论文部分内容阅读
由于电动汽车有较高的能源效率和良好的环境效益,近年来电动汽车行业获得前所未有的发展。电池老化造成的容量衰退问题是目前制约电动汽车和电池储能技术发展的关键。电池的健康状态(SOH)是评价电池老化程度的综合评价指标,与车辆的续驶里程及功率输出能力直接相关,是电池管理系统在线估算的难点之一。容量增量分析是锂离子电池衰退机理分析的重要方法,揭示了电池外部特性与内部变化的关系。本文主要目的是研究利用容量增量曲线中包含的关键信息建立电池SOH估计模型以及研究在DSP中实现的方法。主要研究内容和成果如下:(1)通过电池寿命循环实验分析电池工作原理及老化机理。对比分析了不同因素条件下电池容量增量曲线差异并分析各因素影响结果。同时对锂离子电池在老化过程中内部变化趋势和容量增量曲线变化规律进行研究。分析容量增量曲线变化与电池内部变化规律,获得利用容量增量曲线获取电池健康状态信息的理论基础。(2)利用容量增量曲线数据提取估算电池健康状态的特征参数。分析容量增量曲线变化规律,选取曲线中各峰值与峰值对应电压值作为对比序列,电池剩余容量作为参考序列。通过灰色关联分析法,对比各参数与电池剩余容量关联性。根据关联性分析结果,选取能够表征电池健康状态估计的关键特征参数。(3)建立基于容量增量曲线特征参数的锂离子电池SOH估计模型。确定容量增量曲线中特征参数作为模型输入量,电池剩余容量作为模型输出量,利用GA-BP神经网络模型实现电池SOH的估算。使用电池循环老化数据对模型进行训练,分析不同训练参数下模型精度差异与置信区间影响。通过验证数据结果检测模型估算精度,结果表明该估算模型具备较高的精度。结果将作为后续电池老化实验训练的SOH估计模型参数输入至DSP中。(4)在DSP中实现电池SOH估算模型相关功能。设计搭建硬件实验平台,在电池恒流充电过程中DSP记录电池充电电压与电流信息,实现容量增量曲线的在线计算、特征参数提取和SOH估算等功能。对容量增量分析法进行数学建模并研究在DSP中实现的方法,对比不同算法以及不同参数下计算结果的差异,结果与ARBIN系统采集数据进行对比,并选取最优参数以实现上述功能。最后,根据功能需求在实验平台下进行验证。在电池恒流充电过程中使用DSP实时处理电池充电过程处理结果。结果验证了估计模型的准确性以及相关功能的实现。