锂离子电池寿命测试与健康状态估计
锂离子电池寿命测试与健康状态估计
随着能源危机与环境危机的日益加剧,新能源汽车受到了越来越多的关注和发展。锂电池作为目前主流新能源汽车的动力源,也成为了热门的研究课题。健康状态的精确估计对于锂离子电池的荷电状态估计、剩余行驶里程估计、可靠运行和安全维护都至关重要。如何建立工程上易实现、估算精度高的电池SOH估算模型是一个关键的问题。本文首先通过对影响锂离子电池老化关键因素的分析,设计并实现了完整的锂离子电池加速老化对比测试。然后,建立了锂离子电池等效电路模型,并设计了考虑多维度老化信息的锂离子电池健康状态估计算法。最后,基于锂离子电池的老化测试数据对健康状态估计算法进行了验证。本文模型建立相对简单,工程上易于实现,模型建立依赖于实际测试的大量数据,可实现高精度估算。本文的主要研究内容如下:基于对锂离子电池老化机理的理解与分析,提取出了影响锂离子电池老化的关键运行条件因素;设计并完成了针对关键老化影响因素的锂离子电池加速老化测试,积累了充足的实际老化测试数据。同时本文也充分考虑了电池内阻受温度、电流和荷电状态的影响,在设计HPPC(Hybrid Pulse Power Characteristic)测试时加入了不同温度的测试,使加速老化测试更接近实际使用情形。基于已有的常用锂离子电池老化表征参数,结合了容量与内阻参数来共同表征锂离子电池的老化状态;对比了已有不同的锂离子电池健康状态估计方法的优缺点,选择结合了等效电路模型和神经网络模型的方法估计锂离子电池健康状态,并采用了日历老化模型对估计结果进行修正。其中,对比了不同等效电路模型的优缺点,选择了DP(Dual Polarization)模型用于锂电池健康状态估计。为克服一般数据驱动模型只能进行开环估计的缺点,本文采用实时采集的电压电流计算欧姆内阻并用于健康状态估计结果的修正,提高了估计精度;深入研究了电池的充放电循环曲线与锂离子电池健康状态之间的非线性关系,并基于放电曲线数据建立了神经网络模型,用于估算电池的健康状态;建立了不同温度、不同荷电状态下的锂离子电池日历老化三维数表,用于估计日历老化引起的电池健康状态衰退。将神经网络模型和日历寿命模型作为等效电路模型的补充,用于修正锂离子电池健康状态估计的结果。基于MATLAB/Simulink软件,建立了完整的锂离子电池老化状态估计模型,并采用积累的实际锂离子电池加速老化测试数据进行了全面验证。
硕士论文
相关知识
锂离子电池寿命测试与健康状态估计
锂离子电池荷电状态估计及寿命预测方法研究
锂离子电池健康状态估计方法
基于新健康因子的锂电池健康状态估计和剩余寿命预测
电动汽车锂离子电池健康状态估计及容量衰退预测
动态工况下锂离子动力电池荷电状态估计和健康状态预测
锂离子电池安全状态评估研究进展
锂电池健康状态如何影响电池寿命
=退役锂离子电池健康状态评估方法【钜大锂电】
多类型锂离子电池组管理系统的健康状态和剩余寿命预测方法.pdf
网址: 锂离子电池寿命测试与健康状态估计 https://m.trfsz.com/newsview1388226.html
