首页  资讯  会展  采购  配套  出口  三资  供应商入口  网站地图

 当前位置:资讯 > 新技术 > 新能源

新能源

天津大学程泽教授团队:基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法

时间:2022-04-09 来源:中国汽车工程学会  作者:管理员
研究背景
锂离子电池具有自放电小、能量密度高、循环寿命长等优点,在电动汽车领域受到广泛重视。为保障电池的安全和最佳使用,电池管理系统中荷电状态 (SOC) 、健康状态 (SOH) 和剩余使用寿命 (RUL) 的准确估计尤为重要。但目前的相关研究普遍存在以下两个问题 :
(1) SOC、SOH 和 RUL 三者之间存在着耦合和步骤重叠的问题,单独估计不能保证精度,同时也增加了计算量;
(2) 电池参数、SOH和RUL随时间变化缓慢,而SOC随时间变化迅速,因此使用相同的时间尺度不能得到准确可靠的估计值,且大大增加了控制系统的计算量,降低稳定性。
研究内容
1. 在线参数辨识和健康特征提取:
(1) 为平衡计算量和精度,为锂离子电池建立一阶戴维南等效电路模型。

 图1 戴维南等效电路模型
(2) 考虑到模型参数随电池老化而变化,模型参数需在线更新以提高状态估计精度,采用最小二乘辨识电池阻容参数。

 图2 Cell1标准化阻容参数和SOH的变化趋势
(3) 选取与SOH相关性最高的内阻R作为健康特征 (HF) 。

2. 联合估计方法:
(1) 提出一种锂离子电池多时间尺度状态联合估计框架,用微观尺度估计SOC,宏观尺度估计电池参数、SOH并进行RUL预测。

图3 锂离子电池SOC-SOH-RUL联合估计框图
(2) 提取内阻作为HF,利用最小二乘支持向量机 (LSSVM) 建立电池老化模型实现SOH估计。
(3) 根据阻容参数辨识值和容量估计值建立电池状态空间方程,结合无迹卡尔曼滤波算法进行SOC估计。
(4) 用高斯过程回归对HF随循环次数的变化进行映射,预测HF的变化趋势,并结合LSSVM模型实现长期RUL预测。
3. 在牛津数据集的8个电池上进行实验验证,以验证论文所提方法的准确性和鲁棒性。
研究结果 
1. 各电池SOH估计的误差百分比 (RPE) 均在1%以内,平均绝对误差 (MAE) 和均方根误差(RMSE) 在0. 5%以内,验证了论文所选HF—内阻能够很好地表征电池的老化,并能适应电池不一致性带来的容量衰退趋势差异。同时表明 LSSVM算法具有较强的非线性映射能力,在数据量较小的样本 (Cell 4~Cell 6) 中也能 实现SOH的准确估计。
2. 各电池的RUL的MAE均小于1,RMSE最大值为1.1726,表明所提方法具有较高的精度和稳定性。

3. 各电池各循环周期的MAE和RMSE均在3%以内,满足误差要求。采用本方法,阻容参数和当前容量可以随电池老化的进行而自适应调整,提高了等效电路模型的适应性,在电池全寿命周期都能取得较高的SOC估计精度。


图4 SOC估计结果和误差
创新点和意义
论文在锂离子电池状态估计时考虑了状态变量的耦合性以及多时间尺度特性,提出一种锂离子电池多时间尺度状态联合估计方法,经过实验验证,证明了该方法具有较高精度和鲁棒性。论文相关研究对锂离子电池的电池管理具有重要的理论指导意义和工程应用价值。

  扫描上方二维码,免费获取全文
分享到:

企业推广 | 广告合作 | 友情链接 | 关于我们 | 联系我们 | 意见反馈 | 网站地图 | 加入我们 | 邮箱登录
版权所有:汽车供应商网 Copyright © 2015-2026 京ICP备09065995号-4 公安备案 京公网安备11010802033937号

E-mail:service@qcgys.com
电话:010-68420981、88560270
QQ:3553216770

  • 更多配套相关信息
    请扫码关注公众号

  • 扫码关注公众号