基于衰退机理的三元锂离子电池SOH的诊断与估算

被引:19
作者
王振新
秦鹏
康健强
王菁
朱国荣
向馗
机构
[1] 武汉理工大学现代汽车零部件技术湖北省重点实验室
关键词
锂离子电池; 健康状态; 电池管理系统; 容量增量;
D O I
10.19651/j.cnki.emt.2004084
中图分类号
TM912 [蓄电池];
学科分类号
080802 [电力系统及其自动化];
摘要
电池的健康状态(SOH)是衡量电池衰退程度的重要参数,电池管理系统(BMS)必须实时监测电池的衰退情况并准确估算SOH。现有的BMS尚未实现SOH的诊断,且SOH估算方法未与电池实际的衰退过程建立联系。针对这些问题,首先,提出了一种基于容量增量(IC)和微分电压(DV)曲线的锂离子电池SOH诊断方法,并对三元锂离子电池的衰退模式进行辨识和量化,结果为:活性物质损失(13.6%)、锂离子损失(7%)、电导率损失(1.2%);其次,从衰退机理出发,基于IC曲线和BP神经网络,建立SOH估算模型,实现了更加合理和精确的估算,容量估算误差小于10 mAh,SOH估算误差稳定在2%以内。该研究为SOH的诊断和估算在BMS中的结合应用提供了依据,通过制定相应的管理策略有利于延长锂离子电池的使用寿命。
引用
收藏
页码:7 / 13
页数:7
相关论文
共 15 条
[1]
基于AMEsim的锂电池健康状态估计模型实验研究 [J].
孙俏 ;
张晓宇 .
电子测量技术, 2019, 42 (09) :102-106
[2]
联合精确估算电池的健康状态 [J].
夏克刚 ;
钱祥忠 ;
余懿衡 ;
杨光辉 ;
张佳瑶 .
电子测量技术, 2019, 42 (03) :25-30
[3]
锂电池组健康状态计算方法综述 [J].
姚芳 ;
田家益 ;
黄凯 .
电源技术, 2018, 42 (01) :135-138
[4]
基于滑动窗自适应滤波的锂电池SOC/SOH联合估计 [J].
汪秋婷 ;
姜银珠 ;
陆赟豪 .
电源技术, 2017, 41 (01) :17-20+172
[5]
锂离子电池三元正极材料的研究进展 [J].
邹邦坤 ;
丁楚雄 ;
陈春华 .
中国科学:化学, 2014, 44 (07) :1104-1115
[6]
基于数据驱动方法的锂离子电池健康状态估计 [D]. 
孙猛猛 .
昆明理工大学,
2018
[7]
基于IC曲线特征参数的锂离子电池SOH估计及DSP实现 [D]. 
张昊 .
北京交通大学,
2018
[8]
锂离子电池多物理模型参数辨识及健康特征提取 [D]. 
张立强 .
哈尔滨工业大学,
2015
[9]
Design and implementation of a battery management system with active charge balance based on the SOC and SOH online estimation.[J].Hongbin Ren;Yuzhuang Zhao;Sizhong Chen;Taipeng Wang.Energy.2019,
[10]
Incremental capacity analysis and differential voltage analysis based state of charge and capacity estimation for lithium-ion batteries.[J].Linfeng Zheng;Jianguo Zhu;Dylan Dah-Chuan Lu;Guoxiu Wang;Tingting He.Energy.2018,