张 菁 吴尚青
(1池州职业技术学院 安徽池州 247100;2 江西省机场集团公司九江机场分公司 江西九江 332000)
锂离子电池的优势有自放电率低、一定空间下存储能量高、使用时间长、循环次数多,是电子产品、电动汽车乃至航天产品中必不可少的一部分。然而,电池的性能会依据电池充电和放电数量的递增而逐渐恶化[1-2]。电池性能的降低会严重影响各类产品的使用寿命、有时会造成一定的经济损失、严重时甚至会发生灾难。而荷电状况是评价电池性能的关键指标,所以,特别须要对电池荷电状况进行监控,并对其可靠性进行评估,以获得准确的电池容量估算[3-4]。为了跟踪电池的劣化情况,选择逐渐减小的容量作为劣化性能的指标。
常用的电池荷电状况监控与预测方法主要分为数学模型算法和数据驱动算法[5]。基于数学模型的算法主要是依据基础的数学模型去捕捉电池衰减信息,如Liu等人通过引入粒子滤波(particle filter,PF)算法去估算电池健康状况[6]。Sun等人使用无损卡尔曼滤波(unscented kalman filter,UKF)预测电池荷电状况[7]。Hu等人应用粒子滤波与核平滑来分析可能的电池剩余使用的时长[8]。Su等人提出的一种基于交互多模型的粒子滤波(interacting multiple model particle filter,IMMPF)方法能够融合各种容量的锂离子电池[9]。Hussein 等人将人工神经网络方法应用于电动汽车的荷电状况评估之中[10]。数学模型方法能较好的对电池容量衰减状况进行预测,但这类方法较为复杂,且对电池的类型依赖度较高。
有时数学模型方法由于缺乏对电池衰减状况的理解,可能无法为复杂系统建立数学模型。……