武汉理工大学光纤传感技术与网络国家工程研究中心，湖北 武汉 430070
电池状态监测对于电池健康运行至关重要。随着电池性能不断提升，应用日益广泛，开发一种经济有效的电池传感系统迫在眉睫。与传统的电池传感技术相比，光纤传感器具有独特的优势，包括灵敏度高、体积小、容易集成、成本低等。本文全面概述了可用于电池状态监测的各种光纤传感器，包括光纤光栅传感器、光纤干涉仪传感器、光纤倏逝波传感器、光纤光致发光传感器和光纤散射传感器等，探讨了其工作原理，介绍了不同传感参数对应的传感方法及其性能。最后，提出了未来电池传感研究的挑战并进行了展望。
电池传感 光纤传感器 温度监测 应变监测 充电状态和健康状态监测 产气监测 激光与光电子学进展
2023, 60(11): 1106006
1 西安石油大学 a.陕西省油气井测控技术重点实验室
2 b.电子工程学院, 陕西西安 710065
3 长庆油田水电厂, 陕西西安 710201
以18650型锂电池为研究对象, 建立双极化 Thevenin(DP-Thevenin)等效电路模型描述其动静态特征。分别以恒流脉冲放电实验和带遗忘因子的递推最小二乘法完成电池电动势及模型参数的辨识; 在 Simulink中搭建等效电路模型, 以脉冲电流作为激励进行验证, 得出模型响应电压与实际端电压契合度较好, 平均误差为 1.836%; 构建电池实验硬件电路, 编写算法程序完成了锂电池实验系统的构建。最后, 在随机测试工况下借助 Matlab分析了基于联合算法的锂电池荷电状态 (SOC)与健康状态( SOH)在预测精确度、错误初值时算法收敛性等方面的性能。实验结果表明, 算法可精确估计出电池 SOC和内阻大小, 最大误差不超过 3.5%; 且在初值相差 15%时, 算法可在319 s内收敛至真值附近, 鲁棒性较好。
锂电池 荷电状态 电池健康状态 带遗忘因子的最小二乘算法 联合算法 lithium battery State Of Charge State Of Health Recursive Least Squares method withForgetting Fact joint algorithm 太赫兹科学与电子信息学报
2021, 19(4): 739
1 广东金融学院 实验教学中心，广东 广州 510091
2 广东金融学院 互联网金融与信息工程学院，广东 广州 510091
锂离子电池健康状态（State of Health，SOH）描述了电池当前老化程度，对于提前对电池的故障及失控做出预警避免电池的不安全行为具有重要意义。其估计难点在于难以确定数量合适、相关性高的估计输入以及设计合适的估计算法。通过对现有电池老化数据集的研究发现，电池充电过程中电压曲线数据相对稳定，且随着电池的老化出现规律性变化。因此，文中直接采用充电过程中电压数据作为估计SOH的输入，并在数据驱动的框架下，提出了一种基于门控循环神经网络（Recurrent Neural Networks with Gated Recurrent Unit, GRU-RNN）的锂电池SOH估计方法。该方法能够挖掘出一维电压数据中的时序特征和SOH之间的映射规律。在两个公开的电池老化数据集上的实验结果表明，提出的方法达到了1.25%的均方绝对误差和低于5.62%的最大误差，在估计精度上达到现有技术发展水平。
锂离子电池 健康状态 门控循环单元 循环神经网络 深度学习 lithium-ion battery state of health gated recurrent unit recurrent neural networks deep learning 红外与激光工程
2021, 50(2): 20200339
