基于不同工况下的锂离子电池可用容量预测模型

锂离子电池是诸多设备的主要动力能源,在不同工况下对锂离子电池可用容量的准确预测十分关键。针对目前Peukert方程只能应用于恒温恒流放电情况下可用容量预测的局限性,本工作提出了一种基于不同工况下的锂离子电池可用容量预测优化模型,通过改进Peukert方程并提供合理的系数生成方法,实现了在变温度和倍率条件下对可用容量的准确预测。并通过实验测试了锂电池在不同温度和放电速率下的放电性能,拟合了电池容量保持率与电池平均温度的曲线,使用Arrhenius方程进行分析,通过最小二乘法确定了方程中的参数,根据预测优化模型进行了各种放电情况下的计算,验证了所提出的等效容量方法可以准确预测电池的实际放电容量。最后,利用预测优化模型和实验验证了温度对电池容量的影响,得出当环境温度高于25℃时,电池容量对放电速率的影响较小;当环境温度低于25℃时,温度对电池容量有显著影响,呈现出先下降后随着放电速率增加而增加的趋势的结论,结果说明了电池的平均温度对其容量有较大影响,但高温对电池容量的影响较低温小,需引入温度补偿系数k来考虑平均温度对电池容量的影响。

基于GWO-LSSVM的锂离子电池健康状态估算

针对目前应用于电池健康状态(SOH)估算的算法需用大量数据样本来进行训练且估算效果不佳的问题,提出了一种基于灰狼优化(GWO)算法的最小二乘支持向量机(LSSVM)算法来估算电池SOH,依据灰色关联度分析法筛选出恒流充电时间作为适合估算电池SOH的输入特征参数。以18650钴酸锂电池充放电循环试验为例,采用所建立的算法模型在不同比例的训练集样本下对不同容量规格的电池进行SOH估算,并将估算结果与基于网格搜索法的LSSVM算法、基于粒子群优化算法的LSSVM算法的估算结果进行对比,结果表明,基于GWO算法的LSSVM算法模型适用于小样本数据且估算误差较小,用于电池SOH估算的效果更好。