电池的健康状态估计(state of health,SOH)是锂离子电池管理系统中的状态参数之一,影响电池荷电状态估计(state of charge,SOC)和峰值功率估计(state of power,SOF)的精度。本文中通过追踪SOC-OCV(open circuit of voltage,OCV)曲线特...电池的健康状态估计(state of health,SOH)是锂离子电池管理系统中的状态参数之一,影响电池荷电状态估计(state of charge,SOC)和峰值功率估计(state of power,SOF)的精度。本文中通过追踪SOC-OCV(open circuit of voltage,OCV)曲线特征的衍变规律,从热力学的角度提出了全新的SOH估计方法。利用三元锰酸锂复合材料为正极的锂离子电池循环寿命实验数据构建SOH与SOC-OCV曲线特征参数之间的关系,并验证所提SOH估计方法的精度。实验结果表明:SOH从100%衰退到50%,SOH估计精度在±1.5%以内。展开更多
针对磷酸铁锂电池(LiFePO_(4))平坦的开路电压OCV(open circuit voltage)与荷电状态SOC(state of charge)滞回特性在充、放电切换工况下传统等效电路模型估计OCV存在精度较低的问题,提出电池迟滞建模。为了突出LiFePO_(4)电池考虑滞回...针对磷酸铁锂电池(LiFePO_(4))平坦的开路电压OCV(open circuit voltage)与荷电状态SOC(state of charge)滞回特性在充、放电切换工况下传统等效电路模型估计OCV存在精度较低的问题,提出电池迟滞建模。为了突出LiFePO_(4)电池考虑滞回特性的必要性,对3种电池模型的复杂性、准确性和适用性进行综合评价和对比分析。结果表明,一阶RC模型不考虑滞回的影响,仅适用纯充电或纯放电的工况;一阶RC滞回模型在一阶RC模型的基础上增加1个滞回量,虽考虑了滞回特性的影响,但滞回量受参数辨识影响较大,OCV估计存在波动;Preisach模型对存在充、放电切换工况的估算精度较好,但训练数据时间成本较高。NEDC(new European driving cycle)充、放电工况下对不同模型结合算法估计SOC,估计误差均在5%以内,其中Preisach误差在3%以内。展开更多
锂离子电池的容量损失是可循环锂损失机制与多种活性材料损失机制共同作用的结果,整体容量损失相同的电池可能由于各机制占比的不同,呈现出截然不同的剩余生命衰减轨迹。如何对电池老化过程中各机制的损失情况进行准确的诊断,对于电池...锂离子电池的容量损失是可循环锂损失机制与多种活性材料损失机制共同作用的结果,整体容量损失相同的电池可能由于各机制占比的不同,呈现出截然不同的剩余生命衰减轨迹。如何对电池老化过程中各机制的损失情况进行准确的诊断,对于电池的全生命周期利用至关重要。为此,以更适合于免训诊断的开路电压(Opencircuitvoltage,OCV)老化模型为研究对象,针对其在电池老化后期的表征精度局限,提出面向全生命周期容量损失机制诊断的改进OCV老化模型。新模型充分考虑电池老化后期,活性材料深度损失对电极电势曲线形式的复合影响规律,在现有模型的基础上,通过对其所对应基础电极电势联合坐标系的非均匀压缩扩展,实现对电池OCV全生命老化行为的有效机理描述。为了验证新模型在全生命周期中的有效性,以可用容量衰减至30%的磷酸铁锂电池(Lithium iron phosphate battery,LFP)为试验对象,对其在不同老化程度下开展模型拟合诊断测试。结果表明,在整个生命周期中新模型的RMS误差均被控制在2 mV以内。此外,为了保证新模型在诊断过程中的可靠性,还对其参数可辨识性进行了分析与论证。展开更多
文摘电池的健康状态估计(state of health,SOH)是锂离子电池管理系统中的状态参数之一,影响电池荷电状态估计(state of charge,SOC)和峰值功率估计(state of power,SOF)的精度。本文中通过追踪SOC-OCV(open circuit of voltage,OCV)曲线特征的衍变规律,从热力学的角度提出了全新的SOH估计方法。利用三元锰酸锂复合材料为正极的锂离子电池循环寿命实验数据构建SOH与SOC-OCV曲线特征参数之间的关系,并验证所提SOH估计方法的精度。实验结果表明:SOH从100%衰退到50%,SOH估计精度在±1.5%以内。
文摘针对磷酸铁锂电池(LiFePO_(4))平坦的开路电压OCV(open circuit voltage)与荷电状态SOC(state of charge)滞回特性在充、放电切换工况下传统等效电路模型估计OCV存在精度较低的问题,提出电池迟滞建模。为了突出LiFePO_(4)电池考虑滞回特性的必要性,对3种电池模型的复杂性、准确性和适用性进行综合评价和对比分析。结果表明,一阶RC模型不考虑滞回的影响,仅适用纯充电或纯放电的工况;一阶RC滞回模型在一阶RC模型的基础上增加1个滞回量,虽考虑了滞回特性的影响,但滞回量受参数辨识影响较大,OCV估计存在波动;Preisach模型对存在充、放电切换工况的估算精度较好,但训练数据时间成本较高。NEDC(new European driving cycle)充、放电工况下对不同模型结合算法估计SOC,估计误差均在5%以内,其中Preisach误差在3%以内。
文摘锂离子电池的容量损失是可循环锂损失机制与多种活性材料损失机制共同作用的结果,整体容量损失相同的电池可能由于各机制占比的不同,呈现出截然不同的剩余生命衰减轨迹。如何对电池老化过程中各机制的损失情况进行准确的诊断,对于电池的全生命周期利用至关重要。为此,以更适合于免训诊断的开路电压(Opencircuitvoltage,OCV)老化模型为研究对象,针对其在电池老化后期的表征精度局限,提出面向全生命周期容量损失机制诊断的改进OCV老化模型。新模型充分考虑电池老化后期,活性材料深度损失对电极电势曲线形式的复合影响规律,在现有模型的基础上,通过对其所对应基础电极电势联合坐标系的非均匀压缩扩展,实现对电池OCV全生命老化行为的有效机理描述。为了验证新模型在全生命周期中的有效性,以可用容量衰减至30%的磷酸铁锂电池(Lithium iron phosphate battery,LFP)为试验对象,对其在不同老化程度下开展模型拟合诊断测试。结果表明,在整个生命周期中新模型的RMS误差均被控制在2 mV以内。此外,为了保证新模型在诊断过程中的可靠性,还对其参数可辨识性进行了分析与论证。
