電動汽車安全性和機動性的電池監測與預診斷技術

?

電動汽車安全性和機動性的電池監測與預診斷技術

隨著混合動力和電動汽車技術的不斷發展，汽車制造商開始采用鋰離子電池作為電能存儲設備用于現代汽車上。為了確保電池的可靠性、高效性以及能量和能源的及時傳遞特性，準確確定電池的性能、健康狀態和預測壽命是很有必要的。評估并比較了各種用于電池預測和健康管理的方法。3個主要方法分別為物理模型、數據驅動、融合模型。物理模型方法考慮了系統中的物理過程和失敗機制，能夠進行剩余使用壽命的預測，但不能檢測間歇性故障。數據驅動方法在系統特定信息不可用時能用于診斷系統，但這種方法需要跟蹤數據來確定剩余使用壽命，并建立剩余使用壽命的閾值。

因此，本文主要研究一種能夠有效結合物理模型和數學模型以及電池管理方法對電池狀況進行預診斷的方法，并從中獲得相關電池的信息。融合模型方法能夠利用物理模型方法和數據驅動方法獲得有效使用信息以預測電池動態特性。

電池系統的有效預測和管理主要是解決流動分析的不確定性、電池壽命耐久性和安全等方面的問題。重點了解并列舉出管理系統預測和評估的不確定性。而不確定性分析的難點在于指出并列舉所有不確定性因素來源，如測量噪聲不確定性、模型不確定性以及跟蹤數據的缺失或不可用。根據影響電池不確性的關鍵因素，調查和開發模型和數據的驅動方法。

為了解決在估計或預測電池機動性、耐久性或物理模型和數據驅動方法安全性的相關問題，需要研究相關技術以定義動態條件下電池的參數，研究操縱條件下參數的變化，如道路坡度可以影響電動汽車的SOC估計。可將神經模糊、擴展卡爾曼濾波等算法應用于該程序中。問題的解決，有助于建立魯棒性更好的電池預測和健康管理系統，進而應用于電池系統和電驅動模型車輛。

刊名：Journal of Power

Sources（英）

刊期：2014年第256期

作者：Seyed Mohammad

Rezvanizaniani et al

編譯：趙喚