锂电池能量状态 SOE 估算方法研究

项目简介：

剩余电量的准确预测是动力锂电池安全可靠使用的重要保障，能量状态 SOE 是一种较好的表征方式。本项目通过探索电池电热耦合特性，分析内部热量形式及其表达式，研究温度、倍率参数对可用总能量的修正影响，建立完善的 SOE 数学模型；通过模拟电池非均匀非稳态模型下的温度场分布，探索温度（热量） 与输出能量之间的耦合关系，研究温度分布特性对 SOE 的动态影响并建立反馈状态方程；结合上述研究建立估算模型的输入输出方程，基于粒子群算法开发SOE 智能估算方法，从而提高锂电池 SOE 的估算精度。

主要技术性能与指标：

建立了基于电热耦合的的能量状态估算模型，可应用于多种类型电池；SOE 估算误差小于 4.6%，具有较高的估算精度。针对锂电池剩余电量的预测问题， 以能量代替传统的容量估算方法，通过研究电池内部电热耦合情况，建立包含多种热能形式的 SOE 数学模型，充分考虑了温度场分布及其对能量状态的反馈影响，同时以粒子群智能算法为基础对 SOE 进行优化求解，实现 SOE 的高精度估算。

经济效益：

该技术可有效提高电池剩余电量的估算精度，可应用于当前所有 BMS 管理系统的电池状态估算；预计至 2020 年 BMS 整体市场规模将达到 280 亿元以上， 复合增长率为 20%。因此该技术具有较大的经济效益。

适用范围：

本项目成果将为电动汽车、微电网等电池储能应用领域提供剩余能量精确估算的指导方法。

技术需求方需要提供推广应用条件：

本技术主要为目前 BMS 系统提供高精度的剩余电量估算方法，技术需求方需要配套电压、电流、温度等采集量的 BMS，且具有快速计算功能的主芯片。

成果转化方式：

技术转让、产品开发。