【微信公众号】AESA论文推荐第11期:电池SOX估计
发表时间:2021-02-27     阅读次数:     字体:【

☆本期分享导读:

本期论文推荐主题为电池SOX估计,共10篇,包括优秀论文6篇,AESA课题组优秀工作3篇。电池SOX估计优秀论文包括:OCV-SOC曲线(1)、电池SOC估计(2,8)、电池SOH估计(3)、电池状态监测及故障诊断(4)、基于超声的电池SOC估计(5)、电池SOC和SOH联合估计(6)、考虑老化的电池SOC估计(7)。AESA优秀工作内容包括:电池SOC和容量协同估计(9,10)。全部阅读预计用时16分钟,或按照对应标号阅读感兴趣的论文。分享知识是一种美德,如果喜欢,请把推送分享给您的同学、学生和身边可能有需要的人。

微信公众号推送


论文一:用主动降极化电压法改进的开路电压特性试验

【分类】OCV-SOC曲线

【题目】The improved open-circuit voltage characterization test using active polarization voltage reduction method

【作者】Jufeng Yang, Wenxin Huang, Bing Xia, Chris Mi

【单位】Nanjing University of Aeronautics and Astronautics, San Diego State University, University of California San Diego

【下载地址】https://doi.org/10.1016/j.apenergy.2019.01.060

【摘要】电池管理系统中,荷电状态与开路电压间的映射关系是一个至关重要的特征。然而,在较高测试效率下获得准确的SOC-OCV映射关系是一项具有挑战性的任务。本文提出了一种改进的OCV特性测试方法来有效地降低测试过程的极化电压。基于三阶等效电路模型,采用两组电流脉冲加速电池端电压变化至OCV,与传统的增量OCV特性测试相比,有效缩短了测试时间。分析了外加电流激励对电池模型参数的敏感性。随后,给出了外加电流激励的参数确定方法。在锂离子电池上进行了实验,验证了该方法的可行性。与传统OCV特性测试的比较进一步证明了该测试方法的优越性。

【关键词】锂离子电池;开路电压;OCV特性测试;等效电路模型;极化效应

【推荐理由】相对稳定OCV-SOC映射关系在电池管理系统中十分重要,但是获取准确的电池OCV值常需要较长的静置时间,这既不利于算法开发,也不利于算法应用。该文献则致力于缩短获取OCV的测试时间。

【关键插图】

图1:拟定的电流激励和电压响应的示意图。

图2:不同SOC下电池放电或充电后的静置期间的极化电压。

图3:20%SOC下电池放电后静置期间内极化电压的比较。


论文二:动态负载下考虑温度影响的LiFePO4电池荷电状态精确估计方法

【分类】电池SOC估计

【题目】Accurate approach to the temperature effect on state of charge estimation in the LiFePO4 battery under dynamic load operation

【作者】Van-Huan Duong, Hany Ayad Bastawrous, Khay Wai See.

【单位】University of Wollongong; The British University in Egypt;

【下载地址】http://dx.doi.org/10.1016/j.apenergy.2017.07.056

【摘要】本文提出了一种动态负载和变温下电动汽车用磷酸锂电池的荷电状态估计方法。该方法采用了一种基于递推最小二乘法的高度自适应状态估计算法和一个考虑宽温度范围的开路电压-电荷状态映射模型。该方法中的电池建模和状态估计基于一个新的荷电状态术语,该术语是根据实验结果定义的,以考虑温度变化引起的电池恢复容量。通过工况测试验证了所提方法的有效性,包括以往研究中常被忽略的恶劣温度条件。结果表明,该方法能保持准确的荷电状态估计,误差小于5.2%。该算法精确且简单,对电动汽车电池管理系统具备可行性。

【关键词】电动汽车;LiFePO4电池;SOC估算;温度效应;递推最小二乘法;开路电压

【推荐理由】本文考虑了温度对电池容量与OCV-SOC曲线的影响,基于实验结果重新定义了电池的SOC、容量、以及相应的OCV-SOC曲线。

【关键插图】

图1:不同温度下的放电试验。

图2:OCV-SOC特征曲线。

图3:变温度下的SOC估计结果。


论文三:支持退化诊断的电池健康状态估计:模型和算法描述

【分类】电池SOH估计

【题目】State of health battery estimator enabling degradation diagnosis: Model and algorithm description

【作者】Matthieu Dubarry, M. Berecibar, A. Devie, D. Ansean et al.

【单位】Hawai’i Natural Energy Institute, SOEST, University of Hawai’i at Manoa, USA

【下载地址】http://dx.doi.org/10.1016/j.jpowsour.2017.05.121

【摘要】本文提出了一种用于健康状态自动评估的新方法,该方法具有与自适应方法相似的优点,无需进行大量的计算。车载诊断方法使用一个查找表,这个表汇总了任何可能的衰退路径下选定特征的演变。该表是通过模拟退化对电池电化学行为的影响而建立的。这种多步骤的方法只需要在部署前进行密集计算。这种方法利用正常老化以及电镀和过充电的电池的实验数据进行了验证。通过建模的额外验证表明,该方法能够在接近90%的情况下自动诊断正在退化的电池。

【关键词】锂离子;健康状态;电池管理系统;磷酸铁锂电池;容量增量

【推荐理由】本文介绍了一种新的SOH估计方法,并可在BMS中直接实现,计算量极低,适用于一些特定场景中。

【关键插图】

图1:GIC//LFP电池从0至30%容量衰退不同特征演变规律:(a)峰面积;(b)多峰面积;(c)峰电压;(d)肩峰;(e)前尾电压;(f)总面积


论文四:基于云的大型锂离子电池储能系统电池状态监测与故障诊断平台

【分类】电池状态监测及故障诊断

【题目】Cloud-Based Battery Condition Monitoring and Fault Diagnosis Platform for Large-Scale Lithium-Ion Battery Energy Storage Systems

【作者】Taesic Kim, Darshan Makwana et al.

【单位】Department of Electrical Engineering and Computer Science, Texas A&M University-Kingsville, USA

【下载地址】http://dx.doi.org/10.3390/en11010125

【摘要】随着大规模锂离子电池储能系统(BESSs)中电池单体数量的增加,现有电池管理系统的性能受到了车载嵌入式系统的限制。此外,大规模BESS的维护仍需要昂贵的监控和数据采集系统。本文提出了一种新的基于云端的大型锂离子BESS的电池状态监测和故障诊断平台。所提出的网络物理平台融合了嵌入电池模块中的物联网和云端电池管理平台。在云电池管理平台(CBMP)中构建了多线程的状态监测算法和基于异常值挖掘的电池故障诊断算法。通过网络物理测试平台和CBMP的计算成本分析,验证了所提出的基于云的状态监测和故障诊断平台。因此,所提出的平台将支持车载健康监测,并为大型BESS提供智能化、低成本的维护。

【关键词】电池管理系统;云计算;状态监测;故障诊断;物联网;大规模锂离子电池储能系统;锂离子电池

【推荐理由】本文提出了基于云的大型锂离子电池储能系统电池状态监测与故障诊断平台,为云电池管理系统构建提供参考思路。

【关键插图】

图1:提出的大规模锂电池储能系统的网络物理电池管理系统架构以及提出的基于云端的电池状态监测和故障诊断平台的组成。

图2:提出的云电池管理系统平台。


论文五:基于简化飞行时间的锂离子电池状态估计方法

【分类】基于超声的电池SOC估计

【题目】State Estimation Approach of Lithium-Ion Batteries by Simplified Ultrasonic Time-of-Flight Measurement

【作者】Hartmut Popp,Markus Koller,Severin Keller

【单位】Austrian Institute of Technology(AIT), Vienna University, Austria

【下载地址】https://doi.org/10.1109/ACCESS.2019.2955556

【摘要】本文提出了一种基于压电圆盘的超声波TOF测量方法。通过测量机械脉冲在表面安装传感器,测量超声TOF来监测锂离子电池的荷电状态。该方法的主要优点是结构简单,成本低,适合于未来电池管理系统中的应用。具体地说,压电圆盘的激励是使用单个半导体开关而不是功率放大器来完成的,并且接收到的信号由放大器和施密特触发器组合来处理,以调节电池管理系统中微处理器的信号。在不同的操作工况下,基于高能量密度锂离子袋电池对设计元件的功能性和适用范围进行了评估。通过改变温度、电流速率和激励频率等参数来验证设计思想。通过生成估计函数并应用真实的驾驶循环进行状态验证。该方法的误差为飞行时间总值的1.29%或电荷状态值的16.85%。

【关键词】电池管理系统;锂离子电池;压电传感器;充电状态;飞行时间;超声波

【推荐理由】超声作为一种无损原位表征手段,具有灵敏度高、成本低、使用方便、速度快等优点,对于电池特性表征领域具有巨大的应用潜力。基于TOF提出了一种低成本监测锂离子电池SOC的方法,采用真实的车辆驾驶程序WLTP验证可行性,同时还发现温度与TOF的高度高度相关性。

【关键插图】

图1:信号处理电路设计图与实物图。在电池充放电时,将一对压电换能器固定在通过锂离子电池表面,信号发生器发射电信号,通过一端压电圆盘高频振动产生超声波在电池内传播,另一侧接收超声信号并转化成电信号传播到接收器进行信号处理并分析。

图2:不同中心振动频率下的TOF变化曲线。TOF随着SOC的增加而减少。更高的频率导致更高的整体TOF,也意味着更高的信号阻尼。当再次施加电池电流时,无论是在充放电状态还是在放电状态,观测到TOF的初始峰,这归因于锂分级相关现象。

图3:连续WLTP周期下TOF预测性能与误差。采用真实的车辆驾驶程序WLTP验证TOF预测性能与误差,TOF的趋势与恒定周期中的趋势相似,校正后的平均值作为估计值,产生的最大误差为2.06μs,这是对应SOC的TOF测量值的1.29%的误差或TOF总变化的16.85%。


论文六:基于内置压电传感器和导波估计锂离子电池的荷电状态和健康状态

【分类】电池SOC和SOH联合估计

【题目】Estimating state of charge and health of lithium-ion batteries with guided waves using built-in piezoelectric sensors/actuators

【作者】Purim Ladpli, , Fotis Kopsaftopoulos , Fu-Kuo Chang

【单位】Department of Aeronautics and Astronautics, Stanford University, USA

【下载地址】https://doi.org/10.1016/j.jpowsour.2018.02.056

【摘要】本文介绍了利用超声导波监测锂离子软包电池SOC和SOH的可行性。导波是使用内置压电圆盘换能器传播和感应并可以安装到现成的电池上。通过实验和分析研究发现导波与电池SOC/SOH之间的关系。对具有代表性软包电池的初步实验表明,导波信号的位移引起的飞行时间(ToF)和信号幅度(SA)的变化与电化学充放电循环和老化有强相关性。建立声学模型来模拟循环过程中电极模量和密度的变化,验证了实验TOF的绝对值和范围。进一步的统计研究表明,TOF和SA可以用于预测模型中准确地估计SOC/SOH。此外,通过在同一电池中使用多个传感器,可以实现更可靠、更准确的SOC/SOH预测。本研究的指示性结果可扩展可成为一种基于多路线传播导波信号的锂离子电池的SOC/SOH监测方法。

【关键词】锂离子电池;超声导波;充电状态;健康状态

【推荐理由】超声作为一种无损原位表征手段,具有灵敏度高、成本低、使用方便、速度快等优点,对于电池特性表征领域具有巨大的应用潜力。基于内置压电圆盘换能器测量导波的TOF与SA并采用GAM模型进行SOC预测。分析电池内部密度、模量等力学性质变化,采用声信号差分方法解释电池老化机制。

【关键插图】

图1:压电圆盘传感器实验设计图与实物图。在电池充放电时,将两对对压电圆盘换能器固定在通过锂离子电池表面,信号发生器发射电信号,通过一端压电圆盘高频振动产生超声波在电池内传播,另一侧接收超声信号并转化成电信号传播到接收器进行信号处理并分析。

图2:单周期导波TOF与SA变化曲线。显示在循环过程中TOF和SA信号强度的变化以及与电化学过程的同步变化。在充电过程中TOF逐渐变小,SA逐渐增大。TOF和SA在放电时发生相反趋势变化。这种循环行为是由电池内部密度和模量分布的变化改变了循环过程中波的传播特性引起的;。SA随SOC单调增加,但是在接近满载和放电时例外, 这是由于循环过程中粘弹性行为变化的结果。

图3:多周期导波TOF与SA变化曲线。虽然TOF和SA在一个周期到下一个周期之间只有很小的变化,但这表明其是一个可重复的进程,并与老化有很强的相关性。导波和SOH之间强烈且可重复的相关性潜在地为开发一种准确的运行中SOH测量方法奠定了基础。


论文七:基于物理模型和自适应容积卡尔曼滤波的耐老化电池充电状态估计

【分类】考虑老化的电池SOC估计

【题目】State-of-charge estimation tolerant of battery aging based on a physics-based model and an adaptive cubature Kalman filter

【作者】Xiaoyu Li, Zhijia Huang, Jindong Tian, Yong Tian

【单位】College of Physics and Optoelectronic Engineering, Shenzhen University, 518060, China

【下载地址】https://doi.org/10.1016/j.energy.2021.119767

【摘要】电池性能随着老化下降,这导致估计电池的SOC很困难。因为基于物理的电池 (PBMs)能准确且稳定地预测由电池老化导致的性能衰减,本文提出了一个高准确度、降阶的PBM,根据电动汽车应用的需求预测电池SOC。关键的模型参数主要基于低倍率下电池充电数据进行校正。基于电极中嵌锂率和电池SOC的关系,本文设计了一个SOC观测器。本文结合了一个自适应容积卡尔曼滤波(ACKF)和一个降阶的PBM来实现对电池SOC的自适应跟随。测试了3中不同老化状态的电池来验证所提方法的有效性。此外,对一个新电池开展了超过1300圈的循环老化实验。实验结果表明对新电池和老电池SOC估计的最大误差在1.6%以内,均方根误差在0.4%以内。

【关键词】锂离子;基于物理的模型;长期循环寿命;老化;自适应容积卡尔曼

【推荐理由】随着电池的老化,SOC的估计会越来越困难。本文使用了一种基于物理的电池模型与自适应容积卡尔曼结合的算法,实现了对不同老化程度的电池SOC的精确估计。

【关键插图】

图1: PBM-ACKF SOC估计算法的流程图。


论文八:增加串联电容提高电池状态估计精度

【分类】电池SOC估计

【题目】Improving battery state estimation accuracy through the addition of a series capacitor

【作者】Chu Xu, Timothy Cleary, Hosam Fathy

【单位】Mechanical Engineering, University of Maryland, College Park, MD 27042, United States of America

【下载地址】https://doi.org/10.1016/j.est.2020.101948

【摘要】本文的动机是电池SOC估计精度,特别是在电流电压测量存在偏差和/或噪声时的理论极限。本文主要目的是展示增加一个串联超级电容能改善这种理论极限,使更精确的状态估计成为可能。作者通过Fisher信息分析得出这一结论,表明混合超级电容-电池系统的Cramér–Rao估计精度界限明显小于纯电池系统。串联超级电容的增加通过增加了超级电容-电池系统开路电势在储存电荷时的敏感度实现了估计精度的提升。这使得本文所提的混合理论对电池电压与电荷直接斜率很小的电池体系很有吸引力,如LiFePO4电池。Monte Carlo仿真研究从线性和非线性两种LiFePO4电池模型支持了这一理论。模拟结果还提供了一个重要的补充观察,即在模型失配引入估计偏差的情况下,使用超级电容-电池杂交可以减少这种偏差。此外,本文还进行了实验验证。仿真和测试结果都证实了Fisher分析预测的无偏估计方差的改进。

【关键词】估计精度;Fisher信息;超级电容-电池

【推荐理由】本文通过给电池串联增加一个超级电容,明显提高了电池状态估计精度,且适用于电压曲线平坦的电池体系,方法非常新颖。

【关键插图】

图1:(a)电池的等效电路模型,(b)超级电容-电池混合系统的等效电路模型,(c)混合系统的视觉结构。


论文九:一种基于多阶段模型融合方法的锂离子电池荷电状态和容量协同估计方法

【分类】电池SOC和容量协同估计

【题目】Co-Estimation of State of Charge and Capacity for Lithium-ion Batteries with Multi-Stage Model Fusion Method

【作者】Xiong Rui. Wang Ju. Shen Wenxiang. Tian Jinpeng. Mu Hao

【单位】1 Department of Vehicle Engineering, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China

2 Faculty of Science, Engineering and Technology, Swinburne University of Technology, Hawthorn, VIC 3122, Australia

【下载地址】https://doi.org/10.1016/j.eng.2020.10.022

【摘要】锂离子电池已成为各种类型的电动交通工具(包括电动汽车,电动船,电动火车和电动飞机)的首选能源系统。为实现电动交通工具的宽温度和长寿命运行,能量管理系统需要实时准确的荷电状态(SOC)和容量。本文提出了一种多阶段模型融合的SOC和容量协同估计算法。首先,在正态分布的假设下,基于不同工况下的电压预测误差残差来计算权重,建立具有稳定参数边界的融合模型。其次,将具有前瞻性的差分反馈误差增益引入比例积分观测器中,提高状态反馈修正的收敛速度。第三,将多阶段模型和比例积分微分观测器结合,形成一种新的联合估计框架,用于估计复杂应用环境下的SOC和容量。第四,讨论了融合算法的收敛性和抗噪性能。最后,建立了硬件在环平台验证了融合算法的性能。基于不同老化不同温度工况验证结果表明,该算法可以实现SOC和容量的高精度估计,相对误差分别在2%和3.3%之内。

【关键词】荷电状态;容量估计;模型融合;PID观测器;硬件在环

【推荐理由】①针对模型在线参数辨识工况依赖性强的问题,提出了基于特定老化点下的宽温度模型,结合各模型的预测误差对模型参数进行加权融合,实现了参数的实时稳定估计,相较于RLS在线参数辨识方法,该方法可获得强稳定、高精度的模型参数。

②针对已有SOC观测方法难以兼顾实时性、收敛性和观测精度的问题,提出一种具有前瞻反馈功能的PID观测器,具有较好的SOC观测精度和快速收敛能力,相较于普通的PI观测器,收敛速度提高6倍,相较于EKF方法实时性提高了2.5倍。

③针对宽温度范围内容量和SOC难以协同估计的问题,结合多阶融合模型和模型预测误差的高斯分布假设,提出了一种动态方差修正的贝叶斯概率融合方法,实现了基于并行模型的SOC和容量的融合估计,测试结果表明:宽温度范围内,SOC和容量的最大估计误差分别在2%和3.3%以内,且该方法实现了SOC和容量的解耦估计。经BMS控制器验证表明:该方法的计算时间小于UKF算法,精度和鲁棒性较好。

【关键插图】

图1:基于PID观测器的SOC和容量协同估计算法。

图2:10 ℃下SOC和容量协同估计结果(SOH = 0.89). (a) SOC 估计结果, (b) SOC 估计误差, (c) 容量估计结果和误差。

图3:算法硬件在环验证台架。

图4:算法硬件测试结果。


论文十:温度和老化意识融合驱动的电动车辆锂离子动力电池电量和容量协同估计

【分类】电池SOC和容量联合估计

【题目】温度和老化意识融合驱动的电动车辆锂离子动力电池电量和容量协同估计

【作者】王榘,熊瑞,穆浩

【单位】1.电动车辆国家工程实验室(北京理工大学) 北京 100081

2. 北京空间飞行器总体设计部 北京 100094

【下载地址】https://doi.org/10.19595/j.cnki.1000-6753.tces.191598

【摘要】作为电动车辆的技术瓶颈,动力电池具有强时变非线性特性且可测量有限,使用时易受温度和老化影响,全寿命周期和宽温度下精确状态估计一直是行业的技术难题。为此:(1) 使用不同温度和不同老化阶段的数据,建立了具有温度和老化意识的多阶段模型;(2)利用概率密度函数计算单一模型的权值表达,提出了多阶段模型融合驱动的动力电池荷电状态(SOC: State-of-Charge)和容量协同估计方法。(3)考虑不确定老化和温度因素的验证结果表明提出的方法具有较高的SOC和容量估计精度且对初值误差不敏感,-10%至50%初始误差时SOC估计误差<2%、收敛快。

【关键词】动力电池;寿命周期;协同估计;荷电状态;容量估计

【推荐理由】该方法有三个特点:

(1)算法具有抗动力电池老化和温度意识。通过不同老化状态和温度因素下参数化融合建模可以获得能够适应不同老化和温度变化的预测模,具有稳定使用边界和精度约束。

(2)权值实时更新机制。模型的跟踪误差用于确定融合权值,实现了权值的动态更新。

(3)估计结果的解耦性。由于模型输入为SOC是前端融合结果,输入的容量是当前老化阶段下的最大可用容量,可以实现SOC和容量解耦,提升估计性能。

【关键插图】

图1:多阶老化模型融合的电量和容量协同估计原理。

图2:权值及模型误差结果。

图3:电量和容量估计结果。

图4:算法初始偏差测试。

上一篇:【微信公众号】AESA论文推荐第12期:电池建模与复合电源
下一篇:【微信公众号】AESA论文推荐第10期:电池安全与电池加热
0
联系地址:北京市海淀区中关村南大街5号北京理工大学   Copyright  ©  2020-   先进储能科学与应用课题组  All Rights Reserved.网站地图
友情链接: 新能源与智能载运期刊    北京理工大学    ICEIV2022会议    机械与车辆学院    机械工程学报    Applied Energy期刊