张鹏　邹岱江　武双贺　王建斌　何绍清

摘 要：受环境污染和能源危机的影响，新能源汽车被列为国家重点扶持产业，近几年新能源汽车的产销量逐年递增。由于锂离子电池在能量密度、功率密度、环境友好度和循环寿命方面有着优异的表现，成为动力电池主流选择。然而，锂离子电池健康状态SOH（State of Health）不可避免地会随着使用而逐渐衰减，对电池的安全性及正常使用带来挑战。因此，基于动力电池全生命周期运行数据进行建模分析并以此来估算动力电池SOH，对电池健康状态评估具有必要性。本文选择遗传算法、基于模糊逻辑系统算法、神经网络算法、卡尔曼滤波算法、基于动态贝叶斯网络算法等建模方法进行了介绍，系统研究各不同算法的特征、优缺点和准确度，为动力电池SOH建模方法选择提供参考。SOH算法的研究将为动力电池健康预警提供有力支撑。

关键词：新能源汽车;锂离子电池;健康状态;建模方法

1 前言

新能源汽车的动力电池安全可靠运行的一个日益重要的问题。动力电池的健康状态SOH可以被理解为一个反映电池总体状况的测量值，或者与新鲜状态相比其提供指定性能的能力。而掌握动力电池的SOH后可以预测电池的使用寿命，从而避免系统意外中断，防止造成损坏或危险事件。所以SOH的估算是电池应用中最重要的问题之一。动力电池的各特性性能参数，如容量和电阻会随着使用和时间发生变化，必须建立可用于动态系统的复杂数据模型和算法以达到估算SOH的目的。……