电动汽车动力电池性能预测与故障诊断研究

作     者：刘彦伯 

作者单位：海南大学 

学位级别：硕士

导师姓名：王磊

授予年度：2021年

学科分类：0808[工学-电气工程] 08[工学] 082304[工学-载运工具运用工程] 0807[工学-动力工程及工程热物理] 0823[工学-交通运输工程] 

主      题：SOC预测 SVM EEMD 寿命预测 

摘      要：新能源汽车能够有效帮助改善燃油汽车尾气排放引发的环境污染的情况,而且能够有效缓和能源匮乏带来的一些压力。安全、便利、经济和良好的寿命性是动力电池组作为电动汽车最重要核心部件所要具备的条件。电动汽车上所使用的电池必须达到一定的要求,即安全经济,使用寿命长等。目前,锂离子动力电池已经为我国汽车工程行业打开了一个环保、节能的发展时代,但由于锂离子动力电池存放式储能系统在技术上和使用寿命上都得不到有效地充分保障,从而限制了它的广泛运营。结合当前电动汽车的发展现状和趋势,对汽车动力电池的性能分析与故障诊断进行研究是十分有必要的。本文主要是对混动电动汽车锂离子电池组进行研究。主要研究工作如下:(1)基于一种常规方法在动力电池SOC的电荷运行状态(State of charge,SOC)中发现了估算上的不足,通过与其他一系列算法的对比,提出了网格搜索方法中经过优化后的最小二乘支持的向量回归机对SOC进行了预测,可以大幅度地降低了动力电池SOC的估计和误差,以提高混动汽车行驶的高效性和安全性。(2)充放电超时的情况经常出现在动力电池组中,将会大大影响其性能减少剩余可用寿命(Remaining Useful Life,RUL)这将缩短电动汽车的电池续航里程。电池性能好坏的另外评判标准是动力电池剩余可用寿命(Remaining Useful Life,RUL)。本文主要提出了一种基于一个差分自定义回归的差分移动平均(ARIMA)函数模型与一种函数支持的差分向量机(SVM)的组合电池RUL预测模型。提出两种模型的基本形式:(1)并联型组合模型,通过组合预测的方式来进行优化。(2)串联类组合模型,通过将预测结果后残差数据进行了拟合和预处理。(3)在锂离子动力电池的使用过程中可能出现难于察觉的故障,传感器也无法直接勘测出故障类型,其故障特征要经过某些算法来提取。所以本文主要是通过研究利用EEMD-SVM方法从锂离子动力电池的电压信号中分析和提取其故障特点,来提高动力电池故障诊断的准确性。