复杂使用工况下车载锂电池退化建模及剩余寿命预测研究

As the power source, vehicle lithium-ion battery is the key component in the electric vehicles, while the remaining useful life prognostic of vehicle lithium-ion battery is the crucial problem in prognostic and health management for electric vehicles, which has important significance to ensure the safety, stability and long period operation of electric vehicle. Recently,remaining useful life prognostic based on data-driven has become one research hotspot. However, most data-driven remaining useful life prognostic methodologies of the lithium-ion battery are committed to fixed ambient temperature, constant discharge current, or without considering the depth of discharge. It is difficult to meet the requirements for remaining useful life prognostic of the lithium-ion battery with time-varying temperature, random variable discharge current and time-varying depth of discharge in the actual operation. In this project, taking vehicle lithium-ion batteries as studying objects, based on data-driven methodologies, we focus on the following : 1) construction of degradation evolution path of vehicle lithium-ion batteries under time-varying ambient temperature and random variation discharge current；2) degradation modeling and remaining useful life prediction methods for vehicle lithium-ion batteries in random variable temperature and discharge current; 3) degradation modeling and remaining useful life prediction methods for vehicle lithium-ion batteries considering depth of discharge; 4) experimental validation and application verification of degradation model and life prediction methods. The research results of this project not only have important academic significance, but also have potential engineering application value for improving the reliability and safety of new energy electric vehicles.

车载锂电池作为动力源是电动汽车的关键部件，而锂电池的剩余寿命预测是电动汽车健康状态预测与管理的关键问题，对保障电动汽车的安全、稳定、长周期运行具有重要的意义。目前，数据驱动的剩余寿命预测已成为国内外研究的热点。然而，现有数据驱动的锂电池寿命预测方法主要针对环境温度固定、输出电流恒定、不考虑放电深度影响的实验室工况，难以满足实际使用中变温、变流、变放电深度等复杂工况影响的车载锂电池剩余寿命预测的要求。因此，本项目以车载锂电池为研究对象，基于数据驱动的方式，主要研究：1)变温、变流工况下锂电池退化演变基准路径的构建；2)变温、变流工况下锂电池退化建模与剩余寿命预测方法；3)考虑放电深度影响的锂电池剩余寿命预测方法；4)复杂使用工况下导弹发射车车载锂电池退化模型与剩余寿命预测方法的应用验证。本课题的研究成果不仅具有重要的学术意义，而且对于提高电动汽车的可靠性、安全性具有潜在的工程应用价值。

1）项目背景：车载锂电池作为动力源是电动汽车的关键部件，而锂电池的剩余寿命预测是电动汽车健康状态预测与管理的关键问题，对保障电动汽车的安全、稳定、长周期运行具有重要的意义。针对当前寿命预测模型局限于环境温度固定、输出电流恒定、不考虑放电深度影响等，本研究以车载锂电池为研究对象，重点解决变温、变流、变放电深度等复杂工况下剩余寿命预测问题，建立了一类时间序列预测的理论和方法。2）主要研究内容：变温、变流工况下锂电池退化演变基准路径的构建；变温、变流工况下锂电池退化建模与剩余寿命预测方法；考虑放电深度影响的锂电池剩余寿命预测方法。3）重要成果：（1）提出了构建变温、变流工况下锂电池退化演变基准路径的方法；（2）针对长寿命锂电池退化数据量小的问题，提出一系列小样本退化数据下锂电池退化建模及剩余寿命预测方法；（3）解决了多工况、异质锂电池状态估计及剩余寿命预测问题；(4)解决了放电电流随机变化工况下锂电池寿命预测问题；(5)实现了锂电池使用早期阶段剩余寿命预测；(6)提出了系列考虑锂电池退化过程时变的剩余寿命预测方法；(7)提出了系列基于机器学习的锂电池退化建模及剩余寿命预测方法；(8)提出锂电池容量可解释性方法，突破常规数据驱动方法解释性差的局限；(9)提出基于随机过程理论的考虑放电深度影响的锂电池剩余寿命预测方法；(10)针对目前电池管理系统中相关算法存在收敛速度慢、泛化性不强，难以满足系统实时性要求，提出锂电池健康状态快速预测算法；（11）提出考虑充电协议的锂电池寿命预测算法，为平衡充电速率和电池退化的矛盾提供了理论依据。通过公开数据集和项目组实验数据验证了所提出理论和方法的有效性。本项目的研究成果不仅具有重要的学术意义，而且对于提高电动汽车的可靠性、安全性具有重要的工程应用价值。项目组发表论文26篇，其中14篇发表在领域SCI检索的TOP期刊上，高被引论文1篇，申请/授权发明专利13件，培养博士生1名、硕士生16名。