电池管理系统里的电池健康评估和寿命预测

本文对锂离子电池的应用特性进行了总结,分析了电压、电流、温度三大参数对锂离子电池健康和寿命的影响,尤其是充电截止电压,化成电流和高温情况对电池容量的影响。以不同材料之间的比较试验为基础,重点分析了高充电截止电压,充电电流和高温对材料稳定结构的破坏,从而引发电池循环寿命降低的原理。最后基于电池使用中放电电流和环境温度应力为参数,进行了基于电压、电流、温度的锂离子电池循环寿命预计模型研究,得到锂离子电池循环寿命预计基础模型,为混合动力汽车锂电池3参数与寿命关联模型构建提供了重要的研究基础。     

基于电化学模型的车用锂离子电池安全快速充电算法CSCD

传统的快充方法可提升锂离子电池充电速度,但容易损害电池寿命,甚至造成安全问题。基于面向控制的锂离子电池电化学机理模型,提出了全新的快速充电算法。针对一款42Ah镍钴锰(NMC)三元锂离子电池,采用该算法进行了快速充电测试,讨论了开发策略中关键参数阈值电势、初始充电倍率的取值对算法效果的影响。结果表明:该方法实现了该款锂离子电池的安全快速充电,在保持电池不析锂情况下将电池充电速度提高了20.5%;算法中的阈值电势主要影响充电时间,而初始充电倍率影响负极过电势最低值。     

基于优化高斯过程回归算法的锂离子电池可用容量估算

为了解决应用数据驱动算法估算锂离子电池可用容量时存在的电池老化特征提取不准确、可用容量衰退趋势跟踪精度低及模型要求训练数据量大等问题,提出一种基于优化高斯过程回归算法的锂离子电池可用容量估算方法,实现锂离子电池强非线性全衰退过程可用容量精确估算。首先,提取电池表面平均温度、容量增量曲线峰值及峰值对应电压作为表征电池老化状态的健康因子,通过灰色关联度分析法和熵权值法对所选健康因子进行合理性评估;然后,用2个单一核函数构造高斯过程回归算法复合核函数,并利用鲸鱼优化算法完成复合核函数的参数寻优,基于优化后的高斯过程回归模型实现锂离子电池可用容量估算;最后,通过对比不同核参数寻优算法,证明鲸鱼优化算法在参数寻优方面的先进性,并通过与传统的高斯过程回归、支持向量机、径向基神经网络等机器学习算法进行可用容量估算对比,证明模型的有效性。研究结果表明:基于复合核函数和鲸鱼优化算法参数寻优可以有效改善高斯过程回归模型性能,所建立的优化高斯过程回归模型能够基于较少训练数据实现电池容量的精确估算,并能够有效追踪锂离子电池非线性长周期衰退趋势;对不同电池数据也具备较好的自适应能力,可用容量估算最大误差低于1.56%。     

基于PCA-Elman-PSO算法的动力电池低温充电优化

为研究低温下电动汽车电池的充电性能,通过在不同温度下对电池进行充放电试验,获取大量试验数据,分析低温环境下影响电池充电性能的因素。通过PCA算法对众多影响因素进行降维处理,得到主要的影响因素。建立PSO-Elman神经网络模型,用于估计锂离子电池低温充电能耗。基于此基础上,利用PSO算法对传统充电CC-CV充电方法进行优化,在达到充电截至电压前,采用粒子群优化算法得到最优充电曲线的近似值,将充电时的能量耗及充电所用时间作为优化目标构建粒子群优化算法的适应度函数,用粒子群优化算法进行迭代优化。仿真测试结果表明,优化后的充电策略能有效减少锂电池低温充电时间和能量消耗。     

融合经验老化模型和机理模型的电动汽车锂离子电池寿命预测方法研究

为提升实际应用中锂离子动力电池寿命预测精度，本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计，以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正，从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明，锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%，取得了良好的预测效果，丰富了锂离子动力电池寿命预测的方法。     

基于容量增量曲线与充电容量差的电池组微短路诊断方法

目前还没有一种有效的手段针对处于前期演化阶段的锂离子电池微短路进行检测，为此本文提出了一种基于电池充电容量增量（IC）曲线和充电容量差（DCC）变化规律的微短路故障诊断方法。首先确立锂电池短路故障与充电容量增量的关系，利用小波变换对IC曲线进行降噪，得出在不同电流倍率和温度下IC曲线最高峰（ICPV）与电池荷电状态（SOC）唯一对应。然后提出利用充电容量差DCC描述存在内短路的故障电池与正常电池的SOC差异，并据此得出锂电池微短路的量化方法。最后通过仿真分析与实验验证表明，在不同工况下循环测试均可获得电池微短路的量化信息，且诊断最大误差均小于8.12%。     

基于SOC-OCV优化曲线与EKF的锂离子电池荷电状态全局估计

SOC-OCV曲线是锂离子电池状态估计的基础.针对传统HPPC测试法在非测试点不能描述电池非线性特性和小电流恒流放电法得到的OCV曲线精度不足等问题,提出一种基于粒子群优化算法的OCV曲线优化方法.该方法将小电流恒流放电得到的OCV曲线进行平移,以平移曲线在测试点与HPPC测试得到的OCV值之间的误差和最小为优化目标,...     

一种基于Sepic-Zeta混合斩波电路的动力电池组双向高速均衡器研究

本文提出一种基于Sepic-Zeta混合斩波电路的动力电池组双向高速均衡器,该均衡器在电池组3种不同的工作状态下采用不同均衡拓扑电路和均衡控制策略。电池组充电状态下,均衡电路等效为Sepic斩波电路,选择电池组中能量最高的单体电池作为Sepic斩波电路的输入端进行均衡放电,均衡放电电流连续;电池组放电状态下,均衡电路等效为Zeta斩波电路,选择电池组中能量最低的单体电池作为Zeta斩波电路的输出端进行均衡充电,均衡充电电流连续;电池组静置状态下,选择电池组中能量差异性最大的单体电池进行均衡放电或均衡充电,其对应的等效电路为Sepic或Zeta斩波电路。该均衡器拓扑电路原理简单,均衡电路容易实现,均衡能量易控制,均衡电流连续、可控,因此均衡速度快、均衡效率高。最后,搭建锂离子电池实验平台进行电池组3种工作状态下的均衡实验,验证了该方案的可行性。     

电动汽车用锂离子电池组充电方法

提出了电池管理系统和充电机协调配合的一种新型充电模式,由电池管理系统根据电池的当前状态计算电池组的最大允许充电电流,并将该数据实时地传送到充电机,控制充电机改变充电策略和输出电流,实现优化充电.分析了影响电池充电电流的因素及其最大允许充电电流的计算方法.     

电动汽车用锂离子电池生热速率模型

首先在考虑锂离子电池极片中反应电流密度、活性物质浓度等参数空间差异的前提下,建立了电池热生成速率的数学模型。然后基于模型对锂离子电池在不同充放电电流和荷电状态(SOC)下的生热速率进行了仿真。结果表明:可逆热与非可逆热的生成速率均随充放电电流的增大而增大;SOC的变化主要影响可逆热的生成速率,对非可逆热的生成速率则无显著影响;锂离子电池在相同SOC和电流下进行充放电时,非可逆热的生成速率基本相等且均表现为放热,可逆热的生成速率也基本相同但分别表现为吸热和放热。最后在Arbin台架上测量了锂离子电池以不同电流进行恒流充电、恒流放电和循环交替充放电时电池温度的瞬变过程,并与相应工况下电池温度的仿真结果进行了对比。结果表明:所建立的生热速率模型能合理模拟锂离子电池温度的动态变化;锂离子电池持续进行充放电时可逆热对电池的温度变化有较大影响,尤其在电池充放电电流较小时更为明显,但锂离子电池在某一SOC附近交替充放电时可逆热对电池的温度变化则无明显影响。     

考虑电动公交在途特性的电池状态梯次划分

电动公交电池容量衰减造成里程焦虑增加、服务可靠性降低、电池资源浪费等问题。因此,评估和发现电动公交实际运营过程中影响电池健康状态的关键因素并划分电池状态尤为重要。基于电动公交长时间实际行驶过程中的充放电数据,结合安时积分法与最小二乘拟合建立电池容量估计模型,并据此计算各充放电片段的电池健康状态。进一步考虑电动公交在途特性,从电池组充放电属性、车辆行驶工况、公交营运状态3个角度提取可能影响电池健康状态的相关因素,并采用因子分析法将影响因素组合为12个影响因子,使用随机森林回归构建电池健康状态预测模型,从而根据预测结果的准确性反推获得各影响因子的重要度。最后考虑不同影响因素的重要度,利用加权聚类算法梯次划分电动公交电池健康状态为4个类别,下降梯度分别为-0.013 6、-0.011 9、-0.003 4、-0.002 8,并通过对比研究发现了同一条线路不同梯次的车辆电池组在放电深度、速度标准差、最大加速度和刹车次数等影响因素上的差异。研究结果表明:车辆荷载、电池电流释放情况、车辆行驶中速度的变化、电池的使用时间、线路拥挤状况以及电池充电深度大小对于电池健康状态的影响程度较大,而在公交营运状态相同条件下,驾驶人的行为对电池健康状态衰减程度有着较大影响。     

电动汽车锂离子电池脉冲加热技术研究进展EI北大核心CSCD

低温环境下,电动汽车锂离子电池存在可用容量降低、充电困难和循环寿命衰减等问题,严重制约了锂离子电池的应用,因此,确保锂离子电池在合适的温度范围内运行至关重要。电池脉冲加热技术具有加热速率快、温度均匀性好和系统结构简单等优势,是解决锂离子电池低温应用难题的有效手段。本文中从脉冲加热方案、脉冲控制参数和脉冲加热策略3个方面对脉冲加热技术的研究进展进行了综述。首先,介绍现有脉冲加热方案优劣势,其次,总结不同脉冲控制参数下锂离子电池的温升和容量衰减特性,最后,对比不同脉冲加热策略对锂离子电池低温性能的影响,指出脉冲加热技术未来发展的方向。     

基于剩余充电电量的锂离子电池组容量快速估计方法

针对传统锂离子电池组容量确定方法存在的效率低、能耗高且只能离线应用等问题,提出一种基于电池剩余充电电量的锂离子电池组容量快速估计方法。首先,基于充电电压曲线一致性原理,以电池组内率先充电至充电截止电压的电池单体电压曲线为基准,通过电压曲线的平移缩放与线性插值计算出各单体电池的剩余充电电量与剩余充电时间,从而实现各单体电池的荷电状态(State of Charge, SOC)在线估计,在此基础上实现电池组容量的快速估计。其次,在电池单体模型的基础上建立电池组的仿真模型,并在全SOC区域上对模型参数进行分段辨识。通过所建立的仿真模型得到电池组的充放电曲线,并对电池组容量进行估计。最后,对4个单体串联而成的电池组进行充电试验。研究结果表明:仿真容量与估计容量误差为1.2%以内,验证了所提出的容量快速估计算法的有效性;利用所提方法估计出电池组容量与试验得到的电池组容量的误差为2.61%;该方法根据电池充电曲线的平移与缩放即可在线估计出电池组容量,可应用于新电池组容量的在线快速估计,能在保证3%估计误差的基础上将检测效率提高到传统方法的2倍以上。     

基于容量增量特性的锂离子电池健康状态诊断与安全预警策略研究

近年来,新能源汽车着火事故时有发生,锂离子电池的性能与安全问题受到社会的广泛关注。针对由电池老化带来的电池故障,本文开展了锂离子电池健康状态诊断和安全预警策略研究。基于容量增量分析法,分别评估了磷酸铁锂电池和三元电池老化过程中健康状态的变化规律并量化分析了电池老化机制。面对电池健康状态不一致和容量跳水两个问题,分别提出了基于离群点检测的安全预警方法和基于老化机制分析的电池容量跳水识别方法,保障了电池组的使用安全。     

基于ANFIS的动力电池充电温升预测研究

对某锂离子动力电池进行了试验研究,以分析充电倍率、初始荷电状态和环境温度对锂离子动力电池充电温升的影响,并根据获得的试验数据,建立了基于自适应神经模糊推理系统的电池充电温升预测模型。该模型以充电倍率、初始荷电状态和环境温度作为输入,以充电温升作为输出,对试验数据进行训练后,即可准确预估电池在不同充电条件下的充电温升情况。该方案无须用数学模型准确描述各影响因素与充电温升之间的复杂关系,易于实现,可移植到电池管理系统平台上,以实现充电过程中温度的有效预测和管理。     

三元锂电池荷电状态估计的传感器误差影响CSCD

锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声对SOC估计的影响。结果表明:电压、电流传感器的漂移与SOC估计误差的均值近似呈线性关系,电压、电流传感器存在的白噪声对SOC估计误差的均值无影响;对于实验中的三元锂离子电池,若使SOC估计精度在5%以内,电压的偏差值应控制在10 m V以内、电流偏差值应在1/30 C以内。     

飞思卡尔推出智能电池传感器

飞思卡尔日前推出了MM912J637智能电池传感器（IBS），它能准确地测量铅酸电池的电压、电流和温度并计算出电池的状态，而且即便在恶劣的行车状态下也可完成。随着混合动力车的出现和汽车整体电子内容的增加。以及启停系统的推出，能够准确地评估这些电池参数正在变得越来越重要。     

基于SX5256DH434PHEV型混合动力重型环卫车的电池管理系统浅谈

在全球能源危机的情况下,随着国际碳排放出口协定的实施,绿色清洁汽车已经成为发达国家当前汽车技术的发展方向,发达国家多数把锂离子电池作为EV、HEV、PHEV的新能源。由于汽车的复杂工况和锂离子电池电化学特性,一般需要完善的电池管理系统BMS(BATTERY MANAGEMENT SYSTEM),其作用是对锂离子电池电压、电流、温度、容量、电池的SOC荷电状态计量、电池与车体的绝缘状态等多种电池参数以CAN通讯的方式与车控电脑实时进行信息交换,确保电池的能量发挥到极致,使驾驶者能够随时掌握电池的工作状态,以保证电池的安全。BMS不仅是数字化智能电池系统的中枢神经,也是新能源汽车必不可少的关键部件。     

车用锂离子电池热管理研究进展

为寻找合适的电池热管理系统对电池进行温度控制,降低车用锂离子电池热失控风险,基于文献挖掘,在明确了锂离子电池热管理研究出发点的基础上,对目前锂离子电池热管理技术进行综述。阐述了车用电池空冷、液冷、热管冷却、相变冷却和复合冷却方式研究现状和进展,总结了不同冷却方式的优缺点,进而提出动力锂离子电池热管理技术未来的发展方向。空气冷却和液体冷却技术虽使用较多,但控温效果较差;热管冷却和相变冷却技术虽控温效果较好,但结构复杂,成本较高。复合冷却技术将主动冷却与被动冷却结合,有效降低峰值温度的同时也提高了电池包温度的一致性,可满足不同工况的需求,应用前景较好。     

基于随机加权自适应容积卡尔曼的电池SOC估计

准确估计锂离子电池荷电状态（SOC）对于突破电动汽车发展瓶颈，推动电动汽车商业化至关重要。针对动力电池模型参数辨识问题，提出基于遗忘因子的递推最小二乘法（FRLS）的模型参数在线识别方法。实时测量动力电池电流和电压数据，在线辨识模型参数并实时更新，实时反映电池内部参数的变化过程，对电池动态特性进行实时模拟。针对容积卡尔曼（CKF）滤波过程中对噪声敏感的问题，提出一种基于随机加权思想的自适应容积卡尔曼滤波（ARWCKF）方法。相比于常规CKF容积点权值始终不变，通过引入随机加权因子，自适应调整容积点权值并对系统噪声、状态向量及观测向量进行预测，抑制系统噪声对状态估计的干扰，避免因容积点权重值固定所带来的误差。针对CKF算法在容积点计算过程中由于状态方差矩阵失去正定性导致的平方根分解无法使用的问题，提出基于奇异值分解的容积点计算方法，克服由于先验协方差矩阵负定性变化而导致的滤波精度下降等问题，并进行多种工况、温度下不同SOC初值的对比验证。结果表明：所提出的基于遗忘因子的递推最小二乘法的在线参数辨识及ARWCKF滤波方法具备良好的估计精度及收敛能力，最大电压估计误差不超过40 mV，SOC估计误差不超过1%。