基于实车运行数据的锂离子电池健康状态估计
准确估计锂离子电池健康状态(State of health，SOH)对电动汽车安全管理具有重要意义，针对实车数据存在电池状态不完整、工况复杂、数据质量差的问题，该文提出面向实车数据的多工况健康因子提取SOH 联合估计方法。首先，提出实车运行数据工况重构方法，将数据划分为行驶片段和充电片段，降低电池工况复杂性。然后，分别构建行驶工况和充电工况的SOH评价模型用于SOH估计。对于行驶工况，选择内阻作为SOH评价指标，通过等效电路模型辨识内阻参数，基于 Auto-LightGBM的电池内阻建模方法估算SOH；对于充电工况，选择容量作为SOH 评价指标并通过提取恒流充电片段计算电池容量，再提取容量的影响特征，建立容量模型并估计电池SOH。结果表明，基于内阻和容量的建模方法平均绝对百分比误差均小于9%。最后，建立结合充电与放电的SOH综合评价模型，提出融合充放电片段的电池SOH联合估计方法，基于实车运行数据的SOH误差在2%以内，并在实验室数据和多辆实车数据上验证方法的可靠性和适应性。
