动力电池管理系统核心算法

《动力电池管理系统核心算法》结合作者十多年来的研究实践，阐述了动力电池管理系统的特点与技术难题，针对新能源汽车应用，详细阐述了动力电池系统实验设计、动态建模、荷电状态估计、健康状态估计、峰值功率预测、剩余寿命预测、低温快速加热与优化充电以及相应核心算法的工程应用和实践问题，并配有详细的算法实践步骤和开发流程，可作为相关领域技术人员的参考用书，也可以作为汽车专业的高年级本科生和研究生的专业课教科书。

目录
丛书序
前言

第1章　动力电池及其管理概述1
　　1.1　我国新能源汽车的发展规划1
　　1.2　动力电池及管理系统的应用要求3
　　　　1.2.1　纯电动汽车4
　　　　1.2.2　混合动力汽车4
　　　　1.2.3　插电式混合动力汽车5
　　　　1.2.4　相关研发指标6
　　1.3　动力电池6
　　　　1.3.1　动力电池的发展背景6
　　　　1.3.2　锂离子动力电池的原理与分类8
　　　　1.3.3　磷酸铁锂锂离子动力电池10
　　　　1.3.4　三元锂离子动力电池12
　　1.4　动力电池管理系统14
　　　　1.4.1　BMS的基本功能15
　　　　1.4.2　BMS的拓扑结构16
　　　　1.4.3　BMS的开发流程18
　　1.5　本章小结19
第2章　动力电池测试20
　　2.1　动力电池系统测试平台20
　　　　2.1.1　充放电性能测试设备20
　　　　2.1.2　频域-阻抗特性测试设备22
　　　　2.1.3　环境模拟设备23
　　　　2.1.4　动力电池测试平台24
　　2.2　动力电池测试流程26
　　　　2.2.1　国内外测试标准介绍26
　　　　2.2.2　BMS算法开发与实验设计26
　　　　2.2.3　动力电池常规电性能测试28
　　　　2.2.4　交流阻抗测试32
　　　　2.2.5　剩余寿命测试35
　　2.3　动力电池测试数据37
　　2.4　动力电池实验特性分析38
　　　　2.4.1　动力电池的温度特性38
　　　　2.4.2　动力电池的性能衰退特性41
　　　　2.4.3　动力电池的寿命特性43
　　2.5　本章小结48
第3章　动力电池建模理论49
　　3.1　电化学模型49
　　　　3.1.1　模型介绍49
　　　　3.1.2　模型构建50
　　　　3.1.3　参数辨识61
　　　　3.1.4　算例分析62
　　3.2　等效电路模型64
　　　　3.2.1　模型介绍64
　　　　3.2.2　模型构建67
　　　　3.2.3　参数辨识68
　　　　3.2.4　算例分析73
　　3.3　分数阶模型77
　　　　3.3.1　模型介绍77
　　　　3.3.2　模型构建79
　　　　3.3.3　参数辨识80
　　　　3.3.4　算例分析80
　　3.4　本章小结83
第4章　动力电池SOC和SOH估计84
　　4.1　SOC估计84
　　　　4.1.1　SOC估计分类84
　　　　4.1.2　基于模型的SOC估计方法89
　　　　4.1.3　基于AEKF算法的动力电池SOC估计91
　　　　4.1.4　基于HIF算法的动力电池SOC估计97
　　4.2　动力电池SOH估计100
　　　　4.2.1　动力电池SOH方法分类100
　　　　4.2.2　基于SOC估计值的动力电池可用容量估计方法105
　　　　4.2.3　基于响应面的动力电池可用容量估计方法110
　　　　4.2.4　基于ICA/DVA的SOH估计方法114
　　4.3　基于多时间尺度的动力电池SOC-SOH协同估计119
　　　　4.3.1　问题描述119
　　　　4.3.2　基于MAEKF的协同估计方法120
　　　　4.3.3　基于MHIF的协同估计方法129
　　4.4　本章小结133
第5章　动力电池系统状态估计134
　　5.1　动力电池系统成组分析134
　　　　5.1.1　动力电池组的“扫帚”现象134
　　　　5.1.2　串联与并联动力电池组135
　　　　5.1.3　典型混联电池组的性能分析136
　　5.2　动力电池组状态估计141
　　　　5.2.1　电池组的不一致性分析141
　　　　5.2.2　动力电池筛选方法142
　　　　5.2.3　不一致性的量化方法148
　　　　5.2.4　动力电池组系统建模151
　　　　5.2.5　基于特征单体的动力电池组状态估计153
　　5.3　动力电池SOP预测157
　　　　5.3.1　典型瞬时SOP预测方法157
　　　　5.3.2　持续SOP预测方法165
　　　　5.3.3　动力电池SOC与SOP联合估计167
　　　　5.3.4　SOP评价方法介绍173
　　5.4　本章小结176
第6章　动力电池剩余寿命预测177
　　6.1　剩余寿命预测的概述177
　　　　6.1.1　问题描述177
　　　　6.1.2　方法分类178
　　　　6.1.3　概率分布183
　　6.2　基于Box-Cox变换的剩余寿命预测185
　　　　6.2.1　Box-Cox变换技术185
　　　　6.2.2　应用流程186
　　　　6.2.3　算例分析188
　　6.3　基于长短时记忆循环神经网络的剩余寿命预测191
　　　　6.3.1　长短时记忆循环神经网络192
　　　　6.3.2　应用流程193
　　　　6.3.3　算例分析196
　　6.4　本章小结198
第7章　动力电池低温加热和优化充电199
　　7.1　动力电池低温加热方法分类199
　　　　7.1.1　空气加热法200
　　　　7.1.2　宽线金属膜加热法200
　　　　7.1.3　动力电池内部交流电加热法200
　　　　7.1.4　动力电池内部自加热法201
　　　　7.1.5　其他加热法202
　　7.2　交流加热原理202
　　　　7.2.1　锂离子动力电池的生热机理202
　　　　7.2.2　交流加热机理203
　　7.3　自适应梯度加热方法205
　　　　7.3.1　问题描述205
　　　　7.3.2　自适应梯度加热方法207
　　　　7.3.3　自适应梯度加热流程209
　　　　7.3.4　算例分析210
　　7.4　动力电池优化充电213
　　　　7.4.1　恒流恒压充电213
　　　　7.4.2　多阶恒流充电213
　　　　7.4.3　脉冲充电214
　　　　7.4.4　基于模型的充电方法215
　　　　7.4.5　应用算例217
　　7.5　本章小结219
第8章　算法开发、

前言
在新能源汽车成为战略新兴产业之一等国家战略的背景下， 以纯电动汽车和燃料电池汽车、插电式混合动力汽车为代表的新能源汽车，作为能源网络中用能、储能和回馈能源的终端，成为我国乃至经济新体系中的重要组成部分。我国经过 4个五年计划的科技攻关，基本掌握了新能源汽车的整车技术和关键零部件技术，实现了跨越式发展，并逐步实现了产业化。
但是，在世界这个完全开放的市场中，中国新能源汽车核心关键技术尚未彻底突破，技术竞争压力越来越大，加快新能源汽车持续创新，推进中国汽车产业技术转型升级，是中国科技发展的重大战略需求。尽管我们头顶着全球新能源汽车市场的光环，但中国的新能源汽车产业正遭遇成长的烦恼：
1.与国际先进水平和市场需求相比，中国的新能源汽车技术水平及产品性能需要进一步提高。
2.推广应用区域的市场发展尚不平衡，高寒地区推广应用新能源汽车存在环境适应性等技术问题。
3.充电基础设施发展相对滞后，已建成充电桩总体使用率较低。
4.推广政策尚需完善。
本套丛书将聚焦于新能源汽车整车、零部件关键技术，以及与新能源汽车配套的科技体系和产业链，邀请行业内各领域一直从事研究和试验工作的产品线技术人员编写，内容系统、科学，极具实用性，希望能够为我国新能源汽车的持续发展提供技术支撑和智力支持。

发展节能与新能源汽车是国际共识，也是我国的战略性新兴产业和“中国制造2025”确立的重点发展方向。据中国汽车工业协会统计，我国新能源汽车2017年全年产销量分别达到79.4万辆和77.7万辆，连续三年位居全球，目前总量已突破180万辆。显然，新能源汽车产业迎来了前所未有的重大发展机遇，与此同时带动了动力电池产业的迅猛发展。
动力电池系统是新能源汽车的技术瓶颈，而动力电池管理技术是保障整车高效、安全以及动力电池长寿命运行的核心和关键，也是各国竞相占领的技术制高点。动力电池具有可测参数量有限且特性耦合、即用即衰、强时变、强环境温度依赖和强非线性等特征。因此，高精度、强鲁棒性的动力电池状态量估计成为动力电池主动管理的根本途径。提高动力电池系统动态建模精度、突破多状态协同估计的技术瓶颈、加强剩余寿命预测与耐久性管理、保障预期使用寿命的达成成为动力电池系统管理的重要内容，是保障新能源汽车市场活力和健康可持续发展的关键，也是树立新能源汽车市场信心的基本要求。
本书结合作者十多年来的研究实践，详细叙述了新能源汽车动力电池管理系统核心算法开发的技术细节。第1章剖析了国家“十三五”新能源汽车发展规划以及对动力电池管理系统的技术指标，系统地阐述了动力电池系统及管理的设计与实现要点。第2章阐述了动力电池测试平台搭建、实验设计与特性分析，系统分析了动力电池在不同老化、温度和充放电倍率等因素下的工作特性，为动力电池管理系统核心算法开发提供了方向性指引。第3章～第7章系统深入地论述了动力电池系统建模、荷电状态与健康状态协同估计、峰值功率预测、剩余寿命预测、低温快速加热与优化充电等动力电池管理系统核心算法的基础理论、算法构建与实施细节。后，从核心算法的软硬件在环仿真验证、台架测试和实车验证等角度论述了动力电池管理系统算法的“V”开发流程。本书力求做到文字准确、精练，插图清晰，内容系统、详实、先进，力求站在前沿领域帮助读者掌握新能源汽车动力电池管理系统的核心算法。
本专著是在我的研究生导师孙逢春院士和何洪文教授的亲自指导下完成的，是电动车辆国家工程实验室在新能源汽车动力电池及其管理领域研究开发工作的结晶，也是十多年研究成果的集中体现。参加本书资料整理和部分撰写的有博士后穆浩、马泽宇，博士生陈铖、陈欢、郭姗姗、卢家欢、田金鹏、王春、王榘、杨瑞鑫、于全庆、张永志，硕士生曹家怡、段砚州、方煜、龚浩然、李幸港、李琳琳、李治润、吕亮、宋旬、王侃等。
经过多年酝酿和努力，我们力图将该领域国内外的研究进展以及实验室在动力电池系统管理方面的研究成果与心得体会奉献给同仁和读者，助力我国在该领域的创新与进步，推动行业技术发展。虽经多次修改，但仍难如人意，主要是有些工作仍然没有结束，有些理论与技术还在探讨，谬误自然也难以避免，望读者体谅。欢迎读者提出批评与斧正意见，共同推动我国动力电池管理系统的研究与开发工作快速向前发展。

熊瑞
2018年夏于电动车辆国家工程实验室