电池健康状况(SOH)
电池单体一般选用根据双扩展卡尔曼滤波器(DEKF)的办法进行确认等效电路模型（ECM）。但是，因为其对于初始值的敏感性 %%该办法所选用的估量器易出现滤波发散现象，且需求耗费很多核算资源，因而不适用于储能电站。本文提出了一种用于串联
电池组单体健康状况(SOH)评价的创新办法battery首要选用
电池单体参阅模型（CRM）核算参阅
电池的荷电状况（SOC），随后运用
电池单体差异模型（CDM）核算其他
电池的内阻与容量，同时经过分析不同
电池间的电压呼应差异创新性地发掘
电池健康信息。根据12个串联
电池单体组成的真实数据集开展了算法验证实验。结果表明：所提算法具有较低的核算本钱，能提供高稳定性的参数辨识，其参数设置简略且表现出优良的功能。
导言
化石能源的巨大耗费与可持续能源需求的持续增长，加快了锂离子
电池（LIBs）的研讨进程。凭仗其高能量密度、优异循环稳定性和轻量化特性，LIBs已成为最具前景的储能候选技能之一[1]。但是，老化LIBs或许影响储能电站的功能与效率，导致电力输出不稳定。严峻情况下，
电池老化或许引发火灾，扳机储能电站不可逆的热失控链式反应[2]。此外，
电池老化会额定添加
电池储能体系（BESS）的运营本钱，是影响储能电站经济功能的关键要素[3]。但受限于BESS相关
电池办理体系（BMS）设备的技能不成熟，健康状况（SOH）预算仍是当时难以攻克的技能难题[[4], [5], [6], [7]]。现在评价锂离子
电池健康状况的办法主要有四种：特征参数直接测量法[8]、健康特征间接分析法[[9], [10], [11], [12]]、根据模型的核算法[[13], [14], [15], [16], [17]]以及机器学习法[[18], [19], [20], [21], [22], [23]]。其间等效电路模型（ECM）具有复杂度低、精度高、便于在线运用等优势，尤其适用于云储能电站的监控体系[24]。但是，现有办法忽视了串联
电池组中电压偏差改变所包含的健康状况数据。因为生产工艺、公差等级和材料缺点等要素的限制[25]，
电池间在容量、内阻和自放电率等参数上或许存在纤细差异。实践运用中，这些不一致性表现为串联电芯的电压呼应失配，进而加快
电池容量衰减与功率能力退化[26,27]。一些研讨者根据电压改变的不一致性预算了
电池间内阻与荷电状况(SOC)的差异。例如，Dai[28]在等效电路模型中选用二阶RC模型，依据均匀SOC推导
电池间的SOC差异，并选用双时间尺度卡尔曼滤波器完结低SOC不一致性的核算。Sun[29]提出了一种新颖的双时间尺度办法来预算
电池SOC。该办法选用等效电路模型中的一阶RC模型，选取"均匀
电池"来表征
电池组在微观时间尺度上的全体行为，在准确反映各单体
电池动态行为的同时降低了核算本钱。Zheng[30]选用二阶RC模型作为
电池组全体功能表征的单元均值模型(CMM)。他们选用CDM（容量衰减模型）预算SOC（荷电状况）差异，运用粒子群优化算法（PSO）确认均值差异模型（MDM）的参数，并运用扩展卡尔曼滤波技能估量单体
电池的均匀SOC及其他单体SOC值。但是，上述办法在将
电池健康状况算法运用于大规模储能体系时仍存在若干待解决问题，包含：
- •
未能树立电池健康状况(SOH)与电压呼应差异之间的关联。
- •
在部署电池健康状况(SOH)算法过程中，核算负荷未能充分降低。
- •
电池算法的高复杂度导致其在电池办理体系(BMS)中的部署与调试极为困难。
本文提出了一种预算
电池健康状况(SOH)的新办法。研讨获取了相同电流条件下
电池电压呼应的不一致数据，并从这些不一致数据中发掘SOH信息。经过构建由欧姆电阻和表征SOC差异的电压源组成的CDM模型，树立了SOH与
电池电压呼应差异之间的联系。该办法能有用从
电池电压数据的不一致信息中提取
电池内部健康参数。随后，咱们推导了DEKF算法在CDM中运用时的表达式，明显降低了SOH算法中DEKF的核算工作量。经过Thevenin模型和CDM对
电池健康状况进行估量，比较了各算法在精度和核算时间方面的表现。本文评价了所提算法相较于PSO等其他
电池健康状况算法的优势。此外，本文提出了一种补偿办法以提高CDM中SOH估量的精度，并缓解因疏忽
电池间极化电压差异而导致的误差，从而在保持杰出估量精度的同时降低算法复杂度。
所提办法包含为串联
电池组树立参阅差分模型（RDM），选取一阶RC模型作为CRM，选用DEKF算法获取参阅单体
电池的准确模型参数，并根据AEKF算法保证各参阅单体
电池SOC预算的准确性，从而确认参阅SOC值。随后选用改进型Rint模型作为CDM来追寻参阅差分单体间的电压差异，结合补偿电压的DEKF办法获取整串
电池组的SOH。本研讨经过运用亚琛工业大学电力电子与电气驱动研讨所网站[31]公布的数据集，验证了所提办法的可行性。结果表明，运用单体
电池间的电压差异与参数不一致性来评价多节
电池的健康状况，能够加快算法运行速度、降低算法本钱，并完成杰出的稳定性。
