适用于无人水下潜航器电池管理系统的SOC-SOH联合估计

为了提高无人水下潜航器(UUV)电池管理系统状态的估计精度,提出荷电状态-健康状态(SOC-SOH)联合估计方法.搭建测试台架,采用4组锂离子电池进行全寿命周期下的充放电测试,获取不同老化程度下的特性数据.经理论推导和实验分析设计四维表征因子,建立基于改进支持向量回归(SVR)的SOH估计模型.探究电池状态的耦合关系,建立基于扩展卡尔曼滤波(EKF)的SOC估计模型,采用遗忘因子递推最小二乘算法(RLS)更新模型参数,利用SOH对SOC估计结果进行修正.通过不同工况的实验进行验证,结果表明:四维表征因子和电池容量相关性好,SOH估计模型精度高,SOC估计模型精度在联合修正后得到提升.所提的联合估计方法具有较高的通用性和可靠性,可以作为有效的嵌入式电池管理系统状态估计算法.

船舶电池储能系统管理策略研究

目的降低船舶污染排放,延长电池使用寿命,改善变工况条件下储能系统的动力性。方法电池系统采用基于经验模态分解及模糊控制的双层管理策略,以磷酸铁锂电池组为主动力源来承担平缓功率,超级电容组为辅动力源来承担高频功率,引入样本熵对功率信号进行评估。结果以某船舶工况进行仿真,相较于单一经验模态策略,引入模糊修正策略后的磷酸铁锂电池组放电深度由6.55%-94.35%变为14.56%-57.15%;超级电容组的放电深度由14.83%-52.11%变为12.7%-79.38%;磷酸铁锂电池组功率信号样本熵值由0.0182降为0.0177。结论变工况条件下,上述控制策略可降低单工况下柴油机平均燃油消耗,减少储能端电池受到暂态功率的冲击,延缓电池老化速度,加长电池使用寿命,提升船舶储能系统的可靠性及环保性。

基于双充电状态的锂离子电池健康状态估计

针对锂离子电池实际应用中存在不完全充放电而导致的充电起始点及截止点不确定问题,提出一种基于双充电状态因子的电池健康状态估计方法.搭建电池老化实验台架,采用8块镍钴锰锂离子电池进行老化实验;区别于传统单状态因子估计,选取不同老化阶段下恒压充电状态前端等时间差的电流平均值,以及恒流充电状态末端等幅值电压的充电时间构造健康因子;分析不同老化阶段实验电池的荷电状态-开路电压对应关系,通过理论推导及实验结果证明健康因子的正确性;建立具备强泛化能力的改进支持向量回归模型,并通过粒子群算法优化模型超参数.实验结果表明:所提双充电状态健康因子与电池老化衰减密切相关,所建立的改进支持向量回归模型可实时估计不同老化状态下的电池健康状态,具备容量局部回弹变化的表征能力,可作为一种有效的嵌入式电池管理系统健康状态估计方法.

基于KCC-PF的锂离子电池剩余使用寿命预测

目的针对传统粒子滤波(PF)算法应用于锂电池剩余使用寿命(RUL)预测时准确性低的问题,将肯德尔秩次相关系数(KCC)引入传统PF的重采样过程,改善粒子匮乏问题,提出一种基于KCC-PF的锂电池RUL预测方法。方法首先建立电池容量衰减模型,验证模型的准确性和有效性,并确定模型初始参数,利用KCC-PF算法循环更新模型参数,逐步计算出容量的预测序列,然后根据失效阈值获得锂电池RUL的预测结果及其不确定性表达。利用NASA PCo E的电池老化试验数据,进行基于PF和KCC-PF的锂电池RUL预测试验。结果预测起点为第60次循环时,基于KCC-PF的锂电池RUL预测相对误差在10%以内。随着预测起点后移,相对误差可降低至3%以内。结论KCC-PF算法解决了传统PF粒子匮乏的问题,应用于锂电池RUL预测时,具有较高的预测准确性和鲁棒性。