基于综合性等效电路模型的退役动力电池特性分析

作     者：徐逸扬 

作者单位：兰州理工大学 

学位级别：硕士

导师姓名：王兴贵

授予年度：2023年

学科分类：0808[工学-电气工程] 08[工学] 

主      题：退役动力电池 电池等效电路模型 特性分析 能量状态估计 功率状态估计 

摘      要：电动汽车的动力电池性能会伴随使用次数的增加而发生衰减,当动力电池标称容量下降到额定值的80%时,将无法满足电动汽车的使用标准。退役动力电池梯次利用时,需要将单体电池重新编排成组。需要对退役动力电池的特性进行综合分析。本文所选取的退役动力电池为退役三元锂电池,下文中退役动力电池即指退役三元锂电池。本文以退役动力电池的特性分析为研究重点,主要做了以下工作:采用退役后的三元锂电池作为实验对象,对退役动力电池基本特性及老化特性进行了研究。建立符合动态工况的退役动力电池综合性等效电路模型。采用混合脉冲功率特性实验(Hybrid Pulse Power Characteristic,HPPC)辨识模型参数,拟合出电池开路电压与荷电状态的函数关系,在动态工况下验证综合性等效电路模型的精度。退役动力电池能量状态特性分析的重点在于对电池SOE特性的及时跟踪。即能够及时反映电池SOE的变化并更新SOE的估计值。采用无迹卡尔曼滤波算法与粒子滤波相结合的无迹粒子滤波进行电池SOE估计,提高电池SOE的估计精度。结果表明:相较于粒子滤波算法,无迹粒子滤波对退役动力电池的SOE估计具有更高的精度。退役动力电池功率特性分析的重点同样在于及时跟踪电池功率状态特性的变化并更新功率状态的估计值。采用改进后的学生心理优化算法优化循环神经网络,并将优化后的循环神经网络用于退役动力电池功率状态的估计。结果表明:利用改进SPBO算法优化循环神经网络既能够对大量数据进行计算,同时保证一定求解速度,解决了因运算量过大带来求解速度过低的问题,提高了退役动力电池SOP估计的准确性。