一文了解锂电池健康诊断和剩余寿命预测
来源:
|
作者:佚名
|
发布时间: 2021-04-23
|
641 次浏览
|
分享到:
北京理工大学的熊瑞教授团队提出了基于老化特征的锂电池健康诊断和剩余寿命预测方法，算法可以用较小的计算量得到精度较高的结果。研究成果在eTransportation国际交通电动化杂志上发表。锂离子电池在电动汽车中广泛应用，当其容量低于初始容量的80%时，该电池就达到了使用寿命。电池健康状态（SOH）诊断和锂离子电池的剩余使用寿命（RUL）预测可以帮助电动汽车用户实时监控电池的状态，避免故障的发生。
北京理工大学的熊瑞教授团队提出了基于老化特征的锂电池健康诊断和剩余寿命预测方法，算法可以用较小的计算量得到精度较高的结果。研究成果在eTransportation国际交通电动化杂志上发表。
锂离子电池在电动汽车中广泛应用，当其容量低于初始容量的80%时，该电池就达到了使用寿命。电池健康状态（SOH）诊断和锂离子电池的剩余使用寿命（RUL）预测可以帮助电动汽车用户实时监控电池的状态，避免故障的发生。
SOH诊断方法可分为基于模型的方法和基于特征提取的方法。基于模型的方法通常需要电池全生命周期下的SOC-OCV对应关系，标定较为费时且对于车载BMS的计算负担较大；特征提取方法通过大量的健康指标和SOH的关系来构建一个数据驱动模型，可以降低车载BMS的在线估计的计算量。其中的健康指标通常由电池的端电压曲线中提出得到。本文作者抽取了一般情况下的充电电压曲线和电流倍率区间中的特征，用来估计电动汽车的电池容量。
RUL预测方法可分为基于模型的方法和数据驱动方法。基于模型的方法通过非线性模型来预测电池的RUL，该方法的主要缺点是很难设计加速老化测试来收集有效的离线训练数据；数据驱动方法通过机器学习的方法来预测电池 RUL，需要一些离线或在线训练数据集。本文作者根据电池老化特性分析，开发了一种RUL预测方法，该方法使用0.5C下的数据离线训练模型，并且以递归的方式进行在线计算，以缓解计算负担。
