新能源汽车技术-动力电池&燃料电池2023年
锂离子动力电池剩余使用寿命（RUL）预测可评估电池未来状态，实现指导电池维护和降低故障危害。实车工况中电池循环条件不受控制，动态运行条件下的RUL预测仍存在杂乱数据处理困难、预测结果精度较差且无法兼顾老化不确定性等问题，提出注意力机制序列到序列-粒子滤波（Aseq2seq-PF）混合模型，选取公共荷电状态（SOC）充电区间获取归一化容量，采用迭代和直接的融合预测策略，Aseq2seq模型作为迭代部分实现容量序列精确预测，粒子滤波（PF）模型作为直接部分实现容量波动的不确定性预测，外推容量衰退趋势预测RUL。经实车动力电池数据验证，公共SOC充电区间有效获取了清晰容量衰退趋势，混合模型提高了容量衰退长期预测精度，具有良好鲁棒性，对比已有模型平均绝对误差下降56%以上，且输出满足不同应用需求的置信区间，实现老化不确定性描述。
燃料电池汽车能量消耗量及续驶里程是评价其性能的关键指标。以电电混合燃料电池汽车为例，利用数据驱动方法，综合考虑集成学习模型预测的实时能耗值与模糊C均值聚类工况计算的片段能耗值，设计搭建燃料电池汽车多模型协同能耗预测算法，得到修正能耗值。基于此，构建历史-实时能耗加权的续驶里程预测算法，解决片段内极端工况变化导致的续驶里程预测偏离大的问题，实现燃料电池汽车续驶里程有效预测。最后进行了燃料电池汽车室内转鼓实验以及开放道路实验，预测结果与实验结果吻合度较高，验证了算法的准确性。
氢燃料电池重型商用车（FCHCV）是应对能源安全和温室效应等问题的理想解决方案之一，但目前在关键参数情景模拟下的FCHCV全生命周期能耗和排放尚不清晰。以国内某款FCHCV为评价对象，基于全生命周期评价方法，重点分析煤气化、甲烷重整、混合电力电解水和光伏电解水制氢4种氢能路径下FCHCV全生命周期能耗和排放结果，并对燃料电池电堆衰退、百公里氢耗量和车辆寿命里程进行不确定性分析。研究发现，基于光伏电解水制氢的FCHCV全生命周期能耗和碳排放最低。提高燃油经济性和车辆寿命里程，延缓燃料电池电堆衰退，可有效改善FCHCV全生命周期环境影响。
质子交换膜燃料电池停机吹扫是保证电池在低温环境下安全存储与正常启动的重要方法。为实现快速停机吹扫，且满足-40 ℃无损存储与低温启动的要求，本文首先构建了吹扫过程水平衡模型，对吹扫过程水的产生和移除进行分析；其次，对吹扫主要参数进行敏感性分析，确定了电池温度为强敏感性参数，增湿温度为中敏感性参数，气体流量为弱敏感性参数；再次，对吹扫结果进行30次-40 ℃/60 ℃的冻结/解冻循环试验，并对试验后电池进行物理形貌和电化学分析；最后，进行了-40 ℃低温启动验证。结果表明，通过对吹扫参数的优化大幅缩短了低温停机吹扫时间，吹扫后的电池在-40 ℃低温存储后性能未见衰减，形貌无明显变化，且吹扫后的电池能够实现-40℃低温启动。
为满足100 kW大功率氢燃料电池发动机工作时气体供应需求，开发进气系统控制策略。首先对燃料电池电堆及进气系统进行建模，依托被控对象模型设计开发了“MAP前馈+PID反馈”的阴、阳极进气控制策略，采用单片电压状态与系统效率加权求和的方式标定阳极吹扫时间，并通过台架测试验证了该策略部署到实际控制器中的控制效果。结果显示，在稳态和瞬态工况中均实现了对压力和流量的快速响应，使得电流拉载速率提高到120和-170 A/s，阳极压力稳态和瞬态控制精度分别为98.93%和95.10%，全功率单片电压平均值为15 mV，一致性较好。基于测试数据标定搭建了阴极进气系统状态方程，开发了集成非线性扰动观测器和基于Lyapunov直接法的非线性控制器的进气方案，经MIL仿真测试显示了对空气进气控制目标的准确控制，为进一步提高控制系统响应精度提供了理论基础。
针对新能源汽车动力电池安全风险管理与控制研究，本文详细讨论了动力电池故障机理及类型，基于大数据统计分析阐明了动力电池一致性与安全性的耦合关系，总结了数据驱动的动力电池安全状态预测与故障诊断预警方法，最后提出一种基于“车-云”融合的实车动力电池系统安全控制策略。本文旨在为实现实车动力电池安全状态实时监控与风险预警提供理论指导。
为有效提高燃料电池（fuel cell， FC）的性能，提出一种在阴极处具有五边形挡板的新型流场（flow field， FF）设计。为了解五边形挡板的加入对FC内部传质过程的影响，开发了一个三维、多相、非等温稳态模型，将多孔层结构引起的各向异性传输性质和催化层实际团聚体结构的非均质特性耦合到模型中，研究了挡板高度变化时FC性能的变化。结果表明，五边形挡板增强了流道的传质性能与气体分布均匀性。随着挡板高度增加，流道的传质性能、排水性能以及气体分布均匀性增加，高度100% （H100） 的挡板由于与气体扩散层直接接触，堵塞了排水通道，因此其保水性能最好。在相对湿度为50%情况下，H100的FF结构具有最大的净功率密度，与原始FF （H0） 相比，净功率密度增加17.778%。
缺陷单电池的存在对于燃料电池系统的可靠性及耐久性具有重要影响。本文通过电压巡检定位了电堆的缺陷单电池编号，基于稳态工况、阶跃工况、循环工况的试验结果分析了缺陷单电池的稳态和动态性能及其对电堆一致性和系统输出的影响。结果发现，缺陷单电池相比正常电池对电堆温度更为敏感，动态响应速率慢，电压下冲与上调幅值大，循环工况电压波动剧烈。缺陷单电池是影响电堆一致性的重要因素，其电压波动率占比随变载幅度和速度的增加而增加。此外，在最低单电池电压低于0.5 V时，系统最大输出功率只达到了正常系统的76.57%。期望通过该研究为系统存在缺陷单电池时的控制策略提供参考。
目前还未有一种有效手段针对故障类型未知的车辆云端数据进行无监督式的故障预警，为此本文提出了一种云端数据驱动的锂电池故障分级预警方法。首先通过机理分析选取适用于云端数据特性的特征，构建6类差熵特征集进行多次混合聚类实现对电池健康度的打分评价。通过引入温度信息区分热相关故障并构建预警等级划分准则判断电池故障状态。利用5种现场故障案例进行验证，结果表明，该方法能准确识别故障并区分故障类型，且具有较高的超前性和适应性。
由于迟滞特性的存在，电池管理系统难以准确获得开路电压（OCV）与荷电状态（SOC）之间的状态关系。为有效地运行和管理动力电池，本文研究了考虑迟滞特性的锂离子电池模型，选用带有遗忘因子的递推最小二乘法进行参数在线辨识。提出了一种联合门控循环单元（GRU）神经网络和自适应扩展卡尔曼滤波（AEKF）的SOC估计，分别以AEKF和GRU神经网络的估计结果为模型值和测量值，通过卡尔曼滤波（KF）得到最终的SOC估计结果，并作为下一时刻AEKF的输入。结果表明，常温环境下考虑迟滞特性的模型对端电压预测及联合估计法对SOC估计的均方根误差（RMSE）分别在0.5 mV和0.64%以内；低温及变温环境下端电压预测及SOC估计的RMSE分别在0.9 mV和0.72%以内。考虑迟滞特性的模型及联合估计法具有良好的精度和鲁棒性。
燃料电池系统包含电堆、空气子系统、氢气子系统、冷却子系统，涉及零部件众多。因此在研发初期，通过系统仿真的手段建立燃料电池系统模型，对系统开发具有指导作用。本文首先依据零部件的试验结果及特性参数进行零部件虚拟标定，建立精确零部件模型；然后根据系统流程图搭建完整的燃料电池系统仿真模型；最后通过仿真计算，对系统关键输出性能参数进行评估和预测。将仿真结果与测试数据进行对比校核，结果表明：模型仿真结果与测试数据平均绝对百分比误差最大为4.33%，吻合度较高，验证了此系统仿真模型精度较高，可用于燃料电池系统性能研究，对今后研发燃料电池系统具有重要的指导意义。
为了改善电堆不同电池单元之间的温度、反应物等的均匀性从而改善电堆性能和提升寿命，本文提出了一种在电堆不同电池单元气体扩散层设置不同的梯度孔隙率的改进方案。通过建立包含5层单电池的三维、非等温、单相的短电堆模型进行分析，研究发现孔隙率为0.4-0.5-0.6-0.5-0.4的方案可以最大程度改善边缘层和中间层单电池之间温度、氧气浓度、水浓度、膜电流密度等的差值，即提高电堆内部均匀性，且在缺气工况条件下亦是如此。
准确高效的电动汽车动力电池系统异常检测对保障车辆安全可靠运行具有重要意义。基于此本文提出了一种基于电压变化率的新型动力电池电压异常诊断方法，用于检测电池组中单体电压的异常波动故障。进一步的，引入基于改进Z分数方法的评估系数来对电压异常波动程度进行定量表征。在此基础上，基于实车数据验证了本文所提方法的有效性和可靠性。此外，与常用熵方法进行对比分析，结果表明：本文所提方法具有可靠的故障诊断结果和较高的计算效率，实际工程应用价值更高。最后，基于该模型，通过对大量同类型纯电动汽车的电压数据进行统计分析，得到了该车型电池系统中电压异常风险情况的分布，通过分析隐藏在表面之下的异常，可以为车企动力电池系统或整车的结构设计提供参考。
车载质子交换膜燃料电池催化层的孔结构识别效率低、精度差且实验要求严格，无法适应日趋规模化的行业发展体系，因此针对该问题，本文提出基于遗传粒子群的最大化类间方差（GA-PSO-Otsu）优化算法，实现对催化层扫描电镜图孔径分布和孔隙率高效、精确且自适应的识别和测算。首先，协同引入高斯卷积核与二值化阈值最大化类间方差，有效降低噪声和手动调参对精度和效率的影响，实现自动化去噪和孔结构识别；其次，进一步提出遗传粒子群算法，有效解决传统方法遍历参数耗时长和易陷入局部优化的问题，兼具高精度和高效率的优点；最后，通过对催化层结构和灰度分布差异明显的扫描电镜图的对比实验验证，表明该方法具备良好的鲁棒性、自适应性和实用性，与遍历所有参数的传统Otsu算法的孔隙率误差小于0.5%，测算耗时降低约26.2%。
锂离子电池的综合性能不仅取决于材料和结构的创新，还与制造工艺及相关设备技术的进步息息相关。目前电池制造厂商针对不同体系的电池工艺开发多采用穷举法进行实验试错，在工艺仿真技术方面还存在较大的发展空间。面向电池高质量制造发展和数智化升级的行业发展趋势，本文结合宏观电池制造设备和微观电池电极结构两个角度，对电池制造工艺仿真研究现状进行了系统总结，分析了各工序工艺仿真技术机理研究、结构发展及应用前景，并进一步指出当前研究的不足及未来的发展趋势，旨在为优化锂离子电池的制造流程和提高其综合性能提供理论参考。
基于电动汽车无线充电的非对称DD线圈与LCC-SP拓扑，优化设计了一种新型磁芯结构，以解决发射端磁芯的非均匀磁通所导致的磁芯高磁损耗与低利用率问题。首先，针对参考线圈组建立了其等效电路模型与等效磁路模型，分别为磁芯损耗的剥离计算与磁芯结构的排布设计提供理论支撑。同时，提出磁芯磁通均匀性的评价指标CV（B），并建立了其与磁芯损耗及磁芯体积的定量关系，为磁芯优化提供了优化方向及优化边界。然后，基于线圈组等效模型提出了新型发射端磁芯结构，并对其关键结构参数进行敏感性分析，以期减小优化变量复杂度。最后，以最大耦合系数与最小均匀系数作为优化目标，采用COMSOL与Matlab联合仿真完成了基于NSGA-II多目标优化算法的新型磁芯结构优化。结果表明，优化后磁芯利用率及效率得到改善，优化磁芯体积仅占原参考磁芯的60%，线圈传输效率提升至98.117%，磁芯损耗减小约10 W，证明了所提优化方法的有效性。
动力电池安全问题已经成为制约电动车辆发展的关键要素。准确及时的电池安全预警可以保障乘员生命财产安全以及提升电动车辆安全水平。本文对电动车辆电池安全预警策略进行了全面综述。首先，综述了电池安全状态的定义，并提出了本综述框架；之后，详细梳理了电池安全特征与安全影响因素分析、电池建模方法、电池安全风险评估/预测方法，总结了各类方法的优缺点；最后，总结了目前的进展与不足，提出了电动车辆动力电池安全预警技术发展趋势，并阐述了新型传感器技术、多因素融合的电池安全预警方法和“端-边-云”融合的电池安全预警体系。本综述为电动车辆动力电池安全预警策略的进一步研究提供参考。
整车以及对应系统的平台化开发是新能源汽车行业的共识和重要的技术趋势，有利于统筹各项目的开发，提升系统共用性，节约成本。基于整车平台的电池系统平台化开发需要明确整车与电池的相关变量，主要包括整车空间、整备质量、续航、电耗、动力性，以及电池尺寸、质量、电量、功率性能。本文以某混动平台的电池系统开发为例，通过各变量的分布与边界条件求解出包含2~3款电芯的平台化方案，通过每款电芯串联节数和电池包Y向尺寸的带宽设计来兼容16款平台车型，为后续产业界各平台的电池方案开发提供了基础的策略参考。
为了对电池安全风险进行准确预测，本文提出基于一种车-天气-驾驶员的多指标电池安全风险预测方法。首先提取车内外多维度信息即运用数据挖掘提取了天气状况、汽车行驶工况和驾驶风格等多指标特征，以模拟实际的电池应用场景；然后通过随机森林和SHAP组合模型的方式对特征进行筛选，从而提高了模型的泛化性和鲁棒性；最后将电池安全风险预测问题解耦为机器学习预测和时间序列预测问题，分别选择XGBoost和随机森林模型进行预测，并在此基础上建立新的Stacking集成模型对电池安全风险进行预测。最终模型的预测效果和数据实验的结果表明，该方案对电动汽车电池安全风险能做出较为准确的预测，可以为安全化、智能化的电池管理系统提供辅助决策信息。
为提升实际应用中锂离子动力电池寿命预测精度，本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计，以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正，从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明，锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%，取得了良好的预测效果，丰富了锂离子动力电池寿命预测的方法。
新能源汽车技术-动力电池&燃料电池2023年
