论文部分内容阅读
锂离子电池因其绿色环保,充电效率高,输出功率大等优势成为电动汽车的主要动力源,对电池系统进行科学健康地管理也成为电动汽车发展的关键技术问题之一。在当前数据化、智能化和云计算的时代背景下,基于数据驱动的锂离子电池健康管理研究成为广泛关注和研究的热点问题。基于实验工况数据的相关理论研究已颇为丰富,但与电池的实际应用工况依然存在不小差距,难以直接迁移应用。针对锂离子电池在实际应用工况下面临的管理和应用问题,本文从以下几个方面展开研究:首先,从锂离子电池的工作原理入手,深入研究锂离子电池单体的老化模式与老化机理;重点分析温度,放电深度,充放电倍率等重要参数对电池老化的影响以及车载电池组老化的实际影响因素,为后续章节对锂离子电池的寿命预测和电动汽车的循环里程预测奠定理论基础。其次,基于多段快充数据实现单体的寿命预测。考虑到真实车载工况的充电策略,本文基于MIT-Stanford公开数据集前100个循环的多段快充数据,提取多种加工特征和测量特征,比较各特征与电池寿命的相关系数,选择四个与寿命相关性较高的特征代入各类机器学习模型训练,改变训练数据的比例和模型类型,最优模型预测误差仅为9.34%,各单体寿命的平均预测误差为92.56圈,可有效预测电池寿命。再次,基于实际运行数据实现宏观时间尺度下的电动汽车循环里程预测。基于某品牌两辆同款电动汽车的实际数据分别提取表征电池老化状态的多维健康特征,代入支持向量回归模型训练,最终预测误差可控制在2%以内;再对这两辆电动汽车的未来循环里程进行外推预测,分别提供个性化精细化的保养维修建议,有效延长电池的使用寿命并提高用户的使用体验。最后,为满足电池从业人员的研究需求,基于MATLAB APP Designer进行电池数据分析软件AILi On的二次开发。该软件覆盖了数据分析的全过程,包括数据导入,基础数据展示,数据预处理,特征提取,模型选择和结果可视化等模块。在实验室原有软件基础上,把上述两种预测算法集成应用,简化复杂代码,方便用户使用。