基于自产热和外传热的锂离子电池热学模型参数辨识方法

锂离子电池热学模型参数(热容和热阻)的准确辨识对电池热电耦合建模及状态参数估计至关重要。然而传统测量方法成本高且测试周期长,如何利用充放电工况结合产热和传热机理研究快速热参数辨识方法具有重要意义。以8A×h软包锂离子电池为研究对象,建立分布式热路模型;设计双向脉冲工况实验,采用自适应粒子群算法(APSO)进行辨识;同时采用其他工况进行验证,实验和仿真温度误差小于0.1℃。另外,将热容和热阻转换为比热容和导热系数,并与其他文献中同类电池的参数进行比对,量级接近。研究结果表明,该方法可以有效解决层叠式软包锂离子电池热学模型参数辨识难的问题,且简便易行、成本低。

锂电池在机械滥用下的耦合仿真模型研究

随着新能源汽车保有量的增加,因锂电池故障而引起的起火、爆炸等问题引起了各界的密切关注。锂电池在机械滥用下的热失控行为复杂、实验成本高、可重复性低,难以为研究提供有效、完备的数据。因此,利用高置信度仿真模型研究和评估锂电池的安全性能是一种可行的途径。基于Ls-Dyna软件建立了锂电池机-电-热耦合仿真模型。结果表明,该模型能够准确预测电池在受到压痕时的机械响应和电响应,且能合理地模拟电池的温度分布,具有较高的置信度。利用该模型对控制因素(压头半径,冲压方式)进行了研究,并综合分析了相关参数对锂电池安全性能的影响。所获得的结果可为车载锂电池包的设计和安全系统构建提供参考。

一种基于ISBO算法的锂离子电池等效电路模型辨识方法研究

锂离子电池等效电路模型的参数辨识方法对模型精度有较大的影响。针对缎蓝园丁鸟优化SBO(satin bowerbird optimization)算法收敛精度低和收敛速度慢的问题,提出一种改进的缎蓝园丁鸟优化ISBO(improved satin bowerbird optimization)算法。采用惯性权重、柯西变异、高斯变异和贪婪选择策略来提高ISBO算法的收敛精度,并利用标准测试函数对其收敛性能进行验证。结合电池充放电数据,将提出的ISBO算法用于锂离子电池等效电路模型的参数辨识。实验结果表明,与SBO和自适应权重粒子群优化算法相比,ISBO算法参数辨识精度较高且辨识精度不受电池工况的影响。

基于简化阻抗模型和比较元启发式算法的锂离子电池参数辨识方法

快速准确地辨识电化学参数对锂离子电池机理建模至关重要。而传统的参数辨识方法多采用直接拟合,难以精确反映电池的内部状态。为解决这一问题,本工作以37 Ah三元电池为研究对象,基于电化学反应中的法拉第过程、双层电容的弥散效应的非法拉第过程以及固相与液相的传导过程,构建了一个与电化学模型映射的修正简化阻抗模型,与伪二维(P2D)模型不同,该模型输入为不同荷电状态(SOC)下的三电极电化学阻抗谱(EIS),通过拟合EIS得到对应工况电化学参数,实现对电池模型准确的参数识别。通过拟合阻抗谱,辨识得到了16个高敏感度的电化学参数,其中正极7个、负极9个。我们进一步比较了66种元启发式算法在锂离子电池电化学参数识别中的性能表现,从识别精度、计算效率和鲁棒性等方面对其进行多维分析。研究结果表明,自适应差分进化算法在参数识别中综合效果最佳,其平均绝对百分比误差小于3%,非重复函数计算次数小于35000次,表明其达到最大准确度的同时运算量较低,提出的辨识方法不仅更好地反映了参数的物理意义,还为电化学模型的简化计算和在线辨识提供了有力支持。

基于HPPC-FFRLS的锂电池等效模型参数在线辨识

目的为了实现锂离子动力电池的高精度状态监测与分析,方法针对锂离子动力电池二阶RC等效电路模型的参数在线辨识展开研究。搭建锂离子动力电池二阶RC等效电路模型;利用开路电压法与安-时积分算法相结合的方式进行电池荷电状态(SOC)评估;通过HPPC测试实验数据进行等效电路模型的离线参数辨识;以离线辨识结果作为系统状态初值,结合带遗忘因子的递推最小二乘算法(FFRLS)对锂离子动力电池二阶RC等效电路模型参数进行在线辨识;利用Simulink搭建电池状态监测和充放电控制仿真系统,对基于在线辨识参数的模型进行仿真测试;利用可编程电源和电子负载搭建实验平台。结果对比在线辨识参数的系统仿真输出、离线辨识参数的系统仿真输出和实验数据,结果表明:基于HPPC-FFRLS在线辨识的模型仿真输出的误差相对于HPPC实验法减小了50%;在线辨识策略克服了环境温度、电池老化、充放电倍率等因素对参数的影响;仿真初期系统波动明显减小,等效模型系统动态跟踪具有更高的精度,鲁棒性更好。结论基于HPPC-FFRLS的锂电池等效模型在线辨识保证了模型参数的有效性,简化运算量的同时提高了模型精度。

基于锂离子电池电化学机理特性的电气等值模型研究

为更准确地表征低倍率充放电工况下电池内外部的动态状况,该文根据锂离子电池电化学原理推导出一种机理电气等值模型,明确机理电气等值模型相关电气元件参数的计算方法,揭示其与锂离子电池电化学参数之间的关联。所提机理电气等值模型兼具锂离子电化学模型的精度以及常规经验等效电路模型在储能控制参数整定、大规模储能电站等效建模方面便捷性的优势,更适用于新型电力系统场景下的储能电站建模、仿真、参数整定及安全监测。

基于OCV模型优化的磷酸铁锂电池SOC估计

锂离子电池荷电状态(SOC)与开路电压(OCV)的关系曲线(OCV曲线)是影响其SOC估计精度的核心因素。针对小电流OCV(LO)测试耗时短但数据精度较低的问题,提出一种OCV模型及其优化方法。该方法基于LO测试的OCV数据,采用道格拉斯-普克算法和分段线性函数建立OCV模型。并将OCV曲线上的4个OCV点作为变量,建立了其他OCV点的随动模型,使曲线能够运用粒子群优化算法进行优化。基于优化后的OCV曲线,动态工况下的端电压估计绝对平均误差降低83.5%,采用自适应扩展卡尔曼滤波的SOC估计误差小于0.3%。该方法能够基于耗时短的LO测试获取准确OCV曲线,降低锂离子电池研究与应用的测试成本。

反应速率对锂硫电池放电性能影响的模型分析

锂硫电池是下一代高能量密度二次电池的重要候选者,其性能改善需深入理解电池中锂、硫间复杂宏观电化学反应过程。基于Newman多孔电极模型思路,结合多孔硫正极特点,合理简化,建立了描述锂硫电池放电过程模型。模型计算与文献实验结果对比表明,模型能较好模拟放电过程趋势、关键特征,验证了模型有效性;不同电化学动力学参数变化下放电结果模拟表明:增大锂离子交换电流密度有利于提高性能;对于正极硫多步电化学反应过程,S_(8(l))还原反应速率需保持在较高水平上,S_(8)^(2-)、S_(6)^(2-)还原反应速率不是多步电化学反应的控制步,提高S_(4)^(2-)、S_(2)^(2-)还原反应速率可以改善电池比容量、功率性能。

磷酸铁锂电池二阶可变阻容的模型研究

精确的电池模型是动力电池荷电状态(State of Charge,SOC)估计的基础,提高模型精度可从电池内部特性出发。提出二阶阻容可变参数等效电路模型,能够反映电池内部双极化效应,同时用可变的参数描述电池内部动态变化过程。通过对锂离子电池充放电实验和HPPC测试,结合MATLAB拟合工具,辨识出不同SOC下各参数的值,基于SIMULINK搭建仿真模型。对比仿真结果,所建立模型的端电压平均误差为12.36mV,相比于固定参数传统模型的31.50mV,精度提高了60.76%,更能准确描述锂离子电池内部的静动态特性。

基于电热耦合模型的宽温域锂离子电池SOC/SOP联合估计

准确的状态估计对于锂离子电池安全可靠运行具有重要意义,但由于非线性强,多参数耦合,实现宽温域多参数联合在线估计难度较大。考虑到温度影响,建立电热耦合模型,采用扩展卡尔曼滤波算法(EKF)在线辨识电池参数,通过电压及温度仿真验证了模型的准确性;然后针对无迹卡尔曼滤波算法(UKF)历史数据利用率低的问题,引入多新息理论(MI)改进UKF,改进后的算法在非电压平台区荷电状态(SOC)估计均方根误差不超过1.2%,相较于改进前误差降低了30%以上,并结合安时积分法设计切换算法,解决了MIUKF算法在磷酸铁锂电池电压平台区无法通过电压反馈修正SOC估计误差的问题,实现了宽温域复杂工况下全区间SOC的准确估计,在不同SOC初始值条件下验证了结合算法的准确性,均方根误差不超过3%,为峰值功率(SOP)估计提供了可靠的SOC值;最后将温度约束引入到SOP估计中,提出多约束条件下的SOP估计方法,结果表明在高温条件下,温度起到关键限制作用,可以防止电池温升过大,减少安全隐患。

基于一类非线性时间序列模型的锂离子动力电池建模研究

伴随着新能源产业的飞速发展,锂离子动力电池作为一种高效的储能方式,已成为电动汽车的重要组成部分。在电池管理系统的功能中,电池的高精度建模至关重要。在实际应用中,电池不是一个线性系统,其输入和输出由于外部扰动等原因表现出非线性特征,从而直接影响参数识别效果,进而影响模型精度。鉴于此,本文对锂离子动力电池进行了Hammerstein-ARMAX(Autoregressive MovingAverage with Extra Input)模型构建,并对模型参数的估计方法进行研究,旨在提高模型的准确性。实验结果表明了该方法的有效性。

基于电极等效电路模型的锂离子电池无析锂快充策略优化研究

析锂是制约石墨阳极型锂离子电池快充安全与效率的关键问题。为了保障车载电池充电安全、缓解新能源汽车里程焦虑,有必要针对锂离子电池开展无析锂快充研究。鉴于此,该文基于锂离子电池电极等效电路模型,提出一种由阳极电势观测器和充电电流控制器组成的双闭环无析锂快充策略调控方案,实现了锂离子电池的无析锂安全快充。实验结果表明,不同工况下的阳极电势平均观测误差均低于5 mV,最大误差不超过10 mV;在电流调节过程中,阳极电势到达并稳定在设定阈值+1 mV范围内的调节时间为26 s,稳态误差小于0.05 mV,并且无超调和振荡。此外,与1C恒流恒压策略相比,该策略能节省46%的充电时间,充电过程中阳极电势最低为4.8 mV,且将锂离子电池拆解后也未发现析锂,证明该策略能明显缩短充电时间并有效抑制析锂。

基于电化学机理模型的锂离子电池早期内短路电热特征研究

锂离子电池的内短路故障是诱发其热失控的主要原因之一,早期内短路特征研究能够为电池管理系统的故障诊断和安全预警提供支撑,对提高电动汽车的安全性具有重要意义。构建了锂离子电池内短路电化学机理模型,实现了不同内短路阻值下的锂枝晶内短路故障模拟。结果表明,由锂枝晶导致的电池内短路产热98%以上来源于正负极产生的焦耳热,早期内短路过程中正负极集流体表面的温升小于1.5 K,不显著的外部热特征无法用于早期内短路故障诊断。与正常电池相比,内短路故障将使得电池充电速度变慢,放电速度变快,端电压异常下降,上述电特征可以为构建早期内短路故障诊断方法提供依据。

基于等效电路模型融合电化学原理的锂离子电池荷电状态估计

准确高效地评估锂离子电池荷电状态(SOC)是确保电动汽车和储能设备性能和安全的关键。等效电路模型被认为是描述锂离子电池内部复杂反应过程的一种有效方法。针对基于等效电路模型的SOC估计准确性与复杂性难以权衡的问题,本研究采用一阶RC模型作为基础,为了提高整个SOC区间的模型性能表现,通过电化学原理对模型进行优化,通过在一阶RC模型的OCV模块上添加反映电池内部固相扩散过程的改进误差项,在保证较低的计算复杂性的前提下,减小了等效电路模型与更准确的机理模型之间存在的误差。然后基于倍率测试以及脉冲测试数据对电池进行参数辨识,以粒子群算法为基础通过参数解耦的方式降低了参数辨识的复杂度、提升了辨识准确度;同时基于小倍率测试的开路电压(OCV)数据采用多项式方法进行OCV-SOC曲线拟合。随后基于模型参数辨识结果开展SOC估计研究,针对常规卡尔曼滤波准确度不足的问题,在无迹卡尔曼滤波基础上结合加权滑动窗口的思想以提升SOC估计的精确性和鲁棒性,并基于UDDS和DST动态工况测试数据进行算法验证,最终估计效果相对于传统方法呈现出优异的精度与鲁棒性,并且可以在初始SOC有较大偏差时快速收敛至准确值。

锂离子电池的等效时变内阻模型及应用

针对锂(离子)电池在恒流、恒压和/或恒功率等工况下,Thevenin等效电路模型无法在线辨识其模型参数,进而无法描述锂电池特性的问题,提出了一种新的等效时变内阻模型。分析表明,通过将锂电池的开路电压和内阻,描述成未知的时变电压和内阻,并利用安时积分和随机漫步模型,分别表示其未知时变电压和内阻的进化,就可为锂电池建立一种以状态空间进行描述的等效时变内阻模型。分析也表明,因电池充放电而产生的暂态极化电压,可由电池端电流与时变内阻的乘积,以及电池端电压观测噪声分布的组合进行描述。本文模型相比传统模型,在恒流恒压以及恒功率的工况下,SoC估计的均方根误差平均降低了48%。公开充放电测试数据集和实验的SoC估计,均验证了本文模型及分析结果的正确性和有效性。

锂电池的两阶段老化过程经验模型与分析

锂离子电池的老化过程可分为固体电解质界面膜增长和锂沉积机制主导的2个阶段。为了快速准确预测锂离子电池的循环寿命,并快速识别老化过程两阶段的转折点,建立了基于锂电池电化学过程模型的两阶段老化过程经验模型。针对镍钴锰酸锂电池的老化过程,基于电池两阶段电化学过程模型获得不同参数条件下两阶段的电池老化数据,采用两步非线性拟合方法获得了锂离子电池两阶段老化过程的经验模型,验证了该经验模型的有效性,并与传统的半经验模型进行了对比分析。结果表明:所建立的电池老化过程经验模型可以有效预测不同参数条件下电池的两阶段老化过程。特别是在电池加速老化阶段,所建立的经验模型明显优于传统的半经验模型。

基于改进模型与优化自适应CKF的锂离子电池快速变温工况下的SOC估计

为实现锂离子电池在快速变温环境下高精度强鲁棒性的状态监测,本文提出了一种基于改进电池模型与优化自适应容积卡尔曼滤波器的锂离子电池荷电状态估计方法。首先,讨论了伪二维电化学模型与等效电路模型中对于电池荷电状态定义上的差异,并通过中间变量来修正传统等效电路模型中安时积分法计算得到的荷电状态结果,提出了一种新的改进电池模型。其次,基于多组恒温环境下所获得的锂离子电池开路电压测试数据与动态应力测试工况数据获取了所建立模型与环境温度相关的各项参数。同时,基于矩阵对角化原理与协方差矩阵自适应原理改进了传统的容积卡尔曼滤波器,进一步提升了整体算法的稳定性和处理随机采样噪声的能力。最后,在快速变温环境中6组不同的电池工况下验证了所建立改进电池模型的精度以及存在随机采样噪声干扰时所提荷电状态估计方法的有效性。结果显示,所提出的荷电状态估计方法适用于快速变温环境下的各类电池工况,在随机采样噪声干扰下估计结果的均方根误差均在1.3%以内。

锂电池双向均衡及模型预测控制优化

为了解决锂电池组内部单体不一致导致的能量利用率低、电池容量衰减等问题,提出了一种基于模型预测控制的双向均衡控制方法。首先,以锂电池单体的荷电状态(SOC)为均衡控制目标,采用带遗忘因子的最小二乘法和扩展卡尔曼滤波法联合估计电池SOC;接着,通过设计双向反激式电路,形成可升降压的均衡结构,并采用模型预测控制优化双向反激式电路的正反向均衡控制状态;最后,通过占空比控制双向反激式电路的均衡电流,实现不同锂电池单体之间的SOC均衡。研究结果表明:采用双向反激式电路和模型预测控制,不但降低了均衡电路控制的复杂程度,避免了传统均衡方法的电池组内部均衡消耗,而且有效提高了均衡可靠性和均衡速度;在动态工况下,基于模型预测控制的锂电池双向均衡控制方法,能快速实现锂电池单体之间的SOC均衡,与传统的比例均衡控制方法相比,均衡时间缩短了68.3%。

基于GWO-LSTM-TCN混合模型的锂电池荷电状态估计研究

针对锂电池荷电状态(SOC)具有非线性、时变特性而无法直接测量的问题,提出了一种基于灰狼优化算法混合模型的锂电池SOC估计方法,利用长短期记忆网络(LSTM)和时序卷积网络(TCN)挖掘SOC特征信息,构建锂电池电压、电流与SOC的映射网络模型,引入灰狼优化算法(GWO)确定网络模型最佳超参数,采用马里兰大学公开的INR 18650-20R数据集对SOC混合模型进行实验验证。结果表明,GWO-LSTM-TCN网络模型对锂电池荷电状态的估计精度相较于GWO-LSTM网络以及GWO-TCN网络能更好拟合锂电池电压、电流与SOC之间的非线性映射关系,具有较好的模型准确性和泛化能力。

锂离子电池的劣化:力-电化学耦合机理与模型

锂离子电池在充放电循环过程中会不可避免地发生容量衰减,这种性能劣化现象普遍存在,且符合人们的日常认知.然而,显而易见的电池劣化现象背后的机理则是相当复杂.本文首先分别从颗粒尺度和电极尺度入手,对锂离子电池的多尺度-多场-多过程的力-电化学耦合劣化机理进行了梳理,其中对固态电池的劣化进行了单独的讨论.进一步地,本文梳理了用以描述锂离子电池力-电化学耦合劣化行为的劣化模型.需要指出的是,由于电池劣化机理的复杂性和外部可测量的稀缺性,建立劣化模型是具有挑战性的,且目前仍存在巨大的研究空白.基于此,本文提出了一种双向劣化模型的设想,融合物理模型和数据模型,以具有一定物理意义的内变量为纽带,建立围绕内变量的“力学行为-内变量-劣化行为”完整映射,为客观、准确地描述和预测电池劣化行为提供新思路.