基于BP-PSO算法的锂电池低温充电策略优化

摘要：

为了提高低温下锂离子电池的充电性能,降低其低温充电老化速率和充电时间,从而促进新能源汽车在低温地区的推广,进行了一系列锂离子电池低温充放电循环老化试验,基于大量低温充放电试验数据,分析了低温环境下不同充电条件对锂离子电池老化速率的影响.建立了用于锂离子电池低温充电老化速率估计的BP神经网络模型.在此基础上引入粒子群优化算法对传统CC-CV充电策略进行优化,将整个充电过程分为两个阶段,第一阶段,在达到充电截至电压前,采用粒子群优化算法寻找近似最优充电曲线,第二阶段采用常规的恒压充电.以低温容量衰退速率估计模型为基础,将低温充电老化速率和充电时间加权求和得到的多目标优化方程作为粒子群优化算法的适应度函数,在适应度函数中引入权值系数"g"来权衡两个优化目标的数量级,用粒子群优化算法进行迭代优化.测试结果表明所建立的低温充电老化模型对锂电池低温充电容量衰退速率具有较高的估计精度,优化后的充电策略能有效减小锂电池低温充电老化速率和充电时间.

关键词：锂离子电池、BP神经网络、粒子群优化算法、低温充电、电池老化、充电策略

所属期刊栏目：9

分类号：TP29(自动化技术及设备)

在线出版日期：2020-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1940-1947