机械工程学报

作者：何洪文, 王浩宇, 王勇, 李双歧

单位：1. 北京理工大学电动车辆国家工程研究中心 北京 100081;2. 北京理工大学机械与车辆学院 北京 100081

关键词：锂离子电池,健康状态估计,健康因子提取,实车运行数据,机器学习；

基金：国家自然科学基金资助项目(U1864202)。

准确估计锂离子电池健康状态(State of health， SOH)对电动汽车安全管理具有重要意义，针对实车数据存在电池状态不完整、工况复杂、数据质量差的问题，提出面向实车数据的多工况健康因子提取 SOH 联合估计方法。首先，提出实车运行数据工况重构方法， 将数据划分为行驶片段和充电片段， 降低电池工况复杂性。 然后， 分别构建行驶工况和充电工况的 SOH评价模型用于 SOH 估计。对于行驶工况， 选择内阻作为 SOH 评价指标， 通过等效电路模型辨识内阻参数， 基于 Auto-LightGBM的电池内阻建模方法估算 SOH；对于充电工况，选择容量作为 SOH 评价指标并通过提取恒流充电片段计算电池容量，再提取容量的影响特征，建立容量模型并估计电池 SOH。结果表明，基于内阻和容量的建模方法平均绝对百分比误差均小于 9%。最后， 建立结合充电与放电的 SOH 综合评价模型， 提出融合充放电片段的电池 SOH 联合估计方法， 基于实车运行数据的 SOH误差在 2%以内，并在实验室数据和多辆实车数据上验证方法的可靠性和适应性。

来源：2023年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第22期