[01162077]高可靠智能电池及模组技术研究(重大前沿)

本成果创造性地应用电池大数据和机器学习技术,建立了能够自主精确判断电池当前状态、准确预知电池未来状态并可做出自主调控决策的人工智能模型,可实现电池的全自动管控。同时,基于上述数据模型,本成果发展出面向需求侧响应的电压和功率自适应输出技术,所实现的智能电池及模组技术将实现对剩余电量、健康状态和安全隐患的可测、可知、可控,并通过建立自主进化算法,持续优化预测精度与调控能力,实现电能源系统宽电压自适应输出、模块化互通互换,大幅提升电池在各种应用中的可靠性、安全性和经济性。 成果具体内容包括： （1） 总结了影响电池寿命的关键指标 结合文献调研与专家咨询,总结了影响电池寿命的有效指标。从实际使用环境条件来看,影响动力电池单体使用寿命的因素主要包括充放电截止电压、充放电倍率、使用温度以及搁置条件。明确了动力电池组的性能决定于电池单体的性能,但不是单体电池性能的简单累加,而是单体电池性能的不一致性会导致动力电池组产生各种问题,从而缩短其使用寿命。此外,研究发现影响动力电池组寿命的因素较多且相互作用,致使电池组性能容易出现比较严重的衰退,尤其在高温低温或过充放电这类条件下并缺乏有效的管理和控制时。另外,大量单体电池的串联与并联使得容量和性能较差的某个单体限制了整个电池组的性能,进而限制了电池组的充分使用 （2） 提出机理建模与数据建模相结合的建模方案 在本项目的研究中,机理主要解决的是定性的问题,而数据是要解决定量的问题,两者无法相互代替。没有机理,难以判断模型的对错、适用范围的大小、模型的可靠性不会太高;没有数据,我们难以给出定量的结果。直接从机理出发的建模,不适合复杂的模型：因为数据不足以保证模型的准确和可靠性。 （3） 提出一种同时适用于电池状态和剩余使用寿命精准预测的方法 针对基于数据驱动的方法进行了相关研究,设计提出了一种基于浅层模型和深层模型集成学习架构,该架构能够通用于对电池的剩余使用寿命和电荷状态进行预测,通过调节网络输出大小,可以对未来长时间范围内的目标值进行精准预测。 （4） 揭示了功率变换系统的拓扑结构及其结构特点 在功率变换系统中采用模块化串并联组合结构降低了各模块电压电流应力,提升了系统可靠性。通过多个小功率、低压输入或低压输出的标准化模块的端口串联或并联相互组合得到了灵活多变的、任意输入和输出性能的高可靠功率变换系统。项目还基于负载模拟和电源输入两大功能,设计了可实现多类型模块电路拓扑,并对系统整体控制策略进行设计,各模块前级负载模拟环节采用强迫均流控制的方法进行系统功率控制。 （5） 提升了系统可靠性 根据几种常见的可靠性提升方法,实现了模块化设计与冗余冷备份技术的结合思想。在冗余型模块化功率变换系统中,检测到模块故障时可通过模块两断开关对故障模块进行切除并迅速投入冗余模块,使电能变换系统继续安全稳定运行,提升了系统的可靠性。 （6） 前景分析 目前,我国高端电池产品大多采用一体化设计,一旦电池局部被破坏,整个电池系统会瘫痪,这限制了电池的工作能力.随着电池技术和电源技术的发展,开发模块化、可自主重构功能的电池组势在必行,世界领先的电池系统制造商也在逐步开始研发使用。从已有信息来看,该技术可以广泛应用于国民生产各种关键设备,提供高稳定、高安全的设备供电保障。