一种基于恒流充电阶段电压数据的锂离子电池健康状态估计模型OA
为满足储能系统电池管理中健康状态(State of health,SOH)估计算法兼顾高精度与轻量化的需求,本文提出了一种基于局部电压拟合(Local voltage fitting,LVF)的SOH估计方法.该方法以等效电路模型为理论基础,建立恒流充电阶段电压与时间的映射关系模型,并通过非线性拟合实现对SOH的直接求解.基于18650型磷酸铁锂(LiFePO4)电池的循环寿命实验数据结果表明,LVF模型在无需完整充电曲线的情况下即可实现高精度SOH估计,均方根误差(Root mean square error,RMSE)为1.249×10^(-3),最大相对误差(Max relative error,MRE)为9.489×10^(-3),平均绝对百分比误差(Mean absolute percentage error,MAPE)为0.1037%.与BP(Back propagation)神经网络和梯度提升回归树模型相比,LVF的RMSE降低了83.12%和79.12%,且计算时间相较于二者缩短了84.60%和56.05%.在同济大学公开的NCM电池数据集上验证表明,LVF模型在不同电池体系与一致性条件下均能保持稳定估计性能,RMSE约为4.856×10^(-3),MRE约为1.87×10-2,MAPE约为0.3231%.综上,所提出的LVF模型兼具高精度、低复杂度和广泛适用性,为储能电池健康评估与梯次利用提供了一种高效、可解释的建模思路.
巫春玲;刘博洋;洪吉超;黄敬云;孟锦豪;王科
长安大学能源与电气工程学院,西安710018 长安大学陕西省交通新能源开发、应用与汽车节能技术重点实验室,西安710018长安大学能源与电气工程学院,西安710018 长安大学陕西省交通新能源开发、应用与汽车节能技术重点实验室,西安710018北京科技大学工程机械学院,北京100083长安大学能源与电气工程学院,西安710018 长安大学陕西省交通新能源开发、应用与汽车节能技术重点实验室,西安710018西安交通大学电气工程学院,西安710049云南电网有限责任公司电力科学研究院,昆明650206
信息技术与安全科学
锂离子电池健康状态估计等效电路模型恒流充电曲线拟合循环实验
《工程科学学报》 2026 (5)
P.1170-1182,13
国家重点研发计划资助项目(2021YFB2601304)陕西省自然科学基础研究计划重点资助项目(2025SYS-SYSZD-117)陕西省教育厅服务地方专项科学研究计划资助项目(23JE021)中国南方电网有限责任公司创新项目(YNKJXM20222521)。
评论