基于新健康指标的锂离子电池剩余寿命预测

发布时间：2020-04-13 21:43

【摘要】：随着环境污染和能源短缺问题的日趋严重,并且根据《中国制造2025》政策中对发展节能与新能源汽车的要求,发展电动汽车已经成为未来交通的必然趋势。锂离子电池目前为电动汽车的主要供能设备,为避免电动汽车因锂离子电池寿命衰退至失效阈值而发生故障,科学准确地预测锂离子电池剩余使用寿命(RUL)成为了电池管理系统(BMS)中关键技术之一。本课题针对锂离子电池RUL预测重点完成如下几个工作:首先,深入研究了锂离子电池劣化机理。本文从锂离子电池内部结构出发,分析引起其老化的内部因素,同时给出影响其RUL的5个外部因素并分别对它们进行分析,引出锂离子电池的2个直接健康指标,并对它们进行分析介绍。其次,基于锂离子电池充电数据提取了一个新健康指标(HI)来预测电池RUL。本文为解决在线预测锂离子电池RUL时直接测量其实际容量比较困难的问题,通过分析NASA PCoE中心和马里兰大学CALCE中心提供的锂离子电池数据,提出一种基于锂离子电池充电数据的HI提取和优化的方法框架;同时使用Pearson相关性分析法和Spearman秩相关分析法分析容量与提取的HI之间的相关性,并利用Box-Cox变换方法对提取的HI进行优化;最后基于提取的新HI实现电池容量的准确估计。最后,建立了基于粒子群优化(PSO)的多核支持向量机(MSVM)模型,成功完成对锂离子电池RUL的准确预测。本文为解决支持向量机(SVM)模型采用传统的单核核函数导致预测精度低并且泛化性弱的问题,提出一种基于多项式核和径向基核凸组合形式的MSVM;并且使用PSO算法完成对MSVM模型参数的优化,提高了模型的预测精度;最后基于NASA PCoE中心以及马里兰大学CALCE中心电池实验数据对模型进行验证,验证结果显示,基于PSO算法优化的MSVM模型的预测精度及泛化性都得到了很好的提高。本文提出的新HI和PSO-MSVM模型可以为电池的安全管理和其它安全系统提供可靠的数据,并且可以成功完成对锂离子电池RUL的准确预测。本课题研究对电动汽车BMS开发具有一定的参考价值。
【图文】：

锂离子电池,预测方法,电化学模型,劣化机理

2 RUL 预测方法大致学反应机理，然后基型即电化学模型，此态模拟系统的工作状它同样可以模拟其型要是基于锂离子电池。Sank S 等[3]根据固构建了锂离子电池退AV 等[4]从电池系统劣化机理对整个电池

结构图,锂离子电池,结构图

图 2-1 锂离子电池结构图子电池通常是由以下 5 个部分构成，从外到内分别为：①电电池起保护性作用的外部金属材料，目前电池的外壳主要有铁壳等；②集流体：指可以汇集电流的部分，锂离子电池的集流体材料分别为铝箔与铜箔；③正负极材料：锂离子电池料的主要组成成分通常是两种不一样的锂离子嵌入化合物，用的是具有锂离子的化合物，负极材料用石墨或者是类似于电解液：通常情况下由溶剂、溶质以及特殊添加剂三个部分电子有很好的绝缘效果对于离子具有很好的导电效果，其主电池的正极和负极之间运输Li＋以及传导电流；⑤隔膜：一种脂做成的微孔膜，通常呈网状，其作用是用来分隔正负极，造成短路，，一般情况下，Li＋能够通过隔膜，而电子不可以。正负极材料碾压在相应的集流体上制成正负极片。酸锂离子电池为例，当其充电时Li＋会由正极的2LiCoO 里面
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U469.72

【相似文献】