我院在锂离子动力电池健康状态估计研究领域取得新进展

近日，我院车辆工程系新能源动力系统智能管理与控制团队在锂离子动力电池健康状态估计研究领域取得新进展，相关研究成果“State of health estimation of the lithium-ion power battery based on the principal component analysis-particle swarm optimization-back propagation neural network”在能源类Top期刊《Energy》（中科院一区，IF=9.0）上发表。我院车辆工程系吴慕遥老师为第一作者，我院车辆工程系武骥老师、机械工程学院王玉青老师、安徽省气象局钟亦鸣为合作作者，我院能源科学与动力系王丽老师为通讯作者。

锂离子动力电池内部反应机理复杂，且具有较强的非线性和时变特性。同时，复杂多变的外部运行环境和运行条件增加了锂离子动力电池性能衰退的不确定性，进一步增加了SOH估计的难度。因此，本文首先基于CCCV充电曲线提取六种锂离子动力电池老化特征并进行灰色关联分析，接着采用PCA和数据归一化方法降低系统输入维数、优化老化特征，并利用PSO算法优化BPNN权值，最后利用优化后的BPNN准确估计锂离子动力电池的SOH。

实验结果验证了所提出的锂离子动力电池SOH估计方法的有效性，且可以提高SOH估计精度，减小计算负担。该方法解决了锂离子动力电池老化特征提取过程复杂的问题，避免了BPNN中输入的老化特征冗余、对初始权值选择过度依赖、训练时间长、容易陷入局部最优等问题。