重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (6): 11-20.

• “动力电池的全生命周期智能管理”专栏 • 上一篇    

基于等效电路模型的云端动力电池寿命估计

陈金荣,孙跃东,邵裕新,王 冠,陈星光,郑岳久   

  1. 上海理工大学机械工程学院,上海 200093
  • 发布日期:2024-07-29
  • 作者简介:陈金荣,男,硕士,主要从事电池大数据算法研究,E-mail:15316070665@163.com;通信作者郑岳久,博士,教授,主要从事电池制造与缺陷、在役电池监控与预测、退役电池再利用与回收研究,E-mail:yuejiu_zheng@163.com。

  • Published:2024-07-29

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 circuitvoltage,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

中图分类号: 

  • TM912