锂离子电池荷电状态及健康状态估计研究

在环境污染和能源危机的背景下,大力发展新能源电动汽车已成为解决相关问题的有效措施之一,高性能的锂离子电池作为电动汽车的主要动力源,也受到了广泛的研究和开发。本文针对一款NCM811/石墨软包电池,在实验特性分析、模型及参数辨识、荷电状态(SOC)和健康状态(SOH)在线联合估计、SOH离线估计等方面进行了研究与分析。主要研究内容和成果如下:首先,开展了锂离子电池性能实验测试,分析了电池的主要性能指标和影响因素,在不同温度下进行了开路电压测试、容量测试、内阻测试及老化循环测试。得到了电池各个参数随温度及SOC的变化曲线,以及电池老化过程中的容量衰减曲线,掌握了电池的工作特性。其次,分析了常用的电池模型,考虑模型精度和计算复杂度选择戴维宁等效电路模型建立数学模型。基于电池放电数据对模型进行参数辨识,得到了模型参数随温度及SOC的变化曲线。再次,介绍了扩展卡尔曼滤波算法的基本原理,提出了基于多时间尺度的双扩展卡尔曼滤波算法实现SOC及SOH联合估计,其中SOC估计采用微观尺度,SOH估计采用宏观尺度,大大减小算法的计算量。在不同温度的1C和0.33C恒流放电工况和动态工况下对算法进行了验证,SOC估计误差保持在3%以内,容量估计误差保持在1Ah以内。并在初始状态存在偏差的情况下分析了算法的性能,验证了算法的鲁棒性。最后,根据容量增量分析法研究了电池老化的衰减机理,从电池的容量增量曲线中提取出了能够表征电池衰减状态的特征因子,提出了一种基于高斯过程回归的SOH离线估计算法,以IC曲线中的特征因子作为模型的输入,电池最大可用容量作为模型的输出,并结合大量的电池历史运行数据对模型进行训练,在不同温度下对算法进行验证,不同训练情况下容量估计误差均能够保持在1.5%以内。重新选取Ⅱ型电池进行验证,实验结果表明该模型在容量非线性衰减电池上同样具有普遍适用性。