- 王文彬;陈思言;孙宇;姜大力;
为了提升动力电池健康状态管理能力并增强其对减少碳排放的贡献,围绕电动汽车核心部件锂离子动力电池,详细综述了车载动力电池产业概况、支持政策、面临挑战、电池的健康状态管理以及后续发展。研究表明,动力电池健康状态管理呈现以下趋势:(1)强化SOH管理能有效提升电池性能与寿命,降低整车碳排放;(2)基于SOH最优的电池精细化管理技术(如状态估计、优化控制)是未来发展的核心方向;(3)结合梯次利用的电池全生命周期管理策略,能显著提升锂离子电池的整体碳减排能力。
2025年07期 No.594 1-13页 [查看摘要][在线阅读][下载 818K] - 韩留军;李丽珍;张富斌;叶源;王星;
首先,综述了锂离子电池的关键状态包括荷电状态(SOC)、功率状态(SOP)、功能状态(SOF)、能量状态(SOE)、健康状态(SOH)、剩余使用寿命(RUL)、温度状态(SOT)和安全状态(SOS)关键状态的定义,分析其耦合关系。然后,分类阐述电池双状态联合估计的方法,并对未来发展趋势进行了展望。未来,多状态联合估计可进一步提升估计精度;先进传感器技术,如光纤传感器可更准确测量电池内部状态量;目前,电池组状态估计多集中于单体电池,需深入探索电池模组和电池组层面的联合估计;鉴于锂离子电池的非线性特性,机器学习能以较低复杂度实现较高精度估计,随着大数据和云技术发展,新型电池状态估计将成为趋势。
2025年07期 No.594 14-24页 [查看摘要][在线阅读][下载 839K] - 王春辉;
针对新能源汽车动力电池健康状态(SOH)估算精度低的问题,提出一种基于门控循环神经网络(GRU)的电池SOH估算方法,基于电池充电数据提取多维输入特征,对特征进行数据清洗和归一化处理,训练GRU网络构建电池SOH估算模型。结果表明:所提出的方法可实现电池SOH估算的平均绝对误差为0.26%,相较于传统计算方法绝对误差降低了1.04%,该方法可实现对电池SOH较准确估算,可用于电动汽车的老化状态评估。
2025年07期 No.594 25-30页 [查看摘要][在线阅读][下载 821K] - 刘伟川;孙丰涛;江开东;
为了提高锂离子动力电池荷电状态(SOC)的估计精度和可靠性,选取具有代表性的锂电池戴维宁(Thevenin模型作为研究对象,阐述了该模型的建模和参数辨识方法,通过对现有SOC估计方法主要局限性进行分析,提出了一种基于Thevenin等效电路模型和无迹卡尔曼滤波(UKF)的SOC估计方法。验证结果表明,该方法跟踪效果良好,误差在可接受范围内,整体性能优良。
2025年07期 No.594 31-36页 [查看摘要][在线阅读][下载 773K]