回顾电动车辆（EV）安全性和移动性的电池健康监测与预测技术和最新进展外文翻译资料

电源学报

回顾

回顾电动车辆（EV）安全性和移动性的电池健康监测与预测技术和最新进展

Seyed Mohammad Rezvanizaniani，Zongchang Liu，Yan Chen，Jay Lee

NSF I/UCRC for Intelligent Maintenance Systems, University of Cincinnati, Cincinnati, OH 45221, USA

主要内容

·概述了电池老化过程，测量变量和老化因素。

·现在通用的电池荷电状态估算和电池健康状态预测技术。

·运用理论数据和物理模型PHM方法分析。

·PHM技术在电池安全性方面的评估。

文章信息

文献历史：

2013年9月6日收到稿件

2014年1月15日校订

2014年1月18日定稿

2014年2月14日上线

关键词：锂离子电池、健康状态预测与管理、充电状态、健康状态、安全性、移动性

摘要：随着混合动力和电动汽车技术的不断进步，汽车制造商已经开始采用锂离子电池作为用于现有和未来车辆的首选电能存储装置。然而，为了确保电池可靠，高效，并且能够在需要时提供电力和能量，需要准确地确定电池性能，健康和寿命预测。本文提供了对电池预测和健康管理（PHM）技术方面的回顾，以主要满足电池制造商，汽车设计师，电动汽车驾驶者在这方面的需求。提出了许多方法来监测电池健康状态和性能，以及预测模型方法的演变。这项审查的目标是为解决在动态工作条件下的电池寿命问题提供可行和具有成本效益的解决方案。

2014 ElsevierB.V保留所有权利。

1. 简介

电动汽车市场的增长依赖于电动汽车的续航里程，可靠性，安全性和能量管理系统。动力电池由于传动简单和使用费用低的特点已被广泛应用于电动汽车（EV）和混合动力电动汽车（HEV）[1]。可再充电电池系统是具有易于转换化学能的最重要的能量存储系统[2]。在过去十年中，许多新技术对电池容量和功率密度产生了可感知的影响。然而，需要进一步开发与系统平衡的能容纳过多的存储容量和以满足功能需求，并减少灾难性故障[3,4]。此外，需要先进的感测和监测技术来预测和控制电池性能，以识别并进一步避免潜在的健康问题。

电池健康问题可以分为两个级别：系统级和单元级。系统级问题主要受电池动态操作条件以及复杂的电化学过程的影响。最近，电池预测解决两个关键问题：

·电池性能和内部特性的不确定性。作为非线性和时变性系统，电池内部电化学过程几乎不可能观察到。在设计，制造和使用期间控制电池性能的大多数电池状态参数通常受到来自周围动态环境的干扰。即使基本的充电和放电过程也受环境条件的相变反应和化学材料的影响。电池特性和性能状态的错误认识会导致电池管理的实质性问题并影响EV或HEV的移动性。

·安全保证。较新类型的电池，例如锂离子电池，具有较高的能量密度，因此如果发生任何故障，它们更容易出现安全问题。当高电流流过并且电池温度在几秒钟内增加到几百度时，温度的增加将扩散到相邻电池单元，导致电池着火或爆炸[5]。

开发电池预测解决方案的最关键步骤之一是建立一个电池模型，使汽车制造商以用户和设计师能够理解的形式模拟电池行为和解释电池问题。在过去的几十年中，许多不同的模型在有限的准确性下已经被开发[6e11]。一些研究人员试图开发数学模型来捕获电池化学反应在电池水平的特征，以解释电池副反应，化学降解，活性材料的损失，内阻的增加以及停止放电期间的热动力学。建立模型基于电池相关的变量，例如浓度，电势，反应速率和电流密度。有个例子，在浓溶解理论下[12]，约翰·纽曼使用斯特凡-麦克斯韦方程来解释电池单元的每个相和组件的每个物质的质量和能量传输[12,13]。这个模型可以解释停止放电过程中释放的副作用和热量。它还有助于理解放电曲线的趋势。这些类型的模型通常被称为电化学模型并且经常用于阐明关于由不同化学物质组成并且遵循不同降解路径的电池单元的电池故障模式的错误信息。至于宏观信息，一些其他众所周知的电化学模型如Peukert定律和Shepherd模型描述电池电压和电流变化的电化学行为[14,15]。

通过模拟标称工作条件下的系统响应电池系统的电化学模型的发展已经取得了很大的进展，可以根据存储系统所需能量和功率内容确定该类型电池单元的期望数量和寿命。该模型支持电池故障诊断和专门调查电池组件与电池组系统的热效应。然而，这种类型的模型在动态放电率和不一致的温度下不能直接了解系统级电池行为，或直接地解决充电状态（）和健康状态（）估计。由于复杂的操作环境导致的电池内部特性的不确定性使得在电池单元水平观察到的性能几乎不能转换为在系统级观察到的性能。虽然这些模型试图建立在对电化学过程的良好的认识之上，他们在实践中仍然没有得到应用[16-21]。其他研究人员利用电化学模型理论解释了电池行为，并将其与和建模的电池系统问题相结合，声称提供比简单数学理论更准确的结果[22-24]。

通过比较在电池单元水平上复杂的电化学过程的建模分析，实现了在系统级的理解认认识，研究人员正试图使用简化的电路模拟电池性能[9]。简化的电路模型可直接使用电池系统观察输出，并且能够准确地估计电池性能。它们能够确定系统作为整体的响应。在过去二十年中，研究人员已经为电池创建了许多等效电路模型。所有这些模型使用电压源，电阻器和电容器的模式来模拟电池性能[25,26]。电池的电荷存储容量通常由电容器表示。在不预测稳态模型的情况下，其他模型采用与电阻器并联的电容器（以显示内部电阻）来模拟电池电压的瞬态响应[10,15]。

这些模型中的大多数旨在实现准确的荷电状态估计。然而，当遇到容量衰减，热影响和能量密度变化的问题时，这些模型通常忽略退化的影响，并且不能帮助理解组件之间的相互作用[11]。这些大多数模型缺少的是对电化学装置的可靠性的考虑。他们的寿命和相关的故障机制很大程度上取决于它们的架构，负荷特性和控制策略[11]。特别地，在典型的电路模型中不考虑在动态电池操作期间负载曲线不确定性的影响。这限制了他们在真实EV应用中的作用，尽管它们在系统设计期间被广泛使用。动态操作和电路模型的复杂性的考虑在EV应用中是关键的。另一种方法集中在操作期间充分利用电池数据以基于简化的电路模型估计电池能量存储水平。数据驱动预测技术的利用将补偿在利用简单电池模型时的精度损失。许多研究人员已经开始专注于将上述电路模型与先进的数据驱动预测技术相结合。系统的历史数据和在线监测信息都作为电池性能预测，检测或估计学习的先进工具[27]。

总之，电池预测技术主要包括先进的电池性能建模方法和辅助数据驱动工具。 这两种技术因为它们提高准确的能量存储估计和促进整个电池管理并减少由动态操作条件引起的不确定性的能力在近几十年已经显著的发展。本文旨在审查电池预测技术，并详细说明电池制造商，汽车设计师和电动汽车驾驶员的电池健康监测中的主要未满足的需求。提出了一些已经开发用于监测电池健康状态和性能以及预测模型方法的演变的方法。这些方法的主要目的是提供这样的可行和成本有效的解决方案来处理在动态操作条件下的电池寿命问题。

在第2节中，基于对电池老化过程，可测量变量和影响电池老化的影响因素的概述，介绍开发和部署电池预测技术的挑战。电池预测问题的一般观点，包括在第3节中给出的电池充电状态（）估计和电池健康状态（）预测。第4节回顾电池预测的两个主要研究方向领域，包括数据驱动，物理模型和融合方法。此外，讨论了每种方法的特点，优点和缺点。第5节，从市场层面，回顾如何有助于电池预测技术被广泛关注的问题。例如，该技术如何有助于检测灾难性故障的发生，提高电池可靠性和安全性。为了便于更好地理解本文中使用的缩写，所有缩写的列表示于表1中。

表1 所有的缩写列表

1. 电池健康的问题和挑战

由于电池中发生的电化学过程固有的复杂性，使得电池开发和部署预测技术具有挑战性和复杂性。 除了在电池单元或系

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[138938]，资料为PDF文档或Word文档，PDF文档可免费转换为Word