车载锂离子电池SOC及SOH预测研究
发布时间：2021-04-11 00:31
与传统的一次电池相比,锂离子电池作为一种可循环使用的新型供电能源,由于其所具有的续航时间长、放电电流稳定、循环寿命长等优点,目前已经引起世界各国的高度重视,在民用、军事等领域被广泛使用。而锂离子电池的荷电状态和健康状态,是监测评价电池使用性能的核心指标,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。准确预测电池荷电状态对于提升车辆驾驶性能,实时监测车辆的剩余里程有重要意义。电池健康状态是根据计算锂离子电池的额定容量与剩余使用寿命（RUL,Remaining Useful Life）相关性规律得出的一种评估。电池额定容量指的是在一定的放电条件（一定沉度、一定的电流密度和终止电压）,电池所能放出的电量。RUL表征的是电池放电性能大小（或电池最大可放电容量）,SOC及SOH（State of Health）都是电池管理系统中的重要参数,二者相互配合,从而使电池状态预测更为精准。常见的分析方法有:数学模型法、以神经网络为首的智能算法、直接测量法等。这些方法大都具有预测精度较高的优点且部分算法建立的预测模型...
【文章来源】：江西理工大学江西省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
比亚迪e5电动汽车电池管理系统的外观图
第二章动力锂离子电池工作特性分析12图2.2某型号三元锂离子电池图2.3锂离子电池内部的化学反应原理图2.2锂离子电池工作特性及相关性分析本文的实验平台是基于某省动力电池及其模块测试研究室(B207)。通过使用该平台提供的动力电池充放电系统及性能测试系统等一系列电池检测设备，可自由定义电池的电压、电流、环境温度、充放电时长等参数。同时，借助该平台能对较为精准的得到影响SOC及SOH的参数具体数值（内阻、充放电倍率等）。测试对象为车载三元锂离子电池，电池额定电压为3.7V，额定容量为2600mAh、30Ah两种；测试项目主要为两方面：一方面，对电池在实际工况下的工作状态进行模拟。将锂离子电池在各种温度（高、低温）、放电倍率等情况下进行充放电实验（考虑过充、过放情况），并探究恶劣情况对其产生的影响。另一方面，电池循环充放实验，将锂离子电池在常温下以中等倍率放电，探究电池的老化模型。2.2.1温度与电池SOC特性关系动力锂离子电池在实际工况下会受到环境温度的影响，环境温度越高，电池内部化学反应越剧烈，从而对SOC的预测值产生影响[34]。若环境温度下降至0度以下时，该影响尤为明显[11]，因此需要着重考虑。设计实验在放电倍率为1C的情况下，设定环境温度为-20度到30度。实验结果如图2.4所示。由实验可知，温度变化与SOC变化成正比。
第二章动力锂离子电池工作特性分析13图2.4温度-SOC影响曲线2.2.2放电倍率与电池SOC特性关系当对动力锂离子电池进行1C为基准进行充放电时，放电倍率浮动会对SOC的变化幅度产生影响[35]，其影响幅度大致如图2.5所示。由实验结果可知，放电倍率与标准放电倍率的差值越大，SOC的波动越明显。当SOC的值大于50时，不同放电倍率下，波动差异愈发明显。图2.5放电倍率-SOC波动曲线2.2.3开路电压与电池SOC的特性关系电池从其他状态（充电，放电）转变为静止状态时，由于电压的松弛作用，其开路电压与实际开路电压均存在相对误差。因此，可将其静置一段时间，使其内部化学反应趋于稳定
【参考文献】：
期刊论文
[1]基于开路电压法的磷酸铁锂电池SOC估算研究[J]. 申彩英,左凯. 电源技术. 2019(11)
[2]基于电池健康状态的多目标自适应均衡控制策略研究[J]. 郭向伟,韩素敏,华显,谢东垒. 系统仿真学报. 2019(09)
[3]基于扩展卡尔曼滤波的锂离子电池寿命预测方法[J]. 王海霞,李凯勇. 计算机测量与控制. 2019(08)
[4]计及风光出力相关性的配电网多目标无功优化[J]. 刘梦依,邱晓燕,张志荣,赵长枢,赵有林,张楷. 电网技术. 2020(05)
[5]锂电池SOC拐点修正安时积分实时估算方法[J]. 刘东,黄碧雄,王一全,严晓,王影. 储能科学与技术. 2019(05)
[6]粒子群与遗传算法优化支持向量机的应用[J]. 满春涛,刘博,曹永成. 哈尔滨理工大学学报. 2019(03)
[7]基于HPSO-BP神经网络融合的锂电池SOC预估研究[J]. 于仲安,褚彪,葛庭宇. 汽车技术. 2019(06)
[8]基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法[J]. 肖勇,赵云,涂治东,钱斌,常润勉. 电力系统保护与控制. 2019(11)
[9]包含液相扩散方程简化的锂离子电池电化学模型[J]. 刘征宇,杨昆,魏自红,姚利阳. 物理学报. 2019(09)
[10]优化安时积分法实时预测电动自行车电池SOC[J]. 陈德海,华铭,徐王娟,任永昌. 电池. 2019(01)
博士论文
[1]锂动力电池健康度评价与估算方法的研究[D]. 李然.哈尔滨理工大学 2016
硕士论文
[1]车用动力锂离子电池剩余寿命预测及SOC估计[D]. 华铭.江西理工大学 2019
[2]基于无迹卡尔曼滤波的锂电池SOC估算[D]. 梁奇.西南科技大学 2018
[3]车载铅酸电池SOC与SOH协同估计及充放电策略研究[D]. 舒成才.合肥工业大学 2018
[4]基于自适应平方根无迹卡尔曼滤波算法的锂离子电池SOC和SOH估计[D]. 孙幸勉.天津大学 2018
本文编号：3130615
【文章来源】：江西理工大学江西省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
比亚迪e5电动汽车电池管理系统的外观图
第二章动力锂离子电池工作特性分析12图2.2某型号三元锂离子电池图2.3锂离子电池内部的化学反应原理图2.2锂离子电池工作特性及相关性分析本文的实验平台是基于某省动力电池及其模块测试研究室(B207)。通过使用该平台提供的动力电池充放电系统及性能测试系统等一系列电池检测设备，可自由定义电池的电压、电流、环境温度、充放电时长等参数。同时，借助该平台能对较为精准的得到影响SOC及SOH的参数具体数值（内阻、充放电倍率等）。测试对象为车载三元锂离子电池，电池额定电压为3.7V，额定容量为2600mAh、30Ah两种；测试项目主要为两方面：一方面，对电池在实际工况下的工作状态进行模拟。将锂离子电池在各种温度（高、低温）、放电倍率等情况下进行充放电实验（考虑过充、过放情况），并探究恶劣情况对其产生的影响。另一方面，电池循环充放实验，将锂离子电池在常温下以中等倍率放电，探究电池的老化模型。2.2.1温度与电池SOC特性关系动力锂离子电池在实际工况下会受到环境温度的影响，环境温度越高，电池内部化学反应越剧烈，从而对SOC的预测值产生影响[34]。若环境温度下降至0度以下时，该影响尤为明显[11]，因此需要着重考虑。设计实验在放电倍率为1C的情况下，设定环境温度为-20度到30度。实验结果如图2.4所示。由实验可知，温度变化与SOC变化成正比。
第二章动力锂离子电池工作特性分析13图2.4温度-SOC影响曲线2.2.2放电倍率与电池SOC特性关系当对动力锂离子电池进行1C为基准进行充放电时，放电倍率浮动会对SOC的变化幅度产生影响[35]，其影响幅度大致如图2.5所示。由实验结果可知，放电倍率与标准放电倍率的差值越大，SOC的波动越明显。当SOC的值大于50时，不同放电倍率下，波动差异愈发明显。图2.5放电倍率-SOC波动曲线2.2.3开路电压与电池SOC的特性关系电池从其他状态（充电，放电）转变为静止状态时，由于电压的松弛作用，其开路电压与实际开路电压均存在相对误差。因此，可将其静置一段时间，使其内部化学反应趋于稳定
【参考文献】：
期刊论文
[1]基于开路电压法的磷酸铁锂电池SOC估算研究[J]. 申彩英,左凯. 电源技术. 2019(11)
[2]基于电池健康状态的多目标自适应均衡控制策略研究[J]. 郭向伟,韩素敏,华显,谢东垒. 系统仿真学报. 2019(09)
[3]基于扩展卡尔曼滤波的锂离子电池寿命预测方法[J]. 王海霞,李凯勇. 计算机测量与控制. 2019(08)
[4]计及风光出力相关性的配电网多目标无功优化[J]. 刘梦依,邱晓燕,张志荣,赵长枢,赵有林,张楷. 电网技术. 2020(05)
[5]锂电池SOC拐点修正安时积分实时估算方法[J]. 刘东,黄碧雄,王一全,严晓,王影. 储能科学与技术. 2019(05)
[6]粒子群与遗传算法优化支持向量机的应用[J]. 满春涛,刘博,曹永成. 哈尔滨理工大学学报. 2019(03)
[7]基于HPSO-BP神经网络融合的锂电池SOC预估研究[J]. 于仲安,褚彪,葛庭宇. 汽车技术. 2019(06)
[8]基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法[J]. 肖勇,赵云,涂治东,钱斌,常润勉. 电力系统保护与控制. 2019(11)
[9]包含液相扩散方程简化的锂离子电池电化学模型[J]. 刘征宇,杨昆,魏自红,姚利阳. 物理学报. 2019(09)
[10]优化安时积分法实时预测电动自行车电池SOC[J]. 陈德海,华铭,徐王娟,任永昌. 电池. 2019(01)
博士论文
[1]锂动力电池健康度评价与估算方法的研究[D]. 李然.哈尔滨理工大学 2016
硕士论文
[1]车用动力锂离子电池剩余寿命预测及SOC估计[D]. 华铭.江西理工大学 2019
[2]基于无迹卡尔曼滤波的锂电池SOC估算[D]. 梁奇.西南科技大学 2018
[3]车载铅酸电池SOC与SOH协同估计及充放电策略研究[D]. 舒成才.合肥工业大学 2018
[4]基于自适应平方根无迹卡尔曼滤波算法的锂离子电池SOC和SOH估计[D]. 孙幸勉.天津大学 2018
本文编号：3130615
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3130615.html
