朱 浩, 张文博, 邓元望, 李 梦, 吉 祥

(湖南大学 机械与运载工程学院, 湖南 长沙 410082)

动力锂电池的短时峰值功率能为电动汽车整车系统的功率分配作参考,能够衡量车辆的爬坡性能和刹车时制动能量回收功能[1-3],以及有效防止电池包过充、过放现象的发生.目前对于动力锂电池峰值功率的研究大多集中于某单一因素对电池峰值功率的影响,以及改进研究中所使用的电池模型.文献[4]通过试验分析电池的荷电状态(state of charge,SOC)、温度和端电压对于电池峰值功率的影响,结果表明温度对于电池峰值功率的影响最大.文献[5]认为SOC、电池老化等估算值不能作为功率状态估算的影响因素,而应直接使用电池物理模型中的参数来估算电池的在线峰值功率.文献[6]在RC电池模型中加入平行移动的噪声,使用递归扩展最小二乘法来估算电池在不同时长的电池峰值功率.文献[7]为了提高长期的功率预测精度,考虑了扩散电阻对电池模型的影响.

若使用端电压作为峰值功率估算条件,可能会导致估算误差较大,因为端电压在车辆加速时骤降,减速时骤升,跳动过于剧烈.此外,大部分有关电池功率状态的研究中,使用的电池模型为基于物理现象的数学模型,如Thevenin模型、Rint模型等,而电池的充放电是一种复杂的电化学反应.若采用基于数据统计和机器学习算法的神经网络建立电池模型,则可以更加准确地模拟电池的特性.文献[8]运用小波神经网络来模拟电池……