电动汽车安全性和机动性的电池监测与预诊断技术



电动汽车安全性和机动性的电池监测与预诊断技术

随着混合动力和电动汽车技术的不断发展，汽车制造商开始采用锂离子电池作为电能存储设备用于现代汽车上。为了确保电池的可靠性、高效性以及能量和能源的及时传递特性，准确确定电池的性能、健康状态和预测寿命是很有必要的。评估并比较了各种用于电池预测和健康管理的方法。3个主要方法分别为物理模型、数据驱动、融合模型。物理模型方法考虑了系统中的物理过程和失败机制，能够进行剩余使用寿命的预测，但不能检测间歇性故障。数据驱动方法在系统特定信息不可用时能用于诊断系统，但这种方法需要跟踪数据来确定剩余使用寿命，并建立剩余使用寿命的阈值。

因此，本文主要研究一种能够有效结合物理模型和数学模型以及电池管理方法对电池状况进行预诊断的方法，并从中获得相关电池的信息。融合模型方法能够利用物理模型方法和数据驱动方法获得有效使用信息以预测电池动态特性。

电池系统的有效预测和管理主要是解决流动分析的不确定性、电池寿命耐久性和安全等方面的问题。重点了解并列举出管理系统预测和评估的不确定性。而不确定性分析的难点在于指出并列举所有不确定性因素来源，如测量噪声不确定性、模型不确定性以及跟踪数据的缺失或不可用。根据影响电池不确性的关键因素，调查和开发模型和数据的驱动方法。

为了解决在估计或预测电池机动性、耐久性或物理模型和数据驱动方法安全性的相关问题，需要研究相关技术以定义动态条件下电池的参数，研究操纵条件下参数的变化，如道路坡度可以影响电动汽车的SOC估计。可将神经模糊、扩展卡尔曼滤波等算法应用于该程序中。问题的解决，有助于建立鲁棒性更好的电池预测和健康管理系统，进而应用于电池系统和电驱动模型车辆。

刊名：Journal of Power

Sources（英）

刊期：2014年第256期

作者：Seyed Mohammad

Rezvanizaniani et al

编译：赵唤