上海交大锂离子电池BMS设计理论取得新进展

锂离子电池已广泛应用于电动汽车、储能工程等国家战略新兴产业，受到学术界和工业界的广泛关注。在十三五期间，我国继续将“新能源汽车”列为国家重点研发计划的重点专项课题，对新能源汽车专用动力电池提出更高的要求。低成本、高容量、长寿命和高安全性的锂离子电池设计与制造是新能源汽车对于下一代动力电池提出的基本目标。电池管理系统（BMS）是新能源汽车动力系统总成与大规模储能系统开发的重要环节，对电池的荷电状态（SOC）与健康状态（SOH）预测模型设计与构建，对于整个电池状态的控制，提高电池的使用寿命和系统能量密度，充分发挥电池的容量具有重要的意义。

     目前BMS设计应用的SOC预测模型多采用开路电压法或电池内阻法，实用但精度较低，而对锂离子电池的健康状态（SOH）预测模型研究则相对缺乏，未有突破性的研究成果。最近，上海交通大学马紫峰教授研究小组在开展燃料电池、二氧化碳捕集与存储系统的多目标、不确定性设计理论研究的基础上（Fuel Cells, 2013,13(3)：321-335；Industrial & Engineering Chemistry Research, 2014, 53：778-785；Chemometrics and Intelligent Laboratory Systems, 2014,135：37-47），与中聚电池研究院和上海电化学能源器件工程技术研究中心合作，面向解决锂离子电池高安全、长寿命运行的电池管理系统难点和热点问题，将化工过程复杂系统的多目标、不确定性设计和操作优化理论应用于BMS设计理论研究中，建立了锂离子电池等效电路模型，在MATLAB软件上，开发了单体锂离子电池的Simscape仿真平台，实现模型参数辨识和动态仿真，首次提出一种基于非线性半无限规划（NSIP）的多项式开路电压模型，将开路电压（OCV）与SOC的单调性先验知识显式地融入建模过程，并提出了一种全局优化方法，可从原理上保证所建OCV模型满足单调性关系，有助于提升SOC预测的精度和稳定性（Industry & Engineering Chemistry Research, 2015, 54 (12):3167-3174）。还创新性地提出了一种多尺度高斯过程模型框架，它能解耦全局的容量衰减趋势、以及局部的容量再生与波动，可同时实现锂离子电池SOH的短期和长期精确预测，为电池的荷电状态（SOC）估计和剩余可用寿命（RUL）预测奠定了坚实的理论和方法基础。运用所提出的方法对美国宇航局（NASA）艾姆斯卓越预测中心三款标准电池数据进行拟合，结果表明可自适应地解构锂离子电池的长期容量衰减、短期容量再生和波动等多种类型的趋势，极大提高了模型的预测性能。此项研究发展的建模思想是一类普适性方法，作为一种纯数据驱动的建模方法，有助于克服现有机理模型方法参数校正困难、计算量大、难以实时在线应用等缺陷。相关研究成果已在线发表于美国化学工程学会会刊AIChE Journal（2015，doi:10.1002/aic.14760）。