鋰離子電池組的健康狀態(tài)估計及壽命預測研究.pdf

1、動力電池作為電動汽車的唯一動力源，其健康狀態(tài)直接影響到整車性能。為了保證動力電池長期高效的工作狀態(tài)，有必要對電池的健康狀態(tài)進行監(jiān)測，實時了解電池使用情況和狀態(tài)，為電池的監(jiān)測或診斷提供依據(jù)，及時更換老化單體，延長整體使用壽命;有助于保證車輛續(xù)航里程，提高動力性以及穩(wěn)定性等。因此，有必要對電池健康狀態(tài)進行準確估計和監(jiān)測，進而實現(xiàn)壽命預測。
　　在電池健康狀態(tài)估計和預測的研究中，以電池單體為主，整體研究甚少，并且為提高微乎其微的估測精度

2、而融入了大量復雜優(yōu)化算法和冗雜的實驗數(shù)據(jù)進行跟蹤學習，反而犧牲了狀態(tài)估計的實時性大大增加了估計的時間，給實際應用帶來了困擾。本文為權衡二者關系，在兼顧實時性要求的同時著力提高電池SOH狀態(tài)估計和預測準確性為目的展開研究。
　　其主要研究內(nèi)容包括:
　　(1)系統(tǒng)分析影響電池性能的主要結構;從影響電池SOH內(nèi)外兩方面因素進行總結，分析影響電池SOH的主要因素。通過對各SOH評價指標進行權衡比較，最終確定以電池內(nèi)阻作為評價指標進

3、行電池SOH的研究。
　　(2)綜合比較單體Rint、Thevenin、PNGV以及動態(tài)Massimo Ceraol四類典型電氣模型的優(yōu)劣;從適應性和準確性角度，以Massimo Ceraol動態(tài)模型為基礎，建立電池組SOH二階電池組等效電路估計模型;同時利用遞推最小二乘法對電池模型進行參數(shù)辨識。
　　(3)考慮電池內(nèi)阻變化具有高度非線性且動態(tài)變化明顯不易跟蹤等特點，不利于基本粒子濾波算法進行跟蹤預測;通過算法的改進——風險

4、敏感粒子濾波;在二階等效電路模型下進行電池組各電池內(nèi)阻的跟蹤預測。
　　(4)提出風險敏感粒子濾波算法的電池壽命預測方法。以人口增長模型為基礎，建立電池容量衰退模型;以此確立基于容量衰退模型和風險敏感粒子濾波算法的電池壽命預測框架。
　　仿真結果表明，所提出的基于二階等效電路模型和風險敏感濾波的電池SOH估計方法，以及所提出的基于容量衰退模型和風險敏感粒子濾波算法的電池壽命預測框架都滿足估計精度要求和預測準確性要求，且實時性