基于锂离子电池热特性的SOH在线诊断模型研究
电池健康状态(SOH)评估是电池管理系统(BMS)中的关键一环,传统的SOH估计方法通常是基于锂离子电池的开路电压、容量或内阻等静态测量参数,然而由于测试过程耗时长、测试环境特殊,在线容量或电阻测量在BMS中很少能实现.从CC放电模式下100%~60% SOC区间内的温度变化速率曲线中提取出一种新的SOH在线评估健康因子(dT/dt)mean.为验证健康因子的合理性,基于集总电池模型,研究电池的生热率发现(dT/dt)mean反应了电池正极熵变特性,以此建立了(dT/dt)mean、可逆反应热与SOH关系的健康寿命预测模型.并基于6组18650 LCO锂离子电池共计706组容量衰退循环数据给出了Pearson相关系数法以及神经网络下的多数据融合法有效性验证,验证结果表明(dT/dt)mean作为SOH在线评估健康因子可以有效提升模型系统预测精度.
锂离子电池、健康状态、温度变化速率、可逆反应的熵变、在线诊断、神经网络
41
TM911;TK124;TH811
国家重点研发计划2018YFB0104400
2020-12-30(万方平台首次上网日期,不代表论文的发表时间)
共11页
206-216