基于多参数耦合模型的锂离子电池充电策略在智能物流系统中的研究进展

为有效优化锂离子电池充电行为,避免智能物流系统过量消耗电力信号,针对基于多参数耦合模型的锂离子电池充电策略在智能物流系统中的应用展开研究。定义多参数耦合模型表达式,在此基础上,研究锂离子电池的充电行为,并对其进行调节,根据点电荷存储量,确定锂离子电池的最大储能水平,从而实现基于多参数耦合模型的锂离子电池充电特性分析,再以充电效率、电池安全性、智能化充电三个因素作为切入点,研究锂离子电池优化充电策略在智能物流系统中的可行性。

基于电热耦合效应的锂电池荷电状态与温度状态联合估计

准确估计电池的荷电状态(SOC)和内部温度可以提高电池的性能和安全性。其中,电池模型的准确性和估计算法的适用性是关键。为了解决这两个问题,本文建立了圆柱形锂离子电池的多参数电热耦合模型。模型考虑电池SOC与温度变化之间的耦合关系,并且利用改进的熵热系数实验获得电池运行中产生的可逆热与不可逆热,通过可变遗忘因子最小二乘算法(VFFRLS)进行参数辨识,并对比独立的电模型与热模型的SOC与内部温度估计结果,验证了多参数电热耦合模型的准确性,结果证明所提模型相比较于单独的电热模型,估计精度提高了70%以上。最后,设计了一种基于奇异值分解的卡尔曼滤波(SVD-AUKF)算法来同时在线估计SOC和内部温度,并在改进的动态测试(DST)工况下对所提方法进行实验验证。结果表明:所提方法相较于扩展卡尔曼滤波(EKF)与无迹卡尔曼滤波(UKF)算法,能实现更高精度的SOC和温度估计,SOC与内部温度的平均误差分别是5%和0.2℃。

基于电-热-老化耦合模型的锂离子电池优化充电策略

快速安全的充电协议对于增强电池的实用性至关重要。文中提出了一种均衡考虑锂离子电池老化损耗和充电时间的多级恒流充电方法。首先,从锂离子电池自身的物理及化学反应机理出发,建立了电-热-老化多参数耦合模型。其次,基于电池模型参数构造了以老化损耗和充电时间为目标的优化方程。最后,采用粒子群优化算法计算确定各个恒流段的最佳充电电流。在相同条件下通过与恒流恒压充电方法的实验比较,表明该多级恒流充电方法在不牺牲电池循环使用寿命的情况下,充电时间缩短了25.14%,平均温升降低了0.4902℃。