基于日常片段充电数据的锂电池健康状态实时评估方法研究

• 作者: 付平 卢文斌 周頔 宋显华
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 健康状态 片段数据 恒流充电 扩展卡尔曼滤波 高斯过程回归
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 新一代人工智能在智能电网和能源互联网中的应用
• 页码范围: 105-111
• 页数: 7页
• 分类号: TM911
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.181026

摘要

实时评估电动汽车动力锂电池的健康状态(state of health,SOH)对电动汽车的维护至关重要.针对实际应用中电动汽车电池具有放电容量测量不稳定、测试负载重,操作不方便等问题.该文首先研究基于充电容量计算电池健康状态的可行性.然后,建立充电容量SOH模型将电池充电容量的估算转换为电池全充所需时间的估算.由于锂电池实际充电时的数据是片段的,提出基于扩展卡尔曼滤波和高斯过程回归的全充时间估算算法,解决了片段充电数据预测电池实时全充时间的问题.最后,通过实验仿真,验证了高斯过程扩展卡尔曼滤波在锂电池健康状态评估中的针对性、有效性和实时性.