科研之友
微信
新浪微博
Facebook
分享链接
摘要
锂离子电池技术的日益成熟为新能源发电和电动汽车等产业发展提供了重要支撑作用。锂离子电池采用有机电解液，发生故障后极易触发电池材料的放热副反应，导致电池热失控，最终可能演化成燃烧爆炸等重大事故。电池健康状态(State of health,SOH)是锂离子电池储能系统故障诊断和安全预警的重要参数，精确估计SOH是提升电池系统安全性的有效方法。提出一种基于温度变化率(DT)曲线的锂离子电池健康状态评估算法，充分提取反映电池健康状态的锂离子电池表面温度信息，以电池充电过程中的DT曲线的极大值点和两极值间的电压差作为电池SOH估计的特征量，进而搭建了基于反向传播(Back propagation,BP)神经网络的SOH估计模型。结合试验数据和仿真，测试结果最终表明，所提出的方法可有效提升锂离子电池SOH的估计精度。
- 单位
