受环境污染和能源危机的影响,新能源汽车被列为国家重点扶持产业,近几年新能源汽车的产销量逐年递增。由于锂离子电池在能量密度、功率密度、环境友好度和循环寿命方面有着优异的表现,成为动力电池主流选择。然而,锂离子电池健康状态SOH...受环境污染和能源危机的影响,新能源汽车被列为国家重点扶持产业,近几年新能源汽车的产销量逐年递增。由于锂离子电池在能量密度、功率密度、环境友好度和循环寿命方面有着优异的表现,成为动力电池主流选择。然而,锂离子电池健康状态SOH(State of Health)不可避免地会随着使用而逐渐衰减,对电池的安全性及正常使用带来挑战。因此,基于动力电池全生命周期运行数据进行建模分析并以此来估算动力电池SOH,对电池健康状态评估具有必要性。本文选择遗传算法、基于模糊逻辑系统算法、神经网络算法、卡尔曼滤波算法、基于动态贝叶斯网络算法等建模方法进行了介绍,系统研究各不同算法的特征、优缺点和准确度,为动力电池SOH建模方法选择提供参考。SOH算法的研究将为动力电池健康预警提供有力支撑。展开更多
文摘受环境污染和能源危机的影响,新能源汽车被列为国家重点扶持产业,近几年新能源汽车的产销量逐年递增。由于锂离子电池在能量密度、功率密度、环境友好度和循环寿命方面有着优异的表现,成为动力电池主流选择。然而,锂离子电池健康状态SOH(State of Health)不可避免地会随着使用而逐渐衰减,对电池的安全性及正常使用带来挑战。因此,基于动力电池全生命周期运行数据进行建模分析并以此来估算动力电池SOH,对电池健康状态评估具有必要性。本文选择遗传算法、基于模糊逻辑系统算法、神经网络算法、卡尔曼滤波算法、基于动态贝叶斯网络算法等建模方法进行了介绍,系统研究各不同算法的特征、优缺点和准确度,为动力电池SOH建模方法选择提供参考。SOH算法的研究将为动力电池健康预警提供有力支撑。
