动力电池科学回收 支撑新能源车绿色发展

<正>随着新能源汽车产业持续快速发展,每年数万吨的退役动力电池处理问题便成为市场关注焦点。近些年,随着新能源汽车产业持续快速发展,每年数万吨的退役动力电池处理问题便成为市场关注焦点。业内人士指出,退役动力电池含镍、钴、锰等重金属,如果不进行妥善处理,将会对环境造成不可估量的污染。总体来看,我国的动力电池回收利用工作虽已取得积极成效,但仍应加快发展步伐,追上新能源汽车产业发展的速度。     

基于GNL模型自适应无迹卡尔曼滤波的电动汽车的荷电状态估计

随着电动汽车的高效发展,逐年递增的退役动力电池回收利用已刻不容缓,对电池进行精确、可靠的荷电状态(state of charge,SOC)估计是实现电池梯次利用的关键技术。传统估计方法均未考虑对老化电池影响较高的自放电因素,本文采用在二阶RC模型基础上考虑了自放电因素的GNL电路等效模型,通过脉冲放电对模型参数进行辨识。对相应的状态空间方程利用矩阵二次型方法进行离散化,并利用自适应无迹卡尔曼滤波算法对SOC进行实时估计及更新。在间歇恒流工况和变电流工况下以老化电池为实验对象对算法进行了对比验证,结果表明双卡尔曼滤波法在初值估计不准确的时候不能及时收敛到SOC真值附近并跟随,基于二阶RC模型的自适应滤波算法估计的误差在工况后期较大,基于GNL模型的自适应滤波算法对老化电池的估计精度较高,误差在0.5%之间。结果表明该方法可使状态估计值具有较小的误差和快速跟随性,满足了SOC 估计的实际需求。