基于数据驱动的锂离子电池健康状态估计研究进展综述

锂离子电池(LIBs)在电气化交通、电化学储能和移动电子产品等领域广泛使用,精准评估其健康状态( SOH)是确保安 全可靠应用的基础。 数据驱动法是当前评估 SOH 的主流方法,该方法无需考虑电池内部复杂的物理化学反应,依赖于直接的 数据分析,且具有较高的精度。 本文从锂离子电池 SOH 影响因素入手分析了基于数据驱动的电池 SOH 估计方法的研究现状, 着重比较了机器学习、滤波器和时间序列等方法实施 SOH 估计的原理、优缺点。 最后,针对电动汽车实际应用场景,对 SOH 估 计方法的未来发展趋势进行了展望。     

利用双卡尔曼滤波算法估计电动汽车用锂离子动力电池的内部状态

以电动汽车的研发为背景,建立用于电动汽车中作为辅助动力源的锂离子动力蓄电池的等效物理模型及其离散形式的状态空间方程,然后分别介绍如何基于卡尔曼滤波算法在线估计电池内部的荷电状态和寿命状态。在此基础上,介绍利用双卡尔曼滤波算法同时在线估计荷电状态和寿命状态的算法原理,并设计出相关的电池测试试验,利用在此试验过程中所采集的包括电流、电压等数据对电池的内部状态进行估计。对试验结果的分析表明,利用双卡尔曼滤波算法在线估计电池内部状态是有效的,并且估计精度也相对较高,可以较好地反映电池内部的真实状态。     

数据驱动的锂离子电池健康状态综合评分及异常电池筛选

锂离子电池是电动汽车和储能系统最重要的组成部分,其故障预测和健康管理对于运行维护至关重要.数据驱动的方法较基于模型的方法更适合大规模工程应用,针对实际应用中工况复杂和数据质量较差的场景,提出数据驱动的健康状态综合评分及异常筛选算法,具有较强的适应性.首先,针对电池实际运行工况提出一种新的特征提取方案,可适用于非恒流的不...     

锂离子动力电池能量密度特性研究进展

动力电池作为新能源纯电动汽车的动力源,其能量密度与整车的续驶里程及安全性等密切相关,而锂离子电池具有高能量密度和长寿命等特点,是当前新能源汽车动力电池的主流选择。基于锂离子电池发展史和我国第1～48批《免征车辆购置税的新能源汽车车型目录》中2000余款纯电动乘用车的锂离子动力电池能量密度数据,系统研究了锂离子动力电池能量密度演变趋势,回顾了我国锂离子动力电池能量密度的提升历程及其对推动新能源汽车发展起到的良好作用。在此基础上,从电极材料、电池工艺和成组结构等3个方面,剖析了锂离子动力电池能量密度提升技术方案的优势与不足;并从电池能量密度和安全性的关联性出发,总结了高能量密度电池在设计、制造和使用等全生命周期中的安全技术,展望了锂离子动力电池未来的发展趋势,为新能源汽车行业未来的健康发展提供参考。     

六自由度振动老化条件下锂离子电池的 衰退机理诊断与 SOH 预测

电动汽车锂离子电池会受振动与老化影响而加速衰减,为了诊断振动老化条件下的衰退机理,实现健康状态(SOH)预测,采取如下措施:首先,分析电池受振动影响的衰减结果;其次,辨识衰退模式,利用容量增量-微分电压(IC-DV)曲线对衰退模式进行量化,Z组结果为:活性物质损失(36.94%)、锂离子损失(35.12%)、电导率损失(1.9%);最后,将量化结果输入建立的GA-Elman模型实现SOH预测,结果误差保持在5%以内,满足电池管理系统(BMS)预测的要求。该研究为振动老化条件下锂离子电池的衰退机理诊断与SOH预测提供了依据,有助于BMS制定相关策略延长电池使用寿命。     

人工智能在动力电池健康状态预估中的研究综述

目前先进的电动汽车开发和应用已成为实现“脱碳”的关键技术。准确的电池健康状态(State of health, SOH)预估可有效地表征动力电池性能,对电动汽车动力电池维护和寿命管理具有重要意义。近年来,以深度学习、强化学习和大数据技术等为代表的新一代人工智能技术在电动汽车电池状态预估的应用已成为研究热点。首先简要介绍人工智能技术、SOH的含义以及影响SOH主要因素,然后分别从电池单体与电池系统的角度对几种人工智能模型在SOH预估中的研究进行总结与讨论,最后结合大数据、云计算、区域链等新兴技术,对电池健康状态预估问题进行展望,为提升当前动力电池全生命周期管理能力提供一些思路。     

电动汽车锂离子动力电池电气和环境测试标准及法规分析

随着动力锂离子电池在电动汽车上的广泛应用,其安全性得到了越来越多的关注。分析了国内外锂离子动力电池在电气安全和不同环境下安全方面的测试标准,对外部短路试验、过充电/过放电试验等电气安全试验和温度冲击试验、热稳定性试验、过温试验、外部火烧试验等环境试验的方法、试验条件进行比较分析。指出相关标准存在的不足,以及不同标准之间因试验条件的不同而不具有可比性。     

电动汽车动力电池在线监测系统

研究了电动汽车电池的在线监测系统,结合电池的放电特性图和电池热模型,给出了动力电池剩余电量相应的数学表达式.随后介绍了在线监测系统的硬件设计,并且开发了带标定功能的软件监测界面.最后给出了相应的实验数据,证明了监测系统的可靠性和实用性.     

电动汽车锂离子动力电池优化充电策略研究

锂离子动力电池充电策略是锂离子动力电池应用研究中的重要方面,文章首先简述了现阶段应用较为广泛的等效电路模型,然后分析了国内外锂离子动力电池不同的优化充电策略研究方法,其中重点对PSO、遗传算法等优化算法结合阶梯充电策略进行了分析,最后给出了等效电路模型和优化充电策略未来可能的研究方向.     

基于多物理过程约束的锂离子电池优化充电方法

锂离子电池在快速充电过程中极易触发内部过热,并加速寿命衰退,因此在确保快速充电的同时主动约束锂离子电池重要中间物理状态具有重要意义。因此,提出一种基于多物理过程变量约束的电池快速充电方法。建立电-热-老化综合模型,并在典型充电场景下进行电热模拟精度验证;在此基础上,设计基于模型的荷电状态与内部温度估计方法,兼顾充电速度、温度约束与寿命衰退抑制,设计基于模型预测控制的快速充电策略。试验验证结果表明,所提出的充电策略能主动限制电池内部温度始终低于预定阈值,在相似的充电速度前提下,所提出的充电策略相比优选的恒流恒压充电法具有更低的寿命衰减速率,两者200次快充-放电循环的容量衰减分别为2.12%和4.88%。所提出的快速充电策略基于模型预测控制方法实现了电池内部状态的有效约束,综合提升了锂离子电池充电过程的快速性、安全性和耐久性。     

电动汽车用锂离子电池热管理系统的研究

锂离子动力电池的能量密度较高,且具有长循环寿命特点,因而在电动汽车储能系统中得到了广泛应用。文章以微通道液冷式电池热管理系统为研究对象,深入探讨强化换热和强化结构体力学强度,以不断优化系统整体换热性能和结构强度,合理控制锂离子电池的温度,使电动汽车更具安全性和可靠性。     

锂离子电池电化学参数测试仪

介绍一种以单片机为控制核心的锂离子电池测试仪的设计思想、实现的功能、硬件电路的设计和测试软件的设计.     

基于动态内热源特性的车用锂离子动力电池温度场仿真及试验

针对电动汽车动力电池在充放电工作过程中由于热量聚集而导致的温度场非均匀性问题,采用数值仿真与试验相结合的方法,基于电池内阻温升特性,考虑耦合正负极耳的热影响,建立生热速率的时变内热源模型,获得更加精确的电池温度场分布及其动态变化规律,并深入进行温度一致性分析。以某车用锂离子动力电池为样本,对电池单体及模块分别进行温升计算和三维温度场分析及相应的测试试验。结果表明:同一充/放电倍率下,放电温升明显大于充电温升,且电池最大温差随着倍率的增大而增大;电池的温升是一个随时间先增大后恒定的非线性变化过程,且随着放电倍率的增大电池温升速率越大;电池模块温度场并非电池单体温度场的简单叠加,且在相同充放电倍率下电池模块的热一致性不如电池单体。     

电动车复合材料电池盒轻量化设计方法

为了减小电动汽车车体的质量,分析了电动汽车电池盒的承载特点,基于刚度等效的设计方法,采用复合材料替代金属材料。应用复合材料的叠层结构力学理论对电池盒体进行叠层结构构建,建立了力学方程和优化方程,确定了复合材料电池盒的结构参数。为了验证轻量化效果,运用理论解析和有限元数值分析相结合的方法,对比了金属材料和复合材料的刚度和形变,研究结果表明：采用复合材料利用刚度等效设计法是对电动汽车零部件进行轻量化设计的有效途径,也可为汽车板型零件承载结构的轻量化设计提供借鉴。     

锂电池极片辊压机刚度分析与结构优化

在锂电池极片加工过程中,由于其高能量密度要求与涂覆材料力学性能存在矛盾,故需要根据极片所需压缩比严格控制辊压力的大小,而实际中,轧辊特性使两辊之间窄缝距离的直接测定不容易,因此难以通过物理样机试验的方式直接得到生产过程中辊缝与辊压力之间的关系。针对该问题,简化了辊压过程中的物理量,建立了整机和极片变形的数学模型,利用数学模型间接得到整机辊压力与辊缝变化之间的定量关系。采用仿真驱动设计的方式,基于响应面法和多目标优化算法得到整机的设计优化结果。测试试验表明,简化的数学模型可以数字化地描述辊压机的工作情况,便于指导生产中控制极片的制造工艺参数,同时基于响应面的设计优化提高了辊压机的设计生产效率。     

基于机械振动信号的锂离子电池组连接故障诊断

为满足高电压大容量的实际应用场景和需求,锂离子电池组往往由成百上千的电池单体通过螺栓、焊接等方式串并联组成。电池组单体间的连接故障会导致接触电阻升高和连接处异常发热,严重影响电池组的性能和安全。提出一种基于机械振动信号的锂离子电池组连接故障诊断方法。利用压电陶瓷传感器实现电压信号和振动信号的相互转换,在每种故障模式下采集振动信号;基于稀疏测度指标和熵测度方法在频域和时域提取故障特征以描述锂离子电池组在不同连接故障模式下的故障特性;利用最大相关最小冗余算法降低高维特征空间的冗余度,选择出最重要的特征;在此基础上,建立基于差分进化算法优化的支持向量机诊断模型。结果表明,该方法诊断准确度为0.963,可以准确检测到锂离子电池组的连接故障并明确故障发生的位置。     

车用并联电池组不均衡电流建模与仿真分析

车用锂离子电池在实际使用过程中通常需要进行串并联以满足功率输出和能量存储的需求。然而电池间不一致带来的并联电池组内不均衡电流会影响电池组寿命和安全。建立一种N节单体电池并联的电池组等效电路模型。试验结果表明,此等效电路模型在稳态和动态工况均有较好的精度。此等效电路模型可以用于预测并联电池组内部的不均衡电流,分析不均衡电流的分配原理。仿真分析结果表明,容量和内阻的不一致性增加会带来并联电池组内部不均衡相对量I_Re和SOC_Re的增加。容量增加20%,I_Re增加17.0%,SOC_Re增加3.7%;内阻增加100%,I_Re增加18.2%,SOC_Re增加5.7%。     

基于分布式最小二乘法的锂离子电池建模及参数辨识

精确的锂离子电池模型对于电池状态的准确估计以及电动汽车整车的仿真、设计与优化具有至关重要的意义。然而,传统的递推最小二乘方法应用于电池这类多时间尺度系统时,会出现模型参数辨识精度低、建模效果差等问题。为此,以锂离子电池二阶RC等效电路模型为研究对象,提出一种基于分布式最小二乘的模型辨识参数方法。此方法根据电池不同时间尺度可以分离的特性,将电池模型细分为两个子模型分别进行辨识,避免了待估参数的相互干扰,因而能够取得更好的参数估计效果。试验结果表明,相比传统的递推最小二乘辨识方法,提出的方法在UDDS和FUDS工况下能够将平均绝对误差分别降低约50.00%和28.57%,均方根误差分别减小约46.43%和29.17%,验证了所提方法的有效性和可行性。     

基于数据驱动的电池系统泛化SOH估计方法

准确可靠的电池健康状态估计是保证锂离子电池安全运行的关键,同时为失效预警提供参考。提出一种适用于电池单体和电池组的健康状态估计通用方法。首先,提出基于局部充放电数据的电池单体高效健康因子提取方法,保证健康因子和容量的高相关性和实现健康因子的在线可获取性。其次,提出考虑电池组容量衰减和不一致性的特征生成策略,利用主成分分析获取融合特征,利用双时间尺度滤波和电池组等效电路模型拓宽特征提取方法的应用范围。然后,基于高斯过程回归算法框架,考虑健康因子和容量衰减的整体关系和局部变化提出改进的高斯核函数提高估计精度和可靠性。最后,利用多个试验数据集验证算法在不同应用条件下的泛化能力。估计结果表明,对恒流放电工况的电池单体估计误差小于1.28%,在动态变温条件下电池单体估计误差小于1.82%;串联电池组的验证结果表明在各种应用场景下估计误差均小于1.43%。提高了电池系统健康状态估计的精度以及在广泛应用场景下的适应性。