基于模糊聚类的锂离子电池SOH估计技术研究

更新时间：2020-03-26 15:43:05 大小：3M 上传用户：守着阳光1985 查看TA发布的资源 标签：锂离子电池 下载积分：3分评价赚积分（如何评价?）收藏评论(0) 举报

资料介绍

随着环境的日益恶化和不可再生资源的逐渐短缺，能源的来源正渐渐由传统燃油向电力转变，而电池作为电力应用的载体应用越来越广泛，电力系统中电池的性能也越来越受到人们的关注。容量，充电时间，可靠性，生产制作工艺和成本等都是电池应用中必不可少的因素。而在电池的各种性能参数中，健康状态SOH(State of Health)指示了电池存储电量的能力，是最为重要的参数之一。准确快速的检测出电池健康状态，可有效避免电池在使用过程中所产生的一些无法预知问题。在设计电池SOH估算系统的过程中，本文主要完成了以下内容：

(1)介绍了现今国内外对锂离子电池SOH的研究现状和发展趋势，详细研究了几种估算SOH方法的原理和步骤，在比较了各种方法的优缺点后本文提出了基于模糊聚类ANFIS的方法估算电池SOH。模糊推理算法通过已测实验数据对构建的模型进行参数训练，当训练结果达到预先设定的误差允许范围内时，使用训练后的模型对输入进行输出估算。

(2)详细阐述了使用模糊聚类 ANFIS法估算电池 SOH的方法。过程包括电池SOH模型的创建，参数的训练和使用模型估算结果。本文还研究了基本ANFIS法的不足和缺点，提出了基于Fletcher-Reeves法的改进，不仅能提高估算结果的准确性，同时还提高了估算速度。

(3)为了验证算法的正确性，本文设计了基于 STM32单片机的电池SOH估算系统。该系统主要由数据采集和健康状态估算两部分组成，数据采集包括电池充放电过程中电压，电流，温度等监测，健康状态估算即是根据采集的数据使用模型对电池SOH进行估算。

(4)实验使用两种容量分别为2Ah和100Ah的锂离子电池进行测试。首先使用一块电池进行充放电实验，采集实验数据进行模型参数训练，然后使用已训练模型对其它电池进行SOH估算。在进行电池恒流放电测试后，为了模拟现实中电池使用环境，我们后续又进行了变电流放电测试。通过对电池不同型号，不同容量，不同使用环境的测试，验证了本文提出的基于模糊聚类 ANFIS算法估算电池SOH值的正确性。