近日,永利官网欧阳天成副教授课题组围绕“车载动力电池荷电状态与健康状态联合估计”主题做了详实研究,在自动化与控制系统领域顶级期刊IEEE Transactions on Industrial Electronics《IEEE工业电子会刊》上发表题为“Co-estimation of State-of-Charge and State-of-Health for Power Batteries Based on Multi-thread Dynamic Optimization Method”的学术论文。
随着交通电气化和新能源汽车的快速发展,电动汽车在家用市场上的普及率逐年升高。为了在行车中高效利用动力电池剩余能量,电池管理系统需要不间断监测电池信息,包括荷电状态和健康状态,并以此制定和实施相应的能量管理策略。然而,由于电池是一个封闭的非线性系统,其荷电状态不可直接获取,只能由负载电流和测量电压估计得出。同时,车载动力电池往往包含多个电池模组并涉及上千节电池单体,这也给容量测试和健康状态监测带来了困难。
该课题组基于前期电池模型和非线性系统状态预测的研究基础(IEEE Trans. Power Electron. 36(7), 2021, 8102-8113;J. Power Sources 450, 2020, 227728; J. Power Sources 457, 2020, 228018),针对电池荷电状态和健康状态两个方面进行深入讨论,为相关领域的研究者、甚至对该领域感兴趣的一般公众,提供了一个快速了解该技术的参考。论文以开路电压模型参数为基础,分别构建了用于荷电状态估计的分数阶模型和用于健康状态估计的高斯线性模型,并利用数据驱动方法识别模型参数,最后在荷电状态和健康状态的联合估计中引入多线程动态优化方法,在每个线程的计算中对结果进行即时比较和最优选取,以降低随机高斯噪声带来的估计不确定性,增加估计精度。该方法可适配多种电池模型和估计算法,因此拥有很大的推广潜力,相信该技术将在未来的电池管理系统中起到重要作用。
该论文在欧阳天成副教授指导下,由2019级硕士研究生徐裴行等完成。其中,第一作者和通讯作者为欧阳天成副教授,通讯单位为yl23455永利官网,该工作得到了国家自然科学青年基金的资助。
IEEE Transactions on Industrial Electronics是IEEE协会旗下工程技术领域的顶级期刊,属于中科院SCI一区TOP期刊,期刊影响力在全球Engineering-Control and Systems Engineering领域排名第三。
全文链接:https://ieeexplore.ieee.org/document/9369116