动力电池循环寿命预测方法研究

以某锰酸锂锂离子动力电池为例,研究了利用性能退化数据进行动力电池寿命预测的方法.研究发现该电池容量基本符合幂函数的衰退轨迹,利用该衰退模型外推了电池伪失效寿命;对伪失效寿命的分布进行了研究,结果威布尔分布的拟合效果最好,基于威布尔寿命分布对该电池的可靠性进行了评估.分析了用于寿命预测的实际循环数据的多少对预测精度的影响.该寿命模型和可靠性评定方法具有较高的精度,解决了动力电池寿命评估周期长和成本高的问题.     

磷酸铁锂动力电池日历寿命加速测试与拟合

以磷酸铁锂系锂离子动力电池为例,利用性能衰减数据进行了动力电池寿命衰减模型的推导和寿命加速测试与评估方法的研究。研究发现该电池容量衰减符合1/2次方的衰减变化规律,利用该衰退模型建立寿命加速预测方法,根据电池在不同温度下的衰减速度,得出电池寿命随温度衰减模型,从而可以通过检测高温下的日历寿命并结合模型,推算出动力电池的实际日历寿命,可以解决动力电池寿命评估周期长和成本高的问题。     

锂离子电池日历寿命研究进展

综述了锂离子动力电池日历寿命的研究进展,通过对电池寿命影响因素的研究,总结了电池的日历寿命预测方法主要分为两类:数据推断的方法和建立模型的方法。电池的老化过程是一个极其复杂的过程,对于其寿命的预测不仅需要有关电池的经验数值、数据积累,还要根据电池的老化机理建立模型来预测才更为准确。电池的日历寿命预测对进一步指导电池维护,延长电池使用寿命,降低电池使用风险都具有重要的意义。     

锂离子电池剩余寿命预测方法综述

准确预测锂离子电池的剩余寿命对提高设备的安全性和降低设备的维护成本具有重要意义.针对锂离子电池剩余寿命预测方法的研究现状进行分析,归纳总结了基于模型的方法、基于数据驱动的方法和基于融合的方法,对比分析了不同方法的优缺点.然后总结归纳了锂离子电池剩余寿命预测在实际应用中常见的两个问题,最后分析了未来的发展趋势和挑战.     

基于凸优化-寿命参数退化机理模型的锂离子电池剩余使用寿命预测

针对锂离子电池寿命预测中模型普适性差、预测精度不足等问题,提出一种基于凸优化-寿命参数退化机理模型的锂离子电池剩余使用寿命RUL预测方法。首先构造锂离子电池实际容量与其循环周期的退化机理模型。对锂离子电池寿命试验数据进行凸优化降噪处理;基于预处理得到的可靠性较高的数据,采用最小二乘法对所建机理模型的参数进行辨识,从而得到精确的模型表达式,实现锂离子电池RUL的预测。基于NASA锂离子电池数据集预测并评估锂离子电池的RUL,预测结果验证了模型良好的通用性,误差范围为4%左右。     

基于双非线性预测滤波法的锂离子电池SOH估计

动力电池的健康状态(SOH)估计是电动汽车电池管理系统的关键技术之一。提出了一种基于双非线性预测滤波法的锂离子电池SOH估计方法。基于Thevenin等效电路模型来表达电池的性能,基于双非线性预测滤波法对电池的容量和内阻进行估计从而实现SOH的在线估计,基于磷酸铁锂电池的循环寿命测试对提出的方法进行验证,结果表明,基于双非线性预测滤波法的SOH估计方法能够在电池的整个生命周期内实现SOH的精确预测。     

锂离子电池剩余寿命预测研究

准确的锂离子电池剩余寿命预测对其安全有效管理及使用维护具有重要意义。针对锂离子电池寿命预测的研究现状进行分析,归纳总结了锂离子电池寿命建模思路。重点研究了近年来用于剩余寿命预测的技术、算法和模型,并分别比较了各类预测方法的优缺点,给出了锂离子电池剩余寿命预测亟待解决的问题及发展趋势。     

基于粒子滤波的锂离子电池剩余寿命预测

在各种各样的装置与设备中,锂离子电池剩余寿命(remaining useful life,RUL)的准确预测起着重要作用,越来越多的研究人员开始重视对锂离子电池可靠性和安全性预测的研究。粒子滤波(particle filter,PF)方法一般用于模型结构已知或者可以获得模型的情况下,来估计和预测时间序列。改进已有的锂离子电池容量经验指数衰退模型,降低了状态方程参数估计的个数。实验比较了基于PF方法,原指数经验模型及改进经验模型的锂离子电池剩余寿命预测的精度,其结果显示改进后的模型提高了预测精度,降低了误差率,并且缩小了不确定性范围。     

基于BiGRU网络的锂电池寿命预测

锂离子电池寿命预测是电池健康管理的一项重要内容,针对锂离子电池使用寿命预测难和单向LSTM神经网络不能充分利用数据信息等问题,提出了一种基于BiGRU的神经网络模型并将电池容量数据作为关键因子的锂离子电池循环寿命预测方法.BiGRU的神经网络预测精度更高,且训练参数较少,验证了BiGRU模型的有效性.     

基于最优权阈值ELM算法的锂离子电池RUL预测

针对锂离子电池剩余使用寿命RUL(remaining useful life)预测结果不准确及极限学习机ELM(extreme learning machine)权阈值随机选取等问题,提出利用ELM模型间接预测锂离子电池RUL的方法 ,并利用遗传蚂蚁算法GAAA(genetic algorithm ant algorithm)选取ELM的最优权值与阈值,建立基于等压降放电时间间接寿命特征参数的最优GAAA-ELM锂离子电池RUL预测模型。基于NASA锂离子电池数据集预测和评估锂离子电池的RUL,并与BP模型预测方法、ELM模型预测方法和GA-ELM模型预测方法相比较,结果表明该方法能够更准确有效地实现锂离子电池RUL预测。     

电动汽车用动力锂离子电池寿命问题研究综述

动力电池作为电动汽车关键零部件之一,对其寿命问题的研究成为一个关键点。对动力锂离子电池的寿命研究进行综述,重点阐述了电池性能衰减机理及其影响因素、电池寿命测试方法、电池寿命预测建模及电池寿命状态在线估计等方面的研究成果,并提出了未来该领域需要解决的问题。     

锂离子动力电池寿命预测的研究进展

近些年来,锂离子电池作为一种新型能源,其寿命研究成为了各个领域关注的重点问题.对锂离子电池寿命的影响因素、电池健康状态(SOH)估计进行了研究,总结了国内外近几年来电池寿命预测的方法,并对其中基于性能的研究方法(粒子滤波算法、基于粒子滤波算法的改进算法和多种模型相结合的融合算法等)进行了分析和比较,以此为基础,找出了电...     

电动汽车动力锂离子电池寿命预测方法研究

对动力锂离子电池寿命预测的相关研究进展进行了综述。介绍了锂离子电池健康状态(SOH)衰减的机理和影响锂离子电池使用寿命的主要因素。重点介绍了动力锂离子电池寿命预测的方法,包括基于电池容量衰减的寿命预测模型、电池的健康状态估算和电池的加速寿命实验。展望了动力锂离子电池寿命预测方法在电池测试和产品开发方面的应用前景。     

基于改进集成经验模态分解和高斯过程回归的锂离子电池剩余容量及寿命预测方法

锂离子电池在储能电站中为消纳可再生能源作出了重要贡献,其运行的稳定性和可靠性受到了研究人员的持续关注。为了解决锂离子电池容量及剩余寿命的预测和抑制测量过程中因各种外界因素引起的噪声,提出了一种基于改进的集成经验模态分解MEEMD(modified ensemble empirical mode decomposition)去噪和经贝叶斯优化的高斯过程回归BO-GPR(gaussian process regression optimized by Bayesian optimization algorithm)的锂离子电池容量及剩余寿命预测方法。首先,利用MEEMD方法识别并去除原始测量数据中的噪声分量。然后,利用BO-GPR方法预测锂离子电池容量及剩余寿命,其中贝叶斯优化方法对高斯过程回归的部分超参数进行了进一步寻优。文章基于美国国家航空航天局研究中心提供的锂离子电池测量数据进行了预测实验,结果表明,该方法能够有效去除噪声信号,选取的协方差函数和超参数组合达成的预测效果优于初始GPR模型,证明了其有效性。     

基于外部观测温度预测锂电池电极温度的研究

实际应用中,电池箱由于空间体积限制,电池箱内传感器数量少且不方便布置,通过少量温度传感器来准确预测电池温度显得尤其重要。基于锂离子动力电池充放电的热平衡过程和能量守恒定律,并根据冷却液与电池箱内壁的外部观测温度,提出了锂离子动力电池温度场物理热模型。将模型进行有限差分法变换,并用最小二乘法辨识出模型中的未知参数。仿真实验结果表明,该模型具有精度高、运算成本极低的优点,能在线实时准确预测锂电池表面电极处的温度。     

锂离子电池寿命预测国外研究现状综述

寿命预测是锂离子电池健康管理的重要方面。分类综述了国外近十年来的电池寿命预测方法,并对其中"基于性能"的方法进行了重点分析;指出充分利用电池机理模型和老化机理分析、挖掘更多电池深层次寿命特征是未来电池寿命预测的发展方向。     

混动车用氢镍动力电池欧姆内阻估算方法研究

为解决动力电池欧姆内阻在线测量问题,实现动力电池健康状态监测及寿命预测,建立了氢镍动力电池二阶RC等效电路模型,提出了一种基于最小二乘法的混合动力车用氢镍动力电池欧姆内阻在线估算方法;通过台架试验及路试试验验证得出该在线估算方法的可行性,相对于现有的离线估算方法具有实用性与优越性。     

一种新型电动汽车电池模组健康状态诊断方法

锂离子电池的健康诊断技术是电池安全的重要保障。尽管针对电池单体的健康状态(SOH)诊断和电池剩余寿命(RUL)预测技术已经比较成熟,锂离子电池模组特别是电池汽车动力电池模组的健康诊断受环境因素、不规则循环及不一致性的制约,很少被报道及大规模应用。以整车实际运行工况下的动力电池模组作为研究对象,利用小波变换多分辨率分析的功能,提出了基于小波变换与统计方法的模组健康状态诊断方法,提供纵向模组老化信息及单体间不一致信息,对提高电池系统稳定性和安全性,减少维护成本具有积极的意义。     

电池管理系统算法综述

锂离子电池由于其高能量密度和使用寿命长等优点成为储能的首选,锂离子电池系统的安全运行、状态估算、剩余寿命预测都由电池管理系统(BMS)管理,故BMS对电池系统的使用和稳定至关重要.主要关注以动力电池为代表的电池系统,综述了数据驱动方法的各种算法在BMS系统的应用.概述了BMS电模型的电化学模型、等效电路模型、数据驱动模型的特点,热建模的电模型、热模型、热-电耦合、热-电化学耦合模型的应用范畴.介绍了卡尔曼滤波、神经网络、向量机在SOC估计的应用,粒子群算法、HI-DD-AdaBoost.RT(不等式漂移检测自适应增强学习/阈值回归算法)、卡尔曼滤波在SOH估计的应用剩余寿命预测方面,介绍了经验预测、滤波预测、时间序列预测法.     

基于贝叶斯理论的新能源锂离子电池剩余寿命预测方法

针对锂离子电池健康因子衰退指标预测不佳,影响电池有效更换的问题,设计基于贝叶斯理论的新能源锂离子电池剩余寿命预测方法。提取新能源锂离子电池的衰退特征,并分析电池衰退变化;通过贝叶斯理论确定电池剩余寿命先验分布,提高电池剩余寿命预测的置信度;根据先验分布结果,构建锂离子电池剩余寿命预测模型,对电池寿命期望函数进行分析,进而实现新能源锂离子电池的有效利用。采用对比实验的形式,验证了该预测方法新能源锂离子电池剩余寿命预测效果更佳,可以应用于实际生活中。