论文部分内容阅读
动力锂离子电池具有能量密度大、放电电压高、循环寿命长等优点,广泛应用于新能源电动汽车中。动力锂离子电池的剩余寿命（RUL,Remaining Useful Life）表征的是电池放电性能大小（或电池最大可放电容量）相比于100%新电池的状况,动力锂离子电池的荷电状态（SOC,State of Charge）表征的是当前充放电循环周期下电池剩余可放电容量与最大可放电容量的比值,两者都是电池管理系统中的重要参数,且精准预测锂离子电池的RUL能为SOC估计提供重要的参照。现有的锂离子电池RUL预测方法中粒子滤波及其改进算法因预测精度较高且能对估计结果提供概率分布而被广泛应用,但也存在粒子容易退化、运算量庞大、工况自适应性差等难点;现有的SOC预测方法存在数学建模复杂、计算量大、单片机C程序开发实现困难、容易位溢出等问题;针对动力锂离子电池剩余寿命预测及SOC估计过程中存在的上述问题,本文进行了以下研究工作:（1）介绍了动力锂离子电池的充放电特性、基本退化机理和等效模型,分析了锂离子电池的剩余寿命及荷电状态与各种特性影响因素间的相关关系,为接下来研究锂离子电池RUL和SOC提供基本的理论依据。（2）为了提高锂离子电池RUL的预测精度、降低运算量及增强工况自适应性:首先,依托萤火虫算法的高效寻优能力及粒子滤波的基本工作原理,采用优化的萤火虫算法（FA,Fire-fly Algorithm）改进粒子滤波,并应用于固定工况下锂离子电池RUL预测中;然后,结合锂离子电池退化机理及恶劣工况下电池放电性能退化情况,建立恶劣工况下锂离子电池剩余寿命修正模型:将不利条件对锂离子电池RUL的影响全部转化为循环次数并统计,通过二分查表法得到不利条件对电池影响程度系数,记录特性因素值及持续时间,获得锂离子电池剩余寿命修正值;最后,将固定工况下锂离子电池剩余寿命预测值与恶劣工况下寿命修正值线性相加,进而得到锂离子电池剩余寿命预测终值;并为接下来锂离子电池SOC估计提供参照。（3）安时积分法是目前工程应用中主流的锂离子电池SOC估计方法,其主要受到SOC初值（SOC0）、电池标定容量（CN）、放电库伦效率及电流采集误差的影响,为了提高SOC的估计精度并降低运算量:首先,结合不同的电池使用条件,将电池的开路电压、温度、放电倍率、循环次数（与电池寿命相关）与SOC的复杂非线性特性关系,制成相应的二维数组表,根据使用条件,判断是否利用二分查表法更新SOC0、CN,得到动态自适应的SOC0、CN,以降低运算量;接着,调用由BP（BP,Back Propagation）神经网络离线状态下训练好的库伦效率值,获得修正的库伦效率值;最后,采用德州仪器公司的bq76930电荷采集芯片实时得到电池充放电的累计电荷量,并考虑系统耗能的影响,以进一步提高SOC估计精度。利用马里兰大学先进寿命周期工程实验中心、某省动力锂电池及材料重点实验室的锂离子电池循环寿命试验数据,进行仿真试验,结果表明所采用的优化的锂离子电池剩余寿命预测方法:预测精度较高,最大相对误差为4.6%,运算量大幅降低;在模拟城市道路循环工况下进行锂离子电池充放电试验,结果表明,所采用的优化安时积分法的SOC估计误差均在4.3%以内,系统响应速度较快,稳定性良好,综合预测效果明显提高。将为电池管理系统的设计和优化提供良好的参考价值。