参数变化

重型电动汽车中锂离子电池的建模，参数识别和老化敏感的管理

电池是对完整电动汽车（EV）的成本和环境足迹产生重大影响的组件。因此，有强大的动力可以最大化其利用率。用法限制由电池管理系统（BMS）执行，以确保安全操作并限制电池降解。限制往往是保守的，以说明电池状态估计的不确定性以及由于老化而导致的电池特性变化。为了提高利用率，需要对衰老敏感的电池管理。这是指管理策略，该策略是a）根据其状态调整电池期间的寿命，b）根据特定应用程序的要求平衡利用率和退化之间的权衡。在最新的电池安装中，仅测量了三个信号；电流，电压和温度。但是，必须估计的其他州（例如其最先进的（SOC）或局部浓度和潜力）对电池的行为进行了政府。因此，BMS依靠模型来估计状态并执行控制动作。为了实现点a）和b），必须在船上更新用于状态估计和控制的模型。更新的型号还可以实现诊断电池的目的，因为它反映了电池老化电池的变化。本论文研究了从操作EV数据中识别电化学和经验蝙蝠模型的鉴定。此外，IT研究了基于模型的最佳和自适应快速充电策略。工作分为四个主要研究。1）在驾驶数据上鉴定了经验线性参数变化（LPV）动态模型。模型参数是作为测得的温度，电流幅度和估计的开路电压（OCV）的功能提出的。处理电池电压响应的时间尺度差异，采用了连续的时间系统识别。我们得出的结论是，与离散和时间不变的对应物相比，所提出的模型具有较高的预测能力。2）对高阶电化学模型的参数进行了全局灵敏度分析。用实际电动汽车的测量电流曲线用作输入，并且评估了参数对建模细胞电压和其他内部状态的影响。研究表明，为了激发所有模型参数，需要高电流率，较大的SOC跨度以及更长的电荷或放电期的输入。这仅在电动卡车的数据集中存在，该电池组很少。来自带有更多包装（电动总线）和有限的SOC操作窗口（插电式混合动力卡车）的车辆的数据集激发了更少的模型参数。3）我们还投资了设计充电电流以增加其有关模型参数的信息内容，而不是使用驱动数据来参数化模型。这是在频域中作为最佳实验设计问题的提法。基于等效电路模型（ECM）状态优化了对衰老敏感的快速充电过程。最后，结合最佳快速电荷和