锂离子电池荷电状态估计与寿命预测技术研究

摘要

随着电动汽车产业化的兴起，锂离子电池在电动汽车领域得到广泛应用，锂离子电池组的有效管理亦成为保障电动汽车性能稳定，安全可靠的关键。荷电状态（Stateof Charge,SOC）估计作为电池管理技术的核心，受各种非线性因素的影响，且实时性要求高，成为电池管理的难点。剩余寿命（Remaining Useful Life，RUL）预测作为电池管理的另一重要指标，为保障电池的及时更换提供必要依据。但RUL预测是近年来才开始研究的课题，方法有限且缺乏深入分析比较。基于上述考虑，本文重点进行锂离子电池SOC估计和RUL预测的方法研究，及监测系统的设计，主要完成了以下工作：
　　1.锂离子电池荷电状态估计。由于电池内外部非线性因素的影响，同时考虑到磷酸铁锂电池充放电电压相对SOC变化较小的特点，选择具有自适应学习能力的BP神经网络作为训练算法。基于稳态放电实验，探讨了电池容量与充放电倍率等因素之间的关系。基于对电池各项参数与SOC内在联系的分析，选择电流和电压作为BP网络输入，完成神经网络的训练及SOC估计。实验数据表明，提出的算法能达到较好的估计精度。
　　2.锂离子电池剩余寿命预测。本章首先选择了粒子滤波法，支持向量机和自回归滑动平均模型三种方法进行电池RUL预测，根据预测结果比较各自优缺点。进而提出粒子群（ PSO）优化的自回归（ AR）模型，该模型以均方根误差（ RMSE）作为模型的定阶准则，基于PSO算法对模型的定阶方法进行优化。进而结合新陈代谢数据处理技术实现阶数的自适应改变，有效避免了传统AR模型定阶流程复杂的缺陷。最终数据验证得到了准确的RUL预测趋势并有效提高了预测精度。
　　3.锂离子电池监测系统的设计开发。基于SOC和RUL的研究结果，设计锂离子电池监测系统，以满足锂离子电池管理的主要需求。该系统有效实现了电池电压、电流信号的采集，数据传输，数据存储及上位机显示等功能。通过调用SOC估计及RUL预测的动态链接库程序对电池参数进行分析处理，完成了电池SOC的实时估计和RUL预测，获得较好的估计效果及预测精度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的主要内容及组织结构

第二章 锂离子电池特性研究

2.1 锂离子电池结构

2.2 锂离子电池原理

2.3 锂离子电池的性能指标

2.4 锂离子电池的特点

2.5 本章小结

第三章 锂离子电池荷电状态估计

3.1 锂离子电池荷电状态

3.2 基于人工神经网络的荷电状态估计

3.3 本章小结

第四章 锂离子电池寿命预测

4.1 电池寿命预测基本原理

4.2 电池寿命试验

4.3 寿命预测方法比较

4.4 粒子群优化的自回归模型

4.5 本章小结

第五章 锂离子电池监测系统设计

5.1 监测系统设计需求

5.2 信号采集电路设计

5.3 上位机软件开发

5.4 本章小结

第六章 总结与展望

6.1 本文的主要贡献

6.2 下一步工作展望

致谢

参考文献

攻硕期间取得的研究成果