锂离子动力电池状态与参数自适应联合估计理论研究

The state of charge of lithium ion battery is the basic foundation for batteries charging and discharging control，it is also closely related with temperature, working current and available capacity, and the influence factors of SOC is complex and coupling with each other. The SOC estimation problem has already become the bottleneck which restricts the safe，reliable and long lifetime usage of batteries. How to accurately acquire batteries parameters under the condition of whole life cycle is the core issue to achieve accurate SOC estimation. From conducting research on the chemical reaction mechanism and external characteristic of the charging and discharging process, combined with the time domain and frequency domain analysis, this project establishes the dynamic charging and discharging model of lithium ion battery, develops the method for determining the model parameters with electrochemical significance. Conducting the research on quantitative analysis method of batteries models parameter on the SOC estimation, the essential parameters influencing the SOC estimation are determined. The degradation mechanism of lithium ion batteries based on different usage paths is studied, deeply revealing the changing rules of external characteristic parameters varying with the battery temperature, current and aging. Using the data driven method, the high accurate estimation method for the model parameters of whole life cycle is proposed. The measurement noise characteristics estimation method is studied, and the influence of noise characteristics and their correlations on the SOC estimation is investigated. A novel adaptive joint estimation method between the batteries and parameters and SOC with measurement noise characteristics is developed.

锂离子电池荷电状态是对电池充放电控制的基本依据，与电池温度、工作电流以及可用容量紧密相关，其影响因素复杂且具有耦合特点，荷电状态估计问题已成为制约电池安全、可靠及长寿命使用的瓶颈。 如何在全寿命周期工况使用条件下准确获得电池参数，是实现荷电状态高精度估计的核心问题。项目通过开展电池充放电过程化学反应机理及外特性研究，结合时域和频域特征分析，建立电池动态充放电模型，提出具有电化学意义的模型参数确定方法；开展电池模型参数对荷电状态估计敏感度定量分析方法研究，提出影响荷电状态估计的关键参数；开展不同使用路径的电池寿命衰退机制研究，深入揭示外部特征参数随电池温度、电流及老化的变化规律，采用数据驱动方法，提出全寿命周期模型参数高精度估计方法；开展电池数据量测噪声特性估计方法研究，分析量测噪声特性及其相关性对电池荷电状态估计的影响，形成一种含量测噪声特性的电池荷电状态与参数的自适应联合估计新方法。

锂离子电池荷电状态是对电池充放电控制的基本依据，与电池温度、工作电流以及可用容量紧密相关，其影响因素复杂且具有耦合特点，荷电状态估计问题已成为制约电池安全、可靠及长寿命使用的瓶颈。. 本项目从电池荷电状态估计误差源出发，系统分析了SOC估计的影响因素及敏感度，从电池模型、辨识方法、估计方法几个方面研究了全寿命周期SOC高精度估计方法。（1）综合锂离子电池平衡电势电化学分析和曲线特征，建立了由对数函数、线性函数和指数函数构成的统一的锂离子电池SOC-OCV模型，在不同温度和老化状态下，模型相对误差均在1%以内；（2）基于对电化学动力学方程的解析推导和一阶 RC 模型的结构基础，捕捉倍率变化对电池极化电压幅值的影响，根据充放电倍率修正极化内阻值，建立了一种适用于宽倍率范围极化电压模型，高精度模拟电池不同倍率下的动态响应过程；（3）针对SOC估计，突破通过复杂算法提高估计精度的传统思维，基于状态空间方程建立电池荷电状态（SOC）估计模型，通过误差反馈实时修正模型输出并定期在线更新模型参数，提出多时间尺度的动力电池全寿命周期荷电状态估算方法，全生命周期在线估计误差3%以内，为实现电池系统高效精准管理提供重要技术支撑。依托项目成果，分别获2016年教育部技术发明一等奖和2018年汽车工业科技进步一等奖。基于该研究已和北京新能源汽车股份有限公司、一汽集团、欣旺达、中兴通讯等企业开展产学研合作。研究成果成功应用于欣旺达电动汽车电池有限公司开发的动力电池管理系统中，为2家客户提供服务，装车应用5000套。