锂离子动力电池老化特性研究与循环寿命预测

作     者：黄海 

作者单位：山东大学 

学位级别：硕士

导师姓名：崔纳新

授予年度：2016年

学科分类：0808[工学-电气工程] 08[工学] 

主      题：锂离子动力电池 老化特性 电池等效电路模型 寿命预测 神经网络算法 支持向量机算法 

摘      要：新能源汽车具有低排放、无污染的特点,而且能源可以重复利用,间接达到了节能减排的目的。动力电池是电动汽车动力系统的核心部分。锂离子电池凭借自身的电压水平高、循环性能优良、无记忆效应、自放电率小、能量密度大等明显优势,成为了动力电池相对来说较好的选择。动力电池剩余寿命(Remaining Useful Life, RUL)是电池监测与维护的关键,已成为电池技术的核心构成部分。准确估算电池RUL,对锂离子电池组的剩余寿命做出预判,有利于提高电池使用效率,确保电池使用中的安全性和可靠性,提高整车的控制性能和准确续航。本文主要工作内容有锂离子电池循环寿命实验与老化特性的分析,锂离子电池等效电路模型的建立和基于数据驱动的循环寿命预测。具体如下：首先从锂离子电池的工作原理和内部电化学反应出发,分析电池老化机制。搭建循环寿命实验平台,设计循环实验并采集数据,主要包括最大可用容量测试,不同倍率放电测试,复合脉冲HPPC测试,循环寿命测试。然后根据实验重点分析了动力电池的老化特性：放电倍率,充放电效率,放电电压,欧姆内阻等各种因素,为选择容量作为指标预测电池循环寿命奠定了基础。其次,锂离子电池等效电路模型的建立。在分析对比各种电池模型后选择兼顾精度与计算速度的的二阶RC模型作为主要研究对象,并选择开路电压函数进行拟合,解决了开路电压和SOC之间的非线性对应关系。针对目前电路模型不能反映电池容量下降和参数随电池老化而发生改变的问题,分别对电池不同的寿命状态进行参数拟合,对比电池使用初期,中期,末期三个阶段下的电池模型参数,得出了电池参数变化的大致规律。最后,选择了两种基于数据驱动的寿命预测方法：神经网络法和支持向量机法分别预测电池寿命,并对比两种方法的性能优劣,最终确定支持向量机的方法精度较高,所需训练样本较少,克服了利用神经网络法估计电池寿命的不足之处。