韩乔妮 姜 帆 程 泽

（天津大学电气自动化与信息工程学院 天津 300072）

0 引言

锂离子电池一经问世便以其高能量密度、高输出电压、低自放电率、无记忆效应、工作范围广、零污染等显著优势被广泛应用于储能市场，如电动汽车、便携式电子设备、航空航天、潜海等领域[1-3]。然而，一方面随着循环充放电的进行，锂离子电池性能退化、寿命衰减；另一方面，由于其能量密度高、工作坏境复杂，在循环使用过程中容易发生自燃和爆炸事故。因此电池的健康管理与寿命预测（Prognostics and Health Management, PHM）研究势在必行[4]。PHM的目的在于通过对电池健康状态（State of Health, SOH）的预测来提升其安全性能、延长使用寿命。

锂离子电池的SOH反映了当前电池相对于新电池的存储和供应能量的能力。根据应用工况的不同，通常用容量和内阻来表征电池的SOH[5-7]。一般来讲，当电池的容量下降到额定值的80%~70%或内阻加倍时，电池达到寿命阈值。目前，国内外对电池SOH估计的研究方法主要分为三种[8-11]：①从定义出发，直接测量；②从电池电化学老化机理出发，建立电化学模型或基于外特性建立电路模型描述电池的SOH；③从电池的监测参数中提取能够表征电池容量退化的间接健康特征（Indirect Health Features, IHF），借助智能算法以估计电池的SOH。

K. S. Ng、C. S. Moo和ChenYiping等采用库仑计数法求得电池最大可释放容量来评估SOH[12]，并引入表征放电的新指标放电深度（Depth of Discharge,DOD）联合估计SOC和SOH。Xing Yinjiao等建立OCV-SOC曲线，提供了一种考虑在温度影响下生成OCV-SOC曲线的方法[13]。这种直接测量法虽然具有较低的计算复杂度，并且结果较精确，易于在电池管理系统中实现，但是耗时长，鲁棒性较弱，估算精度很大程度上取决于测量技术，且易受噪声的影响。……