近年来，电动汽车的发展尤为火热，动力电池系统作为电动汽车的三电系统之一，动力电池的性能直接影响着整车的性能。电池的荷电状态(SOC)是反映动力电池剩余容量和做功能力的一项重要指标，而电池健康状态(SOH)反映的是电池剩余循环寿命，对于提高电池使用安全性、电池寿命、电动汽车性能具有重要的理论意义和应用价值。为了提高动力电池系统SOC和SOH的实时准确估算，现发布2023年度横向课题申请指南，拟联合优势团队开展针对电池管理系统应用层SOC/SOH模型开发，诚挚邀请相关研究领域的科研工作者踊跃申报。

一、重点资助方向

本课题基于数据驱动-机理混合模型的LFP锂离子电池的SOC离线估计，研究温度、充放电倍率、循环寿命和自放电等因素对电池SOC的影响，建立电池的机理模型，构建BMS在线SOC算法。采种基于迁移学习与混合深度学习的电池健康管理框架，针对于不同领域电池数据的共性特征，结合联合分布适配（Joint Distributed Adaptation, JDA）学习进行混合深度学习模型训练，对电池SOH进行离线估计，提升电池寿命预测的精度，构建BMS在线SOH算法。

目标成果：

1、以企业应用需求为导向，实现对一款纯电动汽车新LFP电池SOC的精确估算，工况参照《GB/T 38661-2020》中SOC测试工况、使得整车在工作环境温度范围内（-40℃≤T≤60℃），SOC在线估算误差≤±5.8%，SOH在线估算误差≤±9.5%；

2、SOC、SOH 的MATLAB模型及其软件模块说明书白盒交付；

3、SOC估算算法和SOH估算算法MIL测试和SIL测试，测试用例白盒交付；

4、SOC估算算法和SOH估算算法在设计上遵循高内聚低耦合的设计原则。各个子模块之间降低耦合度，各模块或其子模块圈复杂度不高于40，模块维护或新增某一模块过程中不影响模块其它子模块的正常运行；

5、算法模块内的各子模块调度要合理，在线算法模块的最大运行时间不高于最低运行时间的两倍；

6、SOC估算算法和SOH估算算法的开发及测试验证以使用者为中心，培训至少2个人掌握使用方法，使受培训人员更好地使用SOC/SOH算法以及后期算法的二次开发，从而服务后续项目；

7、申请人于2023年12月30日提供SOC/SOH算法A样，环境仓内的高低温在线标定（试验环境由奇瑞搭建）由申请人现场支持，2024年04月15日提供优化后达到SOC和SOH精度的B样算法。

二、申请要求

1、申请人不限国籍，需具有博士学位或中级及以上技术职称。

2、申请人需要根据资助的主要研究方面填写申请书一式三份（同时提交电子版）。经所在单位同意盖章，向本单位提出申请。

3、申请者同时参加（包括主持）的研究课题不能超过两项。

4、申请课题应符合指南设定的研究方向，并具有前沿性、开拓性、切实可行的技术路线和新颖的研究内容。

5、自本指南发布之日起到2023年5月25日止，申请人如有申报意向，请联系：黄芳芳18298267327。

6、基金资助课题所取得的成果，归奇瑞新能源汽车股份有限公司和研究者所在单位共有。

三、横向课题审批
    横向课题委员会对申报课题进行评审，再经横向课题专家小组进行会议评审，之后组织实施。

四、项目实施

1、项目资助期为一年，受资助的申请人需按要求定期提交工作进展情况，对经费使用不当或难以继续完成者，将予以纠正或停止资助。资助课题结束后，应在一个月内报送结题报告及相关材料；
        2、受资助者无故中断研究工作，应退赔已使用经费。对确因客观原因课题不能按期完成，经承担者提出申请，经同意后可适当延长工作期限。

五、经费管理

1、资助每项研究课题人民币150万元，由申请人按课题研究计划提出经费使用预算。
       2、横向课题的经费拨付到申请者所在单位，严格按照有关财务规章制度执行，单独建帐立卡，专款专用，使用权属于课题的负责人。