近日，针对新能源汽车动力电池健康状态(State of health, SOH)评估难题，我校“高端装备智能感知与运维”科技创新团队（简称ISMAE）分别在评估方法优化、实车适用性、温度因素影响方面取得重要进展，相关研究成果均发表于工程技术领域国际Top期刊。

在当前新能源汽车运行数据爆炸式增长新背景下，容量增量分析(Incremental Capacity Analysis, ICA)等传统SOH评估方法应当进一步优化以提升在实车运行数据下的性能和精度。团队硕士研究生陈泓兴在佘承其副教授等指导下，研究了不同滤波方法在ICA应用中的性能特征。通过构建时间消耗、相关性分析、SOH评估精度、鲁棒性及泛化能力等多方面综合评价体系，证明了鲁棒高斯滤波(Robust Gaussian filtering, RGSF)法在ICA估计中的优越性，验证了RGSF方法在现实新能源汽车动力电池数据集上提取电池SOH特征的可行性。相关成果撰写成论文“Influencing Factor-Decoupled Battery Ageing Assessment for Real-world Electric Vehicles based on Fusion of Fuzzy Logic and Neural Network”，发表于期刊《Journal of Energy Storage》(中科院二区TOP, IF: 8.9)。原文链接：https://doi.org/10.1016/j.est.2024.113878。

▲论文首页

在评估方法实车适用性方面，为了提升充电效率，当前新能源汽车主要使用多级快速充电策略进行补电，传统的电池SOH评估方法多依赖于恒流-恒压慢速充电过程，不能及时、高效地用于评估当前新能源汽车动力电池性能。为解决该问题，团队成员依据实车运行数据探究现实车辆多级快速充电策略，结合实车快速充电模式特点，从高精度实验数据中提取电池SOH特征参数，完成对所提取特征进行相关性和冗余度筛选，使用LSTM神经网络构建数据驱动模型以实现电池SOH精准评估。相关成果形成论文“Accurate State of Health Estimation of Battery System based on Multi-stage Constant Current Charging and Behavior Analysis in Real-world Electric Vehicles”预发表于期刊《IEEE Transactions On Transportation Electrification》(中科院一区TOP , IF: 7.2)。原文链接：https://doi.org/10.1109/TTE.2024.3386831。

▲论文逻辑图

新能源汽车现实运行环境复杂多变，环境中温度因素对于动力电池SOH评估精度的影响最大，在不同温度下，即使具有相同健康状态的电池充放电数据会产生明显差异，从而引起电池SOH特征参数波动，降低电池SOH评估精度。如何消除温度因素的影响，成为基于实车运行数据精准评估动力电池SOH所亟需解决的关键问题。现实中温度变化呈现连续性，利用模糊逻辑系统中的隶属度函数可以较为便利地将连续性变化转化为具体影响阈值。团队成员创新性地融合模糊逻辑系统和径向基神经网络，对基于实车运行数据计算得到的电池SOH特征参数进行温度影响因素解耦，修正了实车数据下的电池SOH特征参数演变轨迹，准确地反映现实新能源车辆动力电池的老化情况。相关内容总结为论文“Influencing Factor-Decoupled Battery Ageing Assessment for Real-world Electric Vehicles based on Fusion of Fuzzy Logic and Neural Network”，预发表于期刊《IEEE Transactions On Transportation Electrification》(中科院一区TOP , IF: 7.2)。原文链接：https://doi.org/10.1109/TTE.2024.3405184。

▲论文逻辑图

以上研究得到了湖南省自然科学基金、湖南省教育厅科研项目等项目支持。佘承其博士2022年加入我校ISMAE团队，现为我校与三一重工股份有限公司联合培养博士后，主要从事新能源汽车大数据分析、动力电池健康状态评估和动力电池故障诊断等方面研究，以第一/通讯作者身份已发表8篇中科院TOP期刊论文，其中ESI高被引论文1篇，申请发明专利4项，获授权2项，现指导有4名硕士研究生。

（一审：李海屿 二审：王 虎 三审：李洪华）