本文围绕电动汽车锂离子动力电池系统,首先分析了动力电池成组应用中单体一致性产生的原因及其影响,对退役电池再成组时一致性研究的重要性进行了分析,并给出了相关一致性评价方法。其次对各类动力电池模型进行了分析,并根据梯次利用动力电池的应用特点选择了电池的Thevenin等效模型,并通过混合脉冲功率特性(Hybrid Pulse Power Characterization,HPPC)测试得到对应的参数。针对动力电池失效模式和效果进行分析,提出了退役电池梯次利用在线和离线诊断技术,针对梯次利用的电池搭建了电池故障诊断硬件系统。针对退役动力电池在性能参数衰减情况的分析方面,提出了针对梯次利用动力电池的荷电状态(State of Charge,SOC)、健康状态(State of Health,SOH)、功能状态(State of Function,SOF)和安全状态(State of Safety,SOS)等的评估方法,并进行了试验验证。具体研究内容包括:一、系统地分析了电动汽车动力电池一致性问题产生的原因,按照对电池系统整体性能的影响程度,对纯电动汽车锂离子动力电池的一致性问题进行分类解析,开展了退役电池一致性演变规律研究,为退役动力电池的故障诊断和状态评估提供依据。二、基于改进的无迹卡尔曼滤波算法(Improved Unscented Kalman Filter,IUKF)和BP-EKF(Back Propagation-Extend Kalman Filtering)算法开展了退役锂离子动力电池SOC估计策略研究,并验证了估计精度。为提高EKF算法SOC估计精度,本文提出了一种通过BP神经网络算法对EKF算法进行补偿和优化的方法。首先对BP神经网络进行训练,然后对训练结果进行验证,获取神经网络预测值与实际值相对误差,验证SOC估计精度提高程度、算法收敛速度和鲁棒性。三、分析了容量法、开路电压法、内阻法等评价退役锂离子动力电池健康状况的效果,并提出了利用最小内阻健康因子对评估梯次利用动力电池的老化情况有更好的优势。基于锂离子电池充放电能力与阳极和阴极可逆地嵌入锂离子的能力有关,随着电池的老化这种能力逐渐降低,嵌锂能力的变化反映了SOH的变化的考虑,本文提出一种充电健康状况和放电健康状况相结合的电池健康状况SOH评估方法,该方法即不仅可以反映放电健康状况,而且可以反映充电健康状况。试验证明这种SOH评估方法间接反映了循环次数的增加导致的电池内阻变化、嵌锂容量的变化,进而综合评估电池的老化程度。四、针对影响梯次利用退役电池SOF的相关参数具有不确定性导致其目标应用场景产生不确定性的问题,本文提出了一种基于模糊逻辑的梯次利用电池SOF估计方法,将荷电能力(Full Operational Capability,FOC)、内阻(Internal Resistance,R)、荷电保持率(Charge Retention Rate,CRate)作为评估锂离子动力电池SOF的输入变量,确定相关输入变量的论域,建立模糊逻辑算法的隶属度函数,设置模糊逻辑规则,绘制模糊控制总图,并针对退役动力电池进行SOF估计验证,结果表明这种SOF估计方法可以快速决断梯次利用电池的使用场合,电池梯次利用重组时不可配组电池比例显著降低,提高了退役电池的再重组利用率。五、基于动力电池失效模式和效果分析,提出了利用在线和离线故障诊断技术对电动汽车用锂离子动力电池进行故障诊断方法,判断动力电池系统退役条件,并给出退役电池一致性分析结果和状态评估结果,提高退役动力电池分选评估效率和梯次利用价值。其中在线故障诊断系统基于开源电子原型平台和LabVIEW虚拟仪器开发设计,以电池管理系统硬件结构为基础,增加用于电池故障诊断的控制器局域网总线的总线通讯接口,搭建在线故障诊断系统。对电池参数进行在线测试,通过对CAN总线数据的解析获取动力电池在线运行故障,借助电池管理系统读取电池单体的相关数据流,进而对电池是否在正常工作状态进行直观而迅速的判断,通过一致性分析,对动力电池是否符合退役条件进行判断,同时为后期制定梯次利用方案和选择梯次利用场合提供依据。离线故障诊断系统基于工控机、动力电池数据采集单元和电池充放电测试单元等硬件和虚拟仪器软件开发设计,独立于原动力电池管理系统,由测试精度更高的数据采集单元和运算能力更强的数据处理单元组成,能够独立工作并判断梯次利用电池的各项性能指标,利用计算机强大的数据处理功能,可以对获取的动力电池参数进行复杂的离线分析,估算梯次利用电池健康状态、功能状态、安全状态和荷电状态,进而为判断梯次利用电池再利用场合和制定再重组方案提供依据。