鋰動力電池健康度評價與估算方法的研究.pdf

1、鋰動力電池能量高、污染低、安全性高，目前已成為新能源汽車的主要動力來源之一。動力電池的健康度(State of health，SOH)是目前電動車動力電池系統(tǒng)中最重要的一項性能指標。電池的SOH與電壓、電流、內(nèi)阻、溫度等其他電氣參數(shù)有別，無法通過設(shè)備或儀器采用直接測量法獲得，但這些電氣參數(shù)隨著電池的SOH的變化而變化。因此，準確的鋰電池健康度狀態(tài)在線估算問題也成為了電動車動力電池管理系統(tǒng)的關(guān)鍵技術(shù)之一。本文針對鋰電池健康度估算研究、擴展

2、卡爾曼濾波(Extended Kalman Filter，EKF)算法研究、雙卡爾曼濾波(Dual Extended Kalman Filter，D-EKF)在線估算策略及聯(lián)合卡爾曼濾波(Federated Extended Kalman Filter，F(xiàn)-EKF)綜合評價等問題提進行深入研究，具體如下:
　　在基于自放電電阻的電池等效電路模型研究基礎(chǔ)上，通過電池循環(huán)壽命測試實驗結(jié)果，得到電池健康度受到內(nèi)阻、容量、自放電電阻和荷電

3、狀態(tài)(State of Charge，SOC)等參數(shù)影響的結(jié)果。結(jié)合電池狀態(tài)參數(shù)的特點，以電池戴維南等效電路模型為原型，構(gòu)建帶有電池自放電因子的等效電路改進模型。通過對模型的系統(tǒng)參數(shù)辨識，得到電池參數(shù)中荷電狀態(tài)初始值選取的不同會帶來模型參數(shù)差異的結(jié)論。
　　在結(jié)合改進的戴維南等效電路模型的基礎(chǔ)上，采用安時積分法建立鋰電池SOC的狀態(tài)方程和輸出方程，采用擴展卡爾曼濾波算法對系統(tǒng)中的各個參數(shù)進行觀測，實現(xiàn)在線觀測鋰電池荷電狀態(tài)的目標。

4、系統(tǒng)仿真觀測結(jié)果表明，擴展卡爾曼濾波算法的鋰電池荷電狀態(tài)在線估算具有較好的精度。
　　在擴展卡爾曼濾波算法的鋰電池荷電狀態(tài)在線估算研究的基礎(chǔ)上，展開電池容量健康度、內(nèi)阻健康度和自放電健康度估算研究。根據(jù)電池內(nèi)部狀態(tài)參數(shù)的多樣性和復雜性，進行針對內(nèi)阻、容量和自放電特性的相關(guān)實驗。實驗結(jié)果表明，基于EKF算法的電池SOH在線估算方法具有較好精度，可以基本滿足電動公交車實際使用工況的需要。
　　針對電池SOH在線估算時電池模型的初

5、始參數(shù)無法事先確定導致誤差增大的問題，引入D-EKF算法，通過建立兩個獨立的擴展卡爾曼濾波器，分別估算電池系統(tǒng)狀態(tài)和參數(shù)，并相互更新狀態(tài)和參數(shù)。實際路況試驗和數(shù)據(jù)仿真結(jié)果驗證D-EKF算法的有效性和精度。
　　針對電池健康度標準和描述不完善的問題，從電池的實際應用和測量學角度，提出“電池廣義健康度(Generalized State Of Health，SOHG)”概念，用來評價電池的性能參數(shù)。建立帶有信息分配因子的電池廣義健康度

6、函數(shù)結(jié)構(gòu)，設(shè)計歐姆內(nèi)阻健康度、自放電健康度和容量健康度的局部濾波器，并對信息分配因子對主濾波器及子濾波器的分配影響進行研究，并給出一種自適應式概率分配因子的最優(yōu)分配算法。
　　針對單體電池組成動力電池模塊后壽命下降的問題，通過基于失效模式及效應分析法（Failure Mode Effect Analysis，F(xiàn)MEA）對鋰電池進行故障診斷和失效分析，提出一種聚類分析法的電池分選辦法，得到與電池成組壽命相關(guān)的主要因素和電性能參數(shù)，提