计及关键机理特征的插电式混合动力汽车锂离子电池多层次SOC/SOH/SOP协同估计与优化研究

Critical mechanistic characteristics-aware hierarchical co-estimation of Li-ion battery SOC/SOH/SOP is arguably a novel development direction and a promising technology for significantly improving safety and public acceptance of plug-in hybrid electric vehicles. This project will concentrate on three critical scientific questions/challenges in such a cutting-edge technology: parameter sensitivity analysis and simplification of physics-based electrochemical models, robust high-accuracy multi-scale SOC/SOH estimation, and multi-variable-conscious adaptive SOP indication. Theoretic analysis, modeling/emulation, algorithm simulation, and experimental validation will be jointly leveraged to advance the project. The research will analyze parameter sensitivity of Li-ion battery electrochemical models, formulate mathematical framework of model reduction, and compare different simplifying methods, in order to explore new model structures with desirable (optimum) balance between accuracy and computational efficiency. In light of salient advantages of physics-based models and online (moving horizon) optimization, innovative multi-scale SOC/SOH estimation algorithms will be synthesized to increase estimation precision and resilience. Systematic comparisons with existing estimation schemes will also be made. With the intention to increase the accuracy and environmental consciousness of peak power evaluation, multi-variable-conscious adaptive SOP estimation and experimental validation schemes will be mathematically formulated and solved, where comparative studies and experimental validation are sufficiently performed. Research results will do enrich and even transform vehicle-level energy management and battery management technologies for plug-in hybrid electric vehicles.

计及关键机理特征的锂离子电池多层次SOC/SOH/SOP协同估计是提高插电式混合动力汽车安全性和社会接受度的一个最新发展方向，也是最具前景的技术路线之一。本课题拟围绕这一前沿技术所涉及的机理模型参数敏感度分析与简化、高精度鲁棒多尺度SOC/SOH估计算法构建、感知多变量的SOP自适应估计策略设计三个关键科学问题，采用理论分析、建模仿真、算法模拟及实验验证相结合的方法开展研究。分析锂离子电池机理模型参数敏感度，构建模型简化的数学框架，对比研究不同模型降阶方法，探索新型模型结构，以获取精度与计算效率之间的理想（最佳）折中；结合简化机理模型和在线优化的优势，设计新的多尺度状态估计算法，提高SOC/SOH估计的精度和鲁棒性，开展充分的实验验证；构建感知多变量信息的SOP自适应估计及实验验证方案，提升峰值功率估算的精度与环境感知能力。研究结果将丰富和发展插电式混合动力汽车整车能量管理及电池管理技术。

交通电气化是世界各国能源改革、发展智慧及环保节能出行方式的重大战略需求，动力能源系统长期制约交通电气化的发展，高效安全的动力电池管控及预测运维已成为国际学术界和工业界亟需攻破的难题。. 针对上述问题，项目主要从锂离子动力电池机理模型简化、多时间尺度的SOC/SOH估计与感知多变量信息的SOP估计三个方面展开了深入研究。第一，项目构建了锂离子电池机理建模、简化与参数辨识的数学框架，在模型保真度和计算复杂度之间取得了更好的平衡，保证了模型的精度与适用性，为锂离子电池机理模型的工程应用提供了强有力的理论支撑。第二，项目分别探究了基于模型与数据驱动两种方法的电池SOC估计，进一步提高了锂离子电池SOC在线估计的简易性和精度。第三，项目提出了一系列基于机器学习框架的电池SOH估计与预测方法，从特征提取与模型构建两个方面进行了深入研究，以确保电池管理系统在全寿命周期内的可靠运行和及时维护。最后，基于上述电池建模、SOC/SOH估计与预测方面的研究，项目提出了多层级、多时间尺度的锂离子电池SOC/SOH/SOP联合估计框架，充分考虑了电池各个状态在不同时间尺度下的耦合关系，融合SOC/SOH估计信息，进一步提高电池峰值充放电功率的估计精度。. 本项目的研究内容属于电气、机械、电化学、控制等多学科交叉领域，研究成果为动力电池管理提供了强有力的理论基础，对我国下一代新能源汽车动力电池的高效管理起到一定的促进作用。