电动汽车上，作为动力的悉数电芯的共同性，无论串联联系还是并联联系。下面内容没有做全面讨论，只是举例阐明。
2.1并联状况
直接举例。放电才能低的电芯(代号B)与其他正常电芯并联，成为一个并联模组D，比方这是一个10只电池并联的模组。系统放电，每个并联模组都需求提供相同的电流，比方100A。其他正常的并联模组，每只电池放电10A;B最大只能放出1A电流，则其他9只电池，每只需求放出11A。一般状况下，长期超负荷，相比其他并联模组，这些电芯的老化速率更快。某一天，这个并联模组整体的最大放电才能无法到达设计最大才能。这个并联电池组，成了整个电池包放电才能的瓶颈。
2.2串联状况
依照电动汽车上的一般景象，串联联系首要在模组与模组之间。接续前面并联状况的剧情，整个电池包内出现了一个老化程度比其他电池组都深的电池组D，D的容量小，而内阻大。反应到SOC与开路电压的曲线上，同一SOC对应的开路电压，D端电压偏高。整个电池包充电，D最先到达充电截止电压，电池包停止充电。其他模组还没有吃饱，他现已要撑破肚皮，因为它老了，饭量变小了。
因此，单体共同性，不是某一个焊接在一起的模组内部的事，而是对同一辆车上所有动力电池的要求。
3不共同性的表锂电池，
电压不共同，在化成后，经历同样的充放电进程，静置满足时刻，在同样的环境温度下，待点评电芯充电到相同SOC。测量其开路电压，此刻表现出来的电压差距，便是单体电芯的电压不共同性。有研讨显现，单体电芯的开路电压，符合正态散布。便是说，我们所有进步共同性的努力，只能改变参数的集中度。
内阻不共同，电芯内阻是电芯功率特性的重要表征，也是电芯成组后，电芯性能参数进一步离散化的原因之一。内阻不共同可以构成温升不共同，是引发其他参数进一步离散化的一类原因。
内阻，同样是模组成组后的检测指标。从电芯单体组装成模组，要经历焊接或许机械结构夹持等成组进程，成组工艺的共同性，反应到成型后的模组上，便是模组的内阻。
容量不共同，寿数不共同，依照现在的寿数衡量标准，可用容量和寿数紧密联系在一起，这里一起阐明。
容量一般都会作为电芯分组的初选内容，是电芯不共同最重要的参数表现。构成容量不共同的原因很多，而且多数都是制作进程的不共同的结果。
除了到达容量、内阻等寿数指标以外，寿数不共同的另外一层意义是，电池失效时刻不共同。有研讨表明，并不一定是容量最小的电芯或许工作条件最恶略的电芯最先到达寿数的结尾。每颗电芯从出世开始，其抗衰老的才能现已存在差异。
温升不共同，每只电芯，除了直接影响发热的内阻要素外，其内部电化学物质制作进程中构成的不共同，对发热量也会产生影响。每一只电芯在电池包中所处位置不同，构成其散热条件的差异，终究也会导致电芯温升不共同。
4共同性点评
研讨人员运用各种计算办法来点评共同性的好坏。有的厂家用标准差，以标准差的大小来衡量一组电芯参数的集中度，在计算学意义上是合理的。
有的厂家直接运用一组数据的极差，最大最小值的差值，虽然无法全面描绘一组电池的悉数参数散布状况，但对于当时的电池管理系统BMS的控制逻辑来说，也是一种合理选择。况且，运用极差是最为简洁的一种办法。
5分选办法
在既有的生产才能和工艺水平下，解决锂电池共同性问题常见的有三条路，一是合理分选，把性能参数相近的电芯放在一个电池包里运用，极力是电芯初始状态共同;二是进步热管理水平，为电池提供更适宜且更均匀的工作环境温度，避免初始的不共同进一步恶化;三是进步电池管理系统全面监控的才能和均衡才能，力求改进现已发生的不共同状况。
本节把重点放在分选办法上。
工厂里，一般电芯分选前后的流程
分选办法，依照采样电芯的状态不同，可以分红静态分选和动态分选。
5.1静态分选
传统上，应用较多的是静态分选。静态，是指电芯参数与工作状态无关。通常，被用来做静态分选的参数包含电池的容量，开路电压和内阻等。
有的办法是直接依照参数数值大小区分区间，落在同一个区间内的电芯即为一组;
有的在开始分组后，再在组内以另一个参数为考察方针，继续把电芯做更细化的分组。比方先按容量区分红5个组以后，再依照内阻，把每个组进一步分红3组，最后，一个批次的电芯被区分红15组。
有的在收集重视的参数样本后，采用计算学算法，使得参数相近的天然归类为一组，应用较多的是聚类法。
聚类法是一类计算剖析算法的总称，其主旨是将一个参数的样本组，依照天然筛选出来的数据中心凝集成若干组，完成分组的意图。聚类法其内涵和它所包含的子算法十分多，有兴趣可自行百度。这里只需了解，这是一种无须人工干预的天然分组办法即可。聚类剖析，既可以用在静态分选的样本数据上，也可以用来剖析动态样本。
在很长一段时刻里，静态分选都是锂电池行业的首要分选办法。但静态分选无法反应电池工作进程中的参数特点。电化学反应是一个杂乱的动态进程，简略的用电池的几个静态参数，无法准确归纳电芯的未来特性。
5.2动态分选
动态分选，是基于电池充放电等工作进程中，电芯参数有所不同进行分组的工作办法。
一类办法是把电芯恒流充放电作为研讨进程。有的算法把电压时刻曲线作为分类方针，利用计算学算法，把曲线特征区分组别;有的重视进程中的电压、容量、内阻、放电平台、电芯厚度等参数，并进行分类;
另一类，是把恒流恒压充电进程作为研讨进程。有的把恒压恒流曲线上的采样点与均值点之间的欧式间隔作为方针参数进行聚类剖析，完成电芯分组;有的在前面办法的基础上改进采样规矩，使得电流对时刻的变化率较大的区域采样点更密集，同时确保采样不会低于一个最小步长。
还有一类，考虑电动汽车实际运行中可能遇到的脉冲电流状况，认为电流的大小会极大的影响电芯的极化状态。因此在前面恒流恒压充电曲线的分组基础上继续细化分组，给电芯加载脉冲电流，把电芯端电压作为分组依据。
5.3分选结果的验证办法
最理想的分选结果是，电池包内悉数电芯同时到达寿数结尾。但实物的老化测试办法，成本高，耗时长，在文献中很难见到此类验证进程。
应有较多的分组验证办法是极差计算和标准差计算，也有利用实车运行数据中大功率冲击工况进行的模型仿真验证。
