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。     

电动汽车V2G接入电网对电网负荷的影响分析

随着电动汽车的大规模普及以及智能电网的应用,未来将会有大量电动汽车通过V2G （vehi-cle-to-grid）接入电网,电动汽车充电将会给电网负荷带来巨大的挑战。分析了电动汽车V2G接入电网的影响因素,建立了基于蒙特卡洛模拟的电动汽车充电负荷计算方法。通过分别建立随机充电和V2G充电2个模型,对比在不同的电动汽车渗透率下的电网充电负荷,得出V2G可控充电对于平衡电网高峰负荷以及利用低谷电力有着积极作用的结论。     

不同温度下磷酸铁锂电池内阻特性实验研究

以电动汽车用能量型磷酸铁锂动力电池为研究对象,通过不同温度(-20~40℃)下的电池充放电实验和混合脉冲功率特性法(HPPC)测量电池内阻,研究了环境温度和荷电状态(SOC)对电池充放电欧姆内阻、极化内阻和总电阻的影响。结果表明:随着温度降低,充放电欧姆内阻和极化内阻均增加,但欧姆内阻的变化率大于极化内阻;欧姆内阻是电池内阻的主要组成部分,对温度的敏感性比极化内阻更高;随着温度降低,欧姆内阻增加的变化率逐渐增大;在某一固定温度下,极化内阻比欧姆内阻受SOC的影响更大;SOC在0.2~0.8范围内,电池充放电内阻基本稳定,动力电池的荷电状态应控制在此区间内,以获得良好的功率特性。     

基于多物理场耦合模型的车用PEMFC仿真研究

运用COMSOL软件建立了基于多物理场耦合模型的燃料电池仿真模型。基于多物理场耦合模型分析了燃料电池内部的流场和压力分布情况。研究了阳极和阴极内反应气体的浓度变化情况。分析了膜电极(MEA)内电流分布与反应气体浓度的关系。研究了燃料电池内部温度场和热流的分布情况。通过仿真研究加深了对燃料电池各个物理过程的理解,为优化燃料电池设计提供了参考。     

基于SIMULINK／FIRE的PEMFC系统联合仿真

针对PEMFC三维动态数值仿真,结合SIMULINK和FIRE各自的功能,利用SIMULINK的S-函数及FIRE的USERFUNCTION开发了两者的接口,通过共享数据文件的方式实现了SIMULINK和FIRE之间的数据同步通讯,初步建立了PEMFC系统的空间三维动态联合仿真平台。并以单流道PEMFC三维数值模拟为例,在质量守恒的意义下用数值算例验证了联合仿真动态计算的有效性。     

复合喷射汽油机冷起动首循环颗粒物数量排放与失火控制

基于复合进气道喷射与缸内直喷两套喷射系统的汽油机,使用进气道喷射(PFI)、缸内直喷(GDI)及复合喷射(PDI)方式,研究不同喷射模式对汽油机冷起动首循环及前10循环的燃烧以及颗粒物数量排放的影响.研究结果表明:复合喷射可大幅降低直喷发动机冷起动首循环颗粒物数量排放;基于离子电流缸内诊断技术可实现冷起动首循环失火诊断与补火控制,避免失火,失火循环补火再燃后的颗粒物数量排放与GDI模式冷起动基本相同,但可避免HC排放恶化.     

多次喷射改善柴油机噪声及污染物排放的试验研究

为研究多次喷射对柴油机噪声及排放特性的影响,针对一台电控共轨重型柴油机建立了试验测控系统,确定了噪声影响的评价指标.在不同的预喷射和后喷射条件下对燃烧噪声及NOx和PM排放的影响进行了试验.试验结果表明:对于标定点和B50点,预喷射的引入都改善了柴油机燃烧噪声;对于B50点,存在一个最佳预喷射方案,可以在改善NOx排放水平的同时不恶化PM排放;同样,存在一个最佳后喷射方案,在对NOx排放影响较小的同时极大地改善了PM的排放,但是燃油消耗率、排温稍有升高.     

非食用源生物柴油喷雾特性的试验研究

采用高速摄影在基于高背压、大可视化场的定容弹(CVB)中研究了不同掺混比生物柴油的喷雾特性,并与柴油进行了对比。试验发现,随掺混燃料中生物柴油比例的增加,喷雾贯穿距增大,喷雾锥角减小,喷雾前端面速度增大。在0.05~0.475S时段的喷雾锥角对喷雾变化起重要作用,其中0.475S一般对应最终稳定的喷雾锥角。不同掺混比的生物柴油,在喷射后0.8 ms时,喷雾贯穿距开始出现较为明显的区分。     

提高柴油机高压共轨系统高压泵泵油能力的研究

以成熟的柴油机高压共轨系统ECD-U2为模型,利用Hydsim软件进行模拟计算,分析并预测了共轨系统高压泵中柱塞直径、泵腔余隙容积、柱塞最大升程以及凸轮型线等主要结构参数对泵油能力及泄漏量的影响,为进一步提高共轨系统供油压力提出可行的方案。     

Comparison of data-driven lithium battery state of health estimation methods

回顾了人工神经网络、支持向量回归、高斯过程回归三种主流数据驱动方法在动力电池健康状态（stateof health,SOH）估算方面的研究进展。人工神经网络适合模拟动力电池,能达到很高的精度;支持向量回归计算量小,理论基础完善,在动力电池SOH估算研究中应用广泛;高斯过程回归精度高并能给出预测结果的置信区间,近年相关文献数量呈现增长趋势。针对现行SOH定义未能反映锂电池额定电压衰退的弊端,提出了利用电池满充能量定义SOH。进而分别建立了BP神经网络、支持向量回归、高斯过程回归模型,利用新能源汽车大数据,对电池充电能量进行了预测,定量对比结果验证了三种方法在计算量和精确度方面的特点。最后展望了数据驱动方法与新能源汽车大数据在动力电池SOH估算研究方面的应用前景。