从电动汽车中退役下来的锂离子电池(简称锂电池)仍有一定的使用价值,在锂电池外观完好、没有破损、各功能元件有效的情况下对退役锂电池进行梯次利用,可降低锂电池使用成本,有利于节能减排。退役锂电池处于离线状态且单体电池之间存在性能差异,需对其性能重新评估并判别其适用的梯度范围。本文研究了在特定的测试条件和测试状态下,制定合理评价锂电池性能的测试工况,在有限的测试时间内完成基于锂电池健康状态的性能评估,并形成一种适用于锂电池梯次利用评价方法。主要的研究内容如下:1.在分析锂电池工作特性的基础上,搭建了锂电池测试系统,并进行了锂电池基本性能测试实验。通过对比分析多种等效电路模型的拓扑结构,选用适合动力锂电池的工作模型。针对所选RC等效电路模型,研究了基于混合脉冲功率特性测试(HPPC)的锂电池模型参数离线辨识方法,实验验证了所建模型的有效性。深入研究了所使用电池测试设备的检测误差对锂电池数学建模和状态估计的影响,并定量地分析这些不确定性误差给锂电池内阻测试带来的影响。2.因锂电池实际工作状态受多种因素影响,研究了锂电池在线建模的方法,针对在线建模过程中出现数据饱和、动态运行工况适应性、有色噪声等问题,提出采用变遗忘因子最小二乘法和偏差补偿最小二乘法进行模型参数在线辨识,根据实验数据分析了两种自适应辨识算法的有效性和可靠性。在研究开路电压(OCV)测试方法的基础上,总结了长时间静置法、小电流充放电法和恒流充放电间歇法三种常用OCV测试法,设计了八种典型的OCV测试实验并获取相应OCV曲线,通过对比不同OCV曲线的建模性能,选取建模性能相当、耗时较少、可实现性较好的恒流充放电间歇法作为最优OCV测试法。3.针对卡尔曼滤波法存在多步矩阵运算过程、算法设计复杂等问题,提出了基于离散滑模观测器(DSMO)的荷电状态(SOC)估计法,给出了一阶、二阶DSMO算法及其稳定性证明,分析了RC等效电路模型可观测性问题。仿真实验验证了扩展卡尔曼滤波(EKF)、一阶DSMO和二阶DSMO三种估计法的有效性,实验证明了二阶DSMO估计法具有较好鲁棒性和较高估计精度,且减小了因锂电池参数波动引起的抖振,在所搭建的锂电池组测试实验平台上验证了DSMO算法的执行时间比EFK算法减少一半以上。4.研究了常用锂电池健康因子测试与健康特征提取方法,以内阻健康因子为研究对象设计了基于单体电池的健康寿命实验计划。根据实验测试数据,构建了均值内阻、最小内阻和内阻-SOC曲线健康因子,获取了相关健康特征数据,建立了基于三种健康因子的健康寿命模型,仿真实验验证了健康寿命模型的有效性。5.根据实际工程中不同情况和相关问题,分析了梯次利用锂电池工作特性,在考虑受限测试时间、重要数据缺失、放电时间等问题的基础上,设计了适用于梯次利用锂电池性能测试工况,研究了锂电池模型参数在线辨识方法和健康特征提取方法。针对线性近似寿命模型、锂电池单体差异等问题,提出了基于多健康寿命模型数据融合技术的健康状态决策方法,选用BP网络作为数据融合决策算法,仿真实验验证了此方法有效性和可靠性。基于SOC健康寿命模型提出了一种适用于梯次利用锂电池的SOC估计方法,并形成了一种梯次利用锂电池性能评价方法。6.研制和搭建了梯次利用锂电池组测试实验平台,设计了实验平台硬件电路并进行了系统软硬件调试,基于此实验平台验证了所设计SOC估计算法、锂电池性能测试工况和评价方法的可行性。