详情

原文传递车载锂离子电池状态估计与一致性诊断方法研究

论文题名：	车载锂离子电池状态估计与一致性诊断方法研究
关键词：	新能源汽车;锂离子电池;参数辨识;状态估计
摘要：	大力发展新能源汽车是我国应对环境能源危机、推动绿色持续发展的战略举措，也是“碳中和”和“碳达峰”战略的重要抓手。在产业政策驱动与市场推动下，我国新能源汽车产业发展势头强劲，前景广阔。作为新能源汽车的核心储能部件，锂离子电池系统的性能优劣直接影响到整车的动力性和安全性。电池管理系统(BatteryManagementSystem，BMS)作为整个电池系统的“大脑”，其性能对于电池系统的安全高效工作至关重要。然而，当前电池管理技术尚不成熟，由此引发的车辆动力性、经济性下降，安全事故频发等问题，成为了制约新能源汽车发展的关键瓶颈。事实上，锂离子电池是一类具有高度非线性、多重时变性、多状态耦合的复杂动态系统，其在使用过程中性能衰退机理复杂，微观状态无法直接测量，特性变化影响因素众多，致使对电池系统的精细化、智能化管理极具挑战，电池内部参数辨识与状态估计、老化机理在线诊断、电池组一致性诊断等难题仍未得到根本解决。为此，本文主要在以下几方面展开研究工作: 　　针对复杂严苛的车载环境下电池参数在线辨识鲁棒性低的问题，分析了BMS在宽温度范围和电磁干扰环境下的测量性能，并通过参数辨识敏感度分析明确了测量噪声和电压电流数据不同步对辨识过程的影响机制，提出了一种具有自适应边界和偏差补偿功能的鲁棒最小二乘辨识方法，通过增加具有自适应边界的鲁棒函数，有效抑制了数据不同步造成的延迟误差，并结合偏差补偿算法提高辨识方法对测量噪声的抑制能力。实验结果表明，在实际BMS测量条件下，所提方法相较传统方法可明显抑制测量数据中的延迟误差和测量噪声，具有更高的辨识精度和鲁棒性，利用所提方法可有效提高车载工况下电池参数辨识的准确性和可靠性。　　针对电池深层老化信息难以在车载条件下准确估计的难题，本文将参数在线辨识与开路电压(OpenCircuitVoltage，OCV)曲线重构相结合，提出一种适用于车载复杂工况的电池容量和老化诊断方法，能够在动态工况和不同温度下实现电池容量和内部电极老化的准确估计。该方法首先利用在线辨识算法在电池工作状态下对OCV进行在线提取，然后通过OCV曲线重构提取OCV数据中隐含的老化信息，实现正负电极的老化估计和电池容量估计。进一步，通过对重构过程优化目标函数的改进以及增加Peukert系数补偿，有效提高了估计方法对温度变化以及片段化数据的适应性。经实验验证，所提方法可在动态工况和不同温度下准确估计电池容量和电极老化参数，并实现对电池内部锂离子损失和活性材料损失等不同老化模式的识别。　　针对串联电池组不一致性量化难、电池组荷电状态（StateofCharge，SOC）估计精度低的问题，提出一种基于OCV曲线转换的电池组一致性诊断方法，实现串联模组内容量不一致和SOC不一致的量化诊断。进而，基于不一致诊断结果，提出了电池组模型参数与OCV曲线的更新方法，并基于自适应扩展卡尔曼滤波(AdaptiveExtendKalmanFilter,AEKF)实现电池组SOC的准确估计。经实验验证，所提方法可准确诊断SOC不一致和容量不一致状态，并在不同程度的不一致状态下准确估计电池组SOC，与传统方法相比，所提方法在严重不一致状态下仍可保持较高估计精度。　　针对并联模组内单体信息缺失，一致性诊断难的问题，首先，通过实验研究探明并联电池组的内部电池单体电流分布及电池组的端电压与电池一致性直接相关，为此，提出了基于长短时记忆(LongShortTermMemory,LSTM)神经网络的并联模组电流分布估计方法，在不增加BMS硬件的前提下，利用LSTM网络对并联电池组的不一致特征进行学习，并对电流分布进行估计。经实验验证，所提方法可以在阻抗不一致和老化不一致情况下，利用电池组充放电曲线准确估计支路电流分布。基于所提方法的估计结果，可实现对并联电池组一致性的诊断，从而避免由不一致故障造成的电池组损伤或安全问题。　　综上所述，为了实现车载锂离子电池系统的安全高效管理，本文立足实际需求，分别在复杂工况下的电池参数辨识、容量估计与电极老化诊断、电池组SOC估计及串并联模组一致性管理方面取得突破，提出了一套实用且高效的理论方法，为精细化、智能化电池管理提供理论和方法支撑。
作者：	崔忠瑞
专业：	电力电子与电力传动
导师：	崔纳新
授予学位：	博士
授予学位单位：	山东大学
学位年度：	2022