论文学习（一） | 电动汽车锂离子电池健康状态估计及寿命预测方法研究

半亩花海

已于 2024-11-14 15:53:39 修改

阅读量1.9k

点赞数 28

分类专栏：论文学习文章标签： 1024程序员节论文阅读

于 2024-10-24 23:21:23 首次发布

本文链接：https://blog.csdn.net/ttrr27/article/details/143141314

版权

5 篇文章

订阅专栏

Hi，大家好，我是半亩花海。本文主要对中文硕博论文《电动汽车锂离子电池健康状态估计及寿命预测方法研究》进行学习与阅读总结，便于后续科研进一步学习（纯小白自读汇总版）。总体感觉这篇有点偏向数理方面，不过后面还会学习其他算法模型在此场景下的应用。

一、关键词

锂离子电池，SOH估计，RUL预测，多尺度扩展Kalman滤波，粒子滤波

SOC：State of Charge，充电（荷电）状态。
SOH：State of Health，健康状态，反映电池当前的额定容量，即为当前额定容量和初始额定容量的比值（电池内阻、循环次数）；也可表示为电池的老化状态，分为日历老化（不可逆转、搁置不用时的容量衰减）和循环老化（充放电时）。
EOL：End of Life, 寿命终止，表示电池参数达到更换阈值的时刻（电池需要更换）。
RUL：Remaining Useful Life，剩余可用寿命，表示从观测时刻到电池EOL所需的时间。
多尺度估计：基于小波变换和多尺度理论。
粒子滤波：Particle Filter, PF，基于蒙特卡洛思想的贝叶斯状态估计，估计在任意噪声背景下、任何形式的非线性系统的状态。

（1）不基于模型

（2）基于模型--建立数学模型

电化学模型：电池内部物化反应。
等效电路模型：估计模型参数（欧姆内阻/额定容量），等效电路。
特性模型：在不同应激条件下的老化实验中得到的应激因素和老化表征参数（额定容量、欧姆内阻等）之间的简单关系。
分析模型：基于做实验得到的试验数据，设计估计器得到模型参数；方法：库伦积分法（电流I对时间t积分）、神经网络（NN）、人工神经网络（ANN）；输入变量：端电压、放电电流、放电容量、温度。