纯电动汽车用锂离子电池的低温性能

锂离子电池低温特性的研究多限于单体电池,且测试工况单一。分别以纯电动汽车用锂离子电池单体和系统为研究对象,设计以1/3 C放电至截止电压的恒流一次放电工况,以及以1/3 C恒流放电0.5 h,静置10.0 h,循环至截止电压的多天多次放电工况,并在0℃、-10℃和-20℃下进行放电测试。在多天多次放电工况下,电池单体和系统的放电容量分别为139.14 Ah、138.47 Ah,放电能量分别为505.98 W·h、44 443.40 W·h,均低于恒流一次放电工况下的相应数据;同一工况下,电池系统的低温放电容量低于单体电池。采用数据拟合方式,构建电池系统、单体低温放电能量与温度的关系公式。

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。

基于简化阻抗模型和比较元启发式算法的锂离子电池参数辨识方法

快速准确地辨识电化学参数对锂离子电池机理建模至关重要。而传统的参数辨识方法多采用直接拟合,难以精确反映电池的内部状态。为解决这一问题,本工作以37 Ah三元电池为研究对象,基于电化学反应中的法拉第过程、双层电容的弥散效应的非法拉第过程以及固相与液相的传导过程,构建了一个与电化学模型映射的修正简化阻抗模型,与伪二维(P2D)模型不同,该模型输入为不同荷电状态(SOC)下的三电极电化学阻抗谱(EIS),通过拟合EIS得到对应工况电化学参数,实现对电池模型准确的参数识别。通过拟合阻抗谱,辨识得到了16个高敏感度的电化学参数,其中正极7个、负极9个。我们进一步比较了66种元启发式算法在锂离子电池电化学参数识别中的性能表现,从识别精度、计算效率和鲁棒性等方面对其进行多维分析。研究结果表明,自适应差分进化算法在参数识别中综合效果最佳,其平均绝对百分比误差小于3%,非重复函数计算次数小于35000次,表明其达到最大准确度的同时运算量较低,提出的辨识方法不仅更好地反映了参数的物理意义,还为电化学模型的简化计算和在线辨识提供了有力支持。