锂离子电池组健康状态估计及不一致性演化研究.pdfVIP

哈尔滨工业大学硕士学位论文

摘要

随着汽车排放要求的逐渐提高和能源消耗的加剧，电动汽车已经成为未来

发展的趋势。动力电池作为电动汽车的“心脏”，将直接影响电动汽车的各种

性能。动力电池往往由多个单体电池串并联成组使用，因此，研究其成组过程

的电池组健康状态和不一致性问题具有重要的理论意义和研究价值。

本文主要以先并联后串联的电动汽车电池组为对象开展研究。在对动力电

池组健康状态估计的研究过程中，首先研究并联“大电池”的健康状态估计方

法，建立并联电池组模型，研究支路电流估计的最佳输入特征，采用双向长短

期记忆神经网络训练新电池支路电流估计模型，考虑在老化后的电池里应用之

前训练的模型参数，进而得到支路电流估计值与参考值的估计误差，建立估计

误差与放电倍率的散点图，对散点图进行拟合得到一次函数方程，对函数的斜

率与截距进行统计，得到不同老化过程的特征。研究特征与健康状态的关系，

进而实现全周期健康状态的准确估计，利用不同工况进行验证，结果表明所提

模型和方法具有较高的估计精度。

然后，研究从“大电池”模组到电池包的不一致性问题。研究此问题的前

提是需要获得电池包的健康状态，因而需研究实车数据下健康状态估计的方法。

考虑到多阶恒流快充下的实车健康状态估计难以获取，提出了结合电量增益法

的蒙特卡洛模拟方法准确获得容量参考值，并提取还原不同充电倍率后的区间

电压、增量容量曲线峰、差分热伏安曲线峰等特征，进行相关性分析确定反映

老化的特征。提出利用Stacking集成学习在两种应用场景下估计健康状态，结

果表明Stacking模型不仅在不同车上的应用效果良好，并且在稀疏数据下模型

精度仍在可用范围内。

最后，为量化存在温度差异的串联大电池不一致性演变，提出用均值差异

模型联合双扩展卡尔曼滤波估计平均模型的参数和差异模型的参数的方法，将

差异模型参数在充电过程的平均值作为评价因素，利用熵权重法得到实验组和

对照组不同老化点下四个电池的评价值及其标准差，对不同老化状态下电池组

的标准差值建立函数关系定量得到电池组的不一致性演化。

关键词:电动汽车；锂离子电池组；健康状态估计；不一致性

-I-

哈尔滨工业大学硕士学位论文

Abstract

Withthegradualincreaseinrequirementsforautomobileemissionsandthe

intensificationofenergyconsumption,electricvehicleshavebecomeatrendfor

futuredevelopment.Astheheartofelectricvehicles,thepowerbatterywill

directlyaffectvariousperformanceaspectsofelectricvehicles.Powerbatteries

areoftencomposedofmultiplesinglecellsconnectedinseriesandparallelto

formagroup,sostudyingthebatterypackstateofhealthandinconsistencyissues

duringthegroupingprocessisofgreattheoreticalsignificanceandresearchvalue.

Thisarticlemainlyconductsresearchonelectricvehiclebatterypacksthat

arefirstconnectedinparallelandthenconnectedinseries.Intheprocessof

researchonthestate