国家自然科学奖推荐书-北京理工大学.DOCVIP

PAGE PAGE 10 国家自然科学奖申报材料公示 一、项目名称： 电动汽车动力电池强时变非线性的解析建模与状态量高精度估计 二、提名者及提名意见： 中华人民共和国教育部 该项目面向国际前沿和国家战略，在动力电池管理核心模型和算法方面做出一系列原创性国际引领贡献：发现了动力电池输出特性与其内部参数和状态间存在间接映射关系，阐释了输出电压具有的动、静态分量解耦特性以及动态分量具有的多阶RC解析特性，提出并建立了具有普适性的动力电池N阶等效电路模型，拓展建立了融合电化学机理模型、分数阶阻抗模型的动力电池机理-频域-电气特性综合解析模型；发现了动力电池荷电状态SOC与其开路电压OCV相关且存在单调映射关系，首次提出了基于实车片段数据的SOC映射参数重构方法，建立了滤波器类动力电池自适应SOC估计算法；发现了动力电池组系统充放电末期具有的强极化非线性特性并引发端电压明显的不一致性，揭示了动力电池实际工作环境的差异对其性能衰退的影响机制以及动力电池不一致性对其性能衰退的耦合效应和演化机理，提出了基于“表征单体模型+偏差量化模型”的动力电池组系统状态估计算法，有效解决了动力电池“模型建不精”、“状态估不准”、“系统管不好”三大难题，成功用于华为、北汽新能源、宇通客车、联合汽车电子等主流企业，具有重要科学和工程价值。 8篇代表作SCI他引1130次、谷歌学术他引1956次，其中3篇入选“中国百篇最具影响学术论文”、2篇入选SCI期刊年度最佳论文奖。完成人作国际会议特邀报告16次，入选科睿唯安高被引科学家。 申请材料属实，完成人排名无异议。 提名该项目为国家自然科学奖贰等奖。 三、项目简介 发展新能源汽车是国际共识和我国的国家战略，电动汽车是主要技术选择。动力电池系统是电动汽车的技术瓶颈，其精准管理是保障整车高效、安全和动力电池长寿命运行的核心，动力电池状态量的高精度、强鲁棒性估计一直是行业技术攻关的国际难题和学术研究的前沿热点。项目组在国家自然科学基金、863计划等支持下，历时9年理论研究，取得系统性、原创性成果。 1.发现了动力电池输出特性与其内部参数和状态间具有的间接映射规律，阐释了端电压的动、静态分量解耦机制以及动态分量具有的多阶RC解析特性，建立了具有普适性的动力电池N阶电气解析模型，融合电化学机理模型、分数阶阻抗模型，建立了动力电池机理-频域-电气特性综合解析模型。发明了基于存档和实时运行数据驱动的五步骤动力电池模型参数辨识方法，实现了模型结构和阶次优化，大幅提高了模型的高精度、环境感知和可靠性等属性。 2.发现了动力电池荷电状态SOC与其静态电势/开路电压OCV相关且存在单调映射关系，建立了融合动力电池N阶电气解析模型的OCV在线辨识和SOC估计方法。针对OCV-SOC映射关系的差异性，首次提出了基于实车片段数据的SOC映射参数重构方法。提出了将动力电池SOC和动态极化电压作为状态量、将输出电压作为观测量的SOC估计模型，增强闭环校正精度，建立了滤波器类动力电池自适应SOC估计算法体系。发明了多时间尺度动力电池SOC、容量、内阻的多状态量协同估计和精度自适应标定方法，提高了状态估计的鲁棒性。 3.发现了动力电池组系统充放电末期具有的强极化非线性特性并引发端电压明显的不一致性，首次提出分别以能量最大利用、安全应用为目标约束的动力电池组系统SOC分段高精度估计准则。揭示了动力电池组系统实际工作环境的差异对其性能衰退的影响机制以及动力电池不一致性对其性能衰退的耦合效应和演化机理，建立了以SOC、容量、温度等为自变量、以偏差为因变量的近似模型。首次提出基于“表征单体模型+偏差量化模型”的动力电池组系统状态估计算法，提高了状态估计的精度和适用性。 该项目在动力电池管理核心模型和算法方面做出原创性国际引领贡献，发表论文SCI检索49篇、ESI高被引21篇。8篇代表作SCI他引1130次、谷歌学术他引1956次、最高单篇他引504次，其中3篇入选“中国百篇最具影响学术论文”(电动汽车领域仅有的3篇)、2篇入选SCI期刊年度最佳论文奖。授权发明专利6件。完成人作国际学术会议特邀报告16次，任IEEE电气化交通大会ITEC2014和国际应用能源大会ICAE2016大会主席，入选科睿唯安高被引科学家。成果得到Shixue Dou、欧阳明高、Stefan Pischinger院士等国际学术同行的高度评价。项目成果在华为、北汽新能源、郑州宇通客车、联合汽车电子等企业得到成功应用，主要指标同比优势明显。中国汽车工程学会组织科技成果评价，认为“……建立了动力电池系统集成参数辨识与状态在线估计综合优化方法，动力电池状态估计技术处于国际领先水平”。 四、客观评价 1. 国内外同行代表性评价 (1) 本项目在解决动力电池“模型建不精”问题研究方面，代