锂离子动力电池健康状态估计算法研究

动力电池作为电动汽车的能量载体，如何对其健康状态（State of Health, SOH）进行准确估计是电动汽车研究领域的重点和核心技术之一。对SOH的准确估计可以为驾驶者提供实时准确的电池健康状态，保障驾驶者的安全。本文主要针对锂离子电池SOH估计的问题做了如下几个方面的工作： 本文首先介绍了电动汽车的发展背景，明确了对电池SOH估计方法进行研究的意义，并且对影响电池SOH较大的因素进行了分析。文中总结了国内外对电池SOH估计方法研究的现状，并且比较分析了目前国际上比较认可的对电池SOH的定义方法。 然后，对12Ah锂离子电池进行电池健康状态评估实验和电池寿命实验。在电池健康状态评估实验中，研究了锂离子电池在不同温度和不同存储电压下的容量特性和内阻特性，并做了详细分析。在电池寿命实验中，通过大量的实验得到电池的各项数据，为之后估算电池的SOH提供基础数据。 随后，研究了基于电压曲线拟合法的电池SOH估计方法。在锂离子电池循环寿命实验得到的数据的基础上，归一化电池的电压曲线，并利用不同情况下容量比与电压值的关系验证归一化后的电压曲线的精度。之后从中选取基准曲线，利用BP神经网络算法进行曲线拟合并估算电池的SOH。通过分析误差及其分布情况发现电压曲线拟合法误差较大，还需继续进行优化。 最后，为了提高电池电池SOH估算的精度，采用自适应的方法对电压曲线拟合法进行改进。为了得到准确的基准电压曲线首先建立了电池的电压曲线模型，利用最小二乘法对模型中的参数进行了辨识。模型中含有一个修正项，通过修正项不断修正基准曲线，可以实时匹配实际情况下的电压曲线，提高估算精度。实验证明，自适应电压曲线拟合法在电池SOH估计中具有实时性好，可靠性高，精度高的特点。