一种锂电池SOH 估计的KNN–马尔科夫修正策略

赵光财 林名强 戴厚德 武骥 汪玉洁

电池管理系统(Battery management system,BMS)是电动汽车的重要组成部分,在电动汽车电池组的状态监测、保护和电量均衡等方面起到举足轻重的作用[1−2].电池健康状态(State of health,SOH)作为电池系统的关键参数之一,其变化直接影响电池组的使用性能、可靠性及安全性.由于锂离子电池具有能量密度高、稳定性好、使用寿命长等优点,已经被许多可再生能源系统用作能量存储设备.但其复杂的内部电化学结构、不确定的外部工作环境等因素使得电池的衰退过程极为复杂,即使同一规格型号的电池其衰退过程也不尽相同,这导致锂电池SOH的准确估计变得十分困难[3].因此,快速、精确地实现锂电池SOH估计一直是一个重要的研究课题.

电池的SOH表示当前电池的最大可用容量占额定容量的百分比,用来度量电池的退化程度.锂电池SOH随着使用会慢慢减小,当SOH降低至额定容量的70%时,即认为锂电池寿命终止.SOH的定义如下:

上式中:Ccurrent表示锂电池当前最大可用容量;Cinitial表示锂电池的额定容量,通常指出厂时的标称容量[4].

目前已有许多专家学者采用多种不同方法对锂电池的SOH进行估计.Galeotti等[5]采用电化学阻抗谱研究锂聚合物(LiPO)电池的老化,通过拟合阻抗谱提取等效电路模型的参数再现电池放电曲线并引入电池欧姆电阻与可用容量的关系,借助证据理论评估电池的SOH.Chen 等[6]基于扩散电容与SOH的相关性,采用遗传算法以实时采集的电流和电压来估计包括扩散……