摘要
锂离子电池(LIB)作为储能系统的主要组件之一，需要进行适当的管理从而提高可靠性、安全性和延长使用寿命。由于锂离子电池是具有复杂电化学结构的非线性系统，其性能在很大程度上受到内部和外部因素(老化、温度)的影响，因此准确评估锂电池的健康状态(SOH)有助于电池的管理、维护与使用。本文以NCR18650PF三元锂离子单体电池作为研究对象，在搭建电池模型和参数辨识的基础上，对锂电池健康状态的实时估计算法展开研究。 首先从模型的复杂程度和估计精度两方面对现有的电池模型进行对比分析，通过对分析结果综合考虑，选定二阶RC等效电路模型作为本文的研究基础，从而建立电池模型的系统状态方程和观测方程。基于搭建的动力电池测试系统完成了静态特性试验和DST动态工况试验，考虑到模型内部参数的时变特性，提出了基于宏观时间尺度的改进的 DOA(野狗智能优化算法)算法离线辨识模型内部参数，并使用 DST 动态工况进行验证，表明了选取的二阶RC等效电路模型的有效性。 其次考虑到锂电池的非线性特性，基于无迹卡尔曼滤波算法(UKF)实现锂电池SOC的预测。针对非正定的误差协方差矩阵会引起算法中断的问题，采用奇异值分解(SVD)对误差协方差矩阵进行处理。由于该算法运行时设置恒定的状态噪声和观测噪声，对SOC的估计将会产生持续的累积误差，在此基础上融合了自适应滤波算法，形成了改进的IUKF算法。而锂电池在实际过程中存在SOC的初始值未知的情况，为了提高UKF算法的估计鲁棒性，引入了最大熵准则，提出了MC-IUKF算法估计SOC，并通过DST动态工况试验进行对比验证，结果表明，MC-IUKF算法相比于UKF算法，对初始值误差具有较快的修正能力和跟随能力。 然后基于锂电池特性，选取欧姆内阻作为电池健康状态的表征参量，考虑到模型参数的动态变化特性，在MC-IUKF的基础上引入了EKF算法，对模型参数和SOC进行实时更新估计，代入内阻定义法的计算公式中，实现锂电池的SOH估计。 最后构建了UDDS工况(城市道路循环工况)、US06工况(激烈驾驶工况)和FUDS工况(联邦城市运行工况)的试验方案并通过动力电池测试系统进行测试，通过对比分析UDDS工况和US06工况，在SOC的初始值存在人工误差的情况下，分别使用EKF-UKF算法和EKF-MC-IUKF算法获得SOH估计结果。结果表明提出的改进算法具有较高的估算鲁棒性，对初始值敏感度低，收敛速度快，继续对FUDS工况使用EKF-MC-IUKF算法进行SOH估计，验证了提出的EKF-MC-IUKF算法具有较强的适应能力，在不同的工况下，都具有较高的估计精度。
NETL