基于能量流分析的电动汽车低温能耗研究

为探究低温环境下电动汽车的能量损耗和部件工作效率,以实现整车能量结构优化,考虑电动汽车2种常见使用场景,设计单次续驶和分段续驶2种测试工况,在-10℃和-20℃条件下进行能量流测试,建立了能量流分析模型,定量分析了低温条件下整车能耗和动力电池等主要部件的效率及能耗特性,探明了电加热器的高能耗和能量回收能力受限是导致低温续驶里程降低的主要因素。

基于低频阻抗谱和健康特征融合的锂离子电池健康状态主动探测方法研究

准确的健康状态估计对锂离子电池管理具有重要意义。健康状态通常用衰退后的容量来表征,传统的容量估计主要被动采集电池的电压、电流和温度三种信号,进而提取与容量相关的特征,对充放电曲线的完整性和规则性要求较高。所提出的方法基于充电过程中探测的低频阻抗谱,提取五个健康特征,其中包含三个新的具有物理意义的健康特征,分别为修正的Warburg因子、伪锂离子扩散状态以及其经验模态分解后的残值,在锂离子电池内部动力学特征与外部老化特征之间架起了一座桥梁并且与容量具有强相关性。锂离子电池容量估计模型优化前决定系数R^(2)不到0.6。通过健康特征融合,从整体角度考量变量组间的相关性,能够大幅度提高模型估计精度,决定系数R^(2)可以达到0.935 7,RMSE为0.374 9 mAh和MAPE为0.836 2 mAh。

基于中低频阻抗谱的锂离子电池容量快速估计方法

针对批量电动汽车退役电池的梯次利用,电池评估专用设备的技术研发面临迫切需求,但评估软件的算法策略开发难度大。兼顾快速性与准确性的阻抗谱方法在专用设备实现中具有良好的可行性。因此选择测试时间短且对采样频率要求低的中低频阻抗谱,在硬件实现中既节约了高频采样成本,又避免了低频正弦难以精准实现的难题。通过拟合电荷转移阻抗特征圆,提取顶点虚部、拐点虚部、圆心横坐标、圆与实轴的交点及其模态分解残值5个健康特征,运用皮尔逊相关系数验证健康特征与容量的相关性,利用高斯过程回归指数模型进行模型训练并验证,实现了锂离子电池容量的快速估计。首先应用实验室测试数据进行方法验证,试验值均在估计值的95%置信区间内;然后应用公开数据集进一步验证,该方法建立估计模型决定系数R2为0.92,估计结果的均方根误差为0.490 8,平均绝对百分比误差为1.343 1%。此外,分别选取减少阻抗谱拟合圆数据点、选取中低频阻抗谱顶点和拐点阻抗、提取实轴以上全频段固定频率点阻抗3种方法,对比验证了所提方法的精度优势和有效性。结果表明:通过拟合特征圆提取关键参数,融合拐点和顶点特征,在保证较高精度的条件下,能够实现电池容量的快速估计。

基于数据驱动的锂离子电池快速寿命预测

预测锂离子电池剩余使用寿命(remaining useful life,RUL)对于确保电池的安全和可靠使用至关重要。首先,针对电池容量序列因容量回升及外界干扰呈非线性变化、目标电池退化数据稀少,全生命周期数据难以获取的问题,本文结合变分模态分解(variational mode decomposition,VMD)和排列熵(permutation entropy,PE)的优势,对已有的其他类似衰退模式电池数据进行去噪重构,作为模型训练数据。其次,本文采用滚动预测策略,用滚动滑窗的方式对训练数据进行划分和拼接。然后,训练擅长捕捉全局依赖关系的Transformer网络。最后,预测过程当中输入目标电池部分数据,进行滚动迭代预测。本文先在马里兰大学先进生命周期工程中心(Center for Advanced Life Cycle Engineering,CALCE)提供的电池数据集上,采用留一评估,依次对其本身电池数据进行实验验证,实验证明本文预测方法的各项性能指标良好,4块电池RUL的平均相对误差为2.21%,具有较高的准确性。再基于美国航空航天局(National Aeronautics and Space Administration,NASA)的B0005电池进行模型泛化验证,B0005电池得到的RUL相对误差为2.34%,进一步验证了本文方法的有效性。