基于扩展单粒子模型的锂离子电池参数识别策略

为了精确识别电动汽车锂离子动力电池的关键状态参数,基于多孔电极理论和浓度理论,建立了一种考虑液相动力学行为的锂离子电池扩展单粒子模型.相较于传统单粒子模型,该模型增加了对负电极表面固体电解质界面膜参数的描述,并考虑了温度和液相浓度变化对锂离子电池关键参数的耦合影响.基于所建立的扩展单粒子模型,提出一种简化的参数灵敏度分析方法和有效的锂电池参数识别策略,用以确定特定工况下的高灵敏度待识别参数,进而利用遗传算法实现参数的优化求解.最后,通过对比分析本文模型和传统单粒子模型的仿真输出电压和相同工况下电池的实验输出电压验证了提出模型和参数识别方法的有效性和可行性,为电池管理系统的健康状态估计提供了理论基础.

基于ESP模型的锂电池参数辨识和SOC估计

精准的电池模型是电动汽车电池管理系统的关键,它为准确估计电池荷电状态(SOC)提供保证。基于电化学反应机理,建立扩展单粒子(ESP)模型。基于ESP模型参数较多的特点,利用改进遗传算法分不同SOC阶段进行多组参数辨识,通过充放电实验验证模型的准确性。基于ESP模型和卡尔曼滤波算法,引入强跟踪滤波器和自适应滤波方法,且对模型状态方程进行修正,建立自适应强跟踪Sigma点卡尔曼滤波算法来进行SOC估计。结果表明,ESP模型有较高的精度,且基于此模型和所建立的算法可以实现对SOC的精确估计,其最大误差在2.3%以内。