融合多维超声时频域特征的锂离子电池荷电状态估计

摘要：

准确地估计锂离子电池的荷电状态(SOC)对电动汽车的安全运行至关重要.传统方法通过电池电压、电流、温度等参数估计SOC,但参数依赖对电极行为的测量,且易受阻抗、充放电速率等因素影响.相对于传统信号,超声信号可区分电池材料物理性质的微小变化,从而准确地表征电池状态.该文首先通过连续均匀分层介质模型研究了超声波在电池内部的传播过程,进而分析了电池材料物理性质对超声波传播特性的影响;其次,搭建了锂离子电池超声检测平台,提取了多维超声时频域特征,并利用超声特征解释了电池内部的电化学过程;最后,通过长短时记忆神经网络建立了融合多维超声时频域特征的锂离子电池 SOC 估计模型,对比了融合不同特征对 SOC估计精度的影响.实验结果表明,融合多维超声时频域特征可以有效提高 SOC估计的精度.在动态工况下,SOC 估计的方均根误差在 1.46%以内,平均绝对误差在 1.15%以内,验证了方法的有效性和准确性.

关键词：锂离子电池、荷电状态、超声检测、长短时记忆神经网络、多维超声特征

所属期刊栏目：38

分类号：TM911

资助基金：中央引导地方科技发展项目;清华大学国家重点实验室开放课题

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：4539-4550,4563