锂电池健康状态动态检测新方法及阶梯利用方法

ଲେଖକ: ଆଇଫ୍ଲୋପାୱାର - 휴대용 전원소 공급업체

中国电力大学国家重点实验室、我国汽车技术研究中心有限公司 IN《电工技术学报》，“该论文”论文标题“基于自适应其他方式的“健康状态检测与阶梯利用率研究”），准确估计动力锂离子电池组中单个电池的荷电状态（SOC）和健康状态（SOH），对延长锂离子电池组的寿命和阶梯利用率至关重要。

本文基于电池戴维南二阶等效电路模型，采用自适应其他卡尔曼滤波（AUKF）算法实时估计电池SOC和欧姆内阻，并根据欧姆内阻与电池SOH的对应关系，实时估计电池SOH。 在两种不同条件下组装电池，验证了该方法的可行性和准确性。 通过评估锂离子电池组中各个单体电池及电池组的整体健康状态，定位不合格单体电池，并对电池组进行综合评价，制定明确电动汽车动力锂离子电池组的梯次利用方法。

最大限度实现废旧动力锂离子电池的资源利用。 随着世界能源新能源消耗的不断增加，大气污染日益加重，发展新能源汽车已成为现代工业发展的重要任务。 其中电动汽车因效率高、污染小而受到关注。

采用锂离子供电的锂离子电池组是电动汽车中唯一的储能环节。 当电动汽车动力锂离子电池组的性能降低到原来性能的80%时，将不再适合在电动汽车上使用。 动力锂离子电池组制造工艺先进，即使退役后，依然保持较高的安全性和电能。

这些锂离子电池如果回收的话会造成很大的浪费，所以可以考虑用退役的动力锂离子电池来做梯子。 回收并再利用。 由于不同单体电池在使用过程中自放电程度、环境温度等因素存在差异，退役后的动态锂离子电池的容量、内阻、电压、各个单体电池老化都存在差异。

因此，要实现合理的阶梯利用率，重新评估锂离子动力锂离子电池组中各个单元电池的状态。 电动汽车的状态由电池的锂离子电池状态(stateofcharge，SOC)和健康状态(stateofhealth，SOH)来表征。 SOC是当前剩余容量与标称容量的比值。

它能直观地反映电池的剩余容量，更能直观地反映电动汽车当前的最大行驶里程。 锂离子电池能量管理的重要决定参数之一；SOH是电池在额定容量和当前能够充电的最大电量，表征电池的老化程度，体现在电池内活性物质的减少，实际容量降低，内阻增大等。 准确评估锂离子电池的电量状态，是动态锂离子电池的关键技术之一。

现有的电池SOC估算方法可分为以下四类： 1、Amity分法：该方法属于开环模式，从SOC的含义出发，通过计算采样电流到时间的乘积计算电池SOC。 在SOC初值准确的情况下，该方法在短时间内保持较高的精度，但是随着工作时间的增加，由于Cullen效率的不确定以及测试电流的不确定性，该方法的精度越来越低。 不可以长期使用。

2、特性参数：电池的特性一般是电池的开路电压（Open-Circuitvoltage，OCV）和内阻。 开路电压法是通过测量电池OCV与SOC的对应关系来得到相应的SOC值，但是电池的开路电压值比较难获取，需要长时间放置，导致误差较大。 由于测试设备的原因，测量内阻比较复杂，不能满足在线估算的要求。

3 数据驱动：该方法以数据驱动建模，然后用于电池状态估计。 该方法对于模糊逻辑、人工神经网络、模糊神经网络和支持向量机具有重要意义。 这些方法很大程度上依赖于训练数据的全面性和有效性。

在电池老化过程中，随着电池特性的变化，训练数据会逐渐失效，从而影响估计效果。 4.基于多种方法的估算方法：该类估算方法基于电池模型，为闭环工作模式。 最具代表性的有自适应扩展卡曼滤波技术、对偶扩展卡尔曼滤波技术、鲁棒扩展卡尔曼滤波技术、粒子滤波技术等。

该类方法将多种SOC估计方法有机地结合起来，扬长避短，使之能够有效地跟踪SOC，是当前SOC估计的发展方向。 现有的电池SOH预估方法有几种： 1 直接放电法：是一种评估负载对电池SOH影响的方法。 该方法比较复杂，而且需要测试电池的SOH。

无法实现在线监控； 4测量内阻抗法：可以通过欧姆内阻的关系来表征电池的SOH，通过测量分析得到电池的欧姆性能，从而计算出电池的SOH得到电池的电化学阻抗分析（EIS）：这种方法重要的思想是将多个正弦信号施加到被测电池上，通过模糊理论分析得到的数据信息，预测电池的老化程度，这种方法需要大量的实验数据，实用性低； 4化学分析法：这种方法通过测量电解液密度的变化来估算SOH，但是该方法必须破坏电池结构，使电池不能再使用； 5现代估算：重要的卡尔曼滤波算法，神经网络算法，模糊逻辑算法等。 该方法可以定性分析电池的状态，实际应用效果较好。 针对当前电池状态差异性较大等问题，本文采用二阶戴维-威宁（THEVENINININIOININ）锂离子电池等效电路模型，并利用自适应卡尔曼滤波（Aukf）算法进行实时估计。

自适应保留算法算法结合保留卡尔曼滤波算法和扩展卡尔曼算法，建立循环迭代关系，已知电池参数估计电池状态，再以电池状态作为已知量的估计模型参数，在这种式中递归计算，实时估计电池SOC和欧姆内阻。 估算电池SOH可以使用欧姆电阻和电池SOH实时估算。 并通过评估电池组中各个单元电池及电池组的整体健康状态，量化电池组的价值，制定明确电动汽车动力锂离子电池组的梯次利用方法。

图1 电池二阶戴维宁等效电路模型结论1）基于电池二阶戴维宁等效电路模型，设计自适应保留卡尔曼滤波算法。 实验验证了自适应卡尔曼滤波算法在两种不同海流条件下的准确性,且算法不受海流条件的限制,且算法能够辨识算法。 全能抵抗。

2）本文利用基于时间的电池系统的欧姆理论，然后利用内阻和电池SOH的函数来估算电池SOH，并通过实验验证了其估算准确性。 该算法速度快、精度高、具有很好的实用性。 3）本文通过对锂离子电池组各个单体电池的SOH和平均单体电池性能的估算，对不合格单体电池，整合成电池组，明确制定了电动汽车动力锂离子电池组的老化顺序、电池组的更换维护方法，实现了废旧动力锂离子电池的资源化利用，验证了该方法的可行性。

4）自适应增强卡尔曼滤波算法不仅可以估算电池的SOC和欧姆内阻，还可以在电池模型的基础上，针对不同的参数建立状态空间模型，并可实现对电池模型的极化特性的计算。 实时在线估价。 .