基于电化学模型的锂电池SOH在线估计与老化机制辨识.docxVIP

PAGE2

基于电化学模型的锂电池SOH在线估计与老化机制辨识

摘要

锂电池在储能系统中长期运行面临容量衰减与内阻增长等老化问题，准确在线估计健康状态（SOH）并辨识老化机制，对提升储能电池管理系统（BMS）的运维效率与安全性至关重要。现有基于经验模型或等效电路模型的方法难以解释老化机理，且估计精度受工况影响较大。

本设计以增强型单粒子模型（SP+）为核心，提出一种模型参数在线辨识与老化机制解耦的SOH估计方案。设计通过带遗忘因子的递推最小二乘算法实时辨识SP+模型中的关键老化敏感参数，并据此分离固体电解质界面膜（SEI）增长与锂沉积对容量和内阻的贡献，实现在线SOH计算且自然给出老化原因。性能指标要求SOH估计误差小于2%，算法单步运算时间满足BMS在线应用需求。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程逻辑。在需求分析中明确精度、实时性及可解释性要求；总体设计构建了参数辨识、老化分离与SOH计算三层架构；详细设计给出了算法流程与关键公式；通过MATLAB仿真验证，在多种老化工况下SOH估计误差均低于1.8%，且能有效区分SEI增长与锂沉积主导的老化模式。设计成果为储能BMS提供了可解释的在线健康诊断方法，具有理论意义与工程价值。

第一章绪论

1.1研究背景

近年来，电化学储能系统在电网调频、峰谷套利及可再生能源消纳等领域得到规模化应用。锂电池因其高能