基于等效电路模型的云端动力电池寿命估计

摘要：

由于目前动力电池管理系统(battery management system,BMS)存在存储小、算力低等问题,仅依靠BMS估计出的容量误差会随电池荷电状态(state of charge,SOC)累计误差增大而逐渐增大.为实现动力电池寿命准确估计,提出了基于等效电路模型(equivalent circuit model,ECM)的动力电池容量估计方法.模型基于开路电压(open circuit voltage,OCV)和SOC的关系,直接建立1阶RC模型和容量联系;通过粒子群优化算法(particle swarm optimization,PSO)寻优最小仿真端电压与实际端电压的均方根误差(root-mean-square error,RMSE),此时辨识结果为初步估计容量,结合多项式回归(polynomial curve fitting,PCF)控制卡尔曼滤波(kalman filter,KF)对辨识结果进行了优化.最后对云端实车与传统方法测得的容量进行对比验证,二者的RMSE小于3％且最大绝对误差小于2 Ah.与现有方法相比,该方法能够不单依赖BMS数据准确估计容量.同时,对于实车等复杂场景的应用做出了优化,可以实现实车场景下的容量精确估计.

关键词：动力电池、云数据、电池寿命估计、等效电路模型、参数辨识

所属期刊栏目：38

分类号：TM912

资助基金：国家自然科学基金;上海市自然科学基金

在线出版日期：2024-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：11-20