基于Gassing模型的锂电池SOC估计与参数辨识

具有非线性、时变性的Gassing锂电池模型具有以下两大特点:模型考虑了析气现象,使其适用范围拓广到SOC>85%的临界情况;模型考虑了温度的动态变化对系统状态变量的影响。针对该模型,基于相关的试验数据,采用双Kalman滤波算法(DKF),同时实现了对模型参数的辨识和对SOC的在线估计。台架试验和实车验证表明,该算法在非临界情况和临界情况下均可以较准确地在线估计SOC(估计误差在4%以内),并且对SOC的初值误差具有较好的鲁棒性。

基于积分变换的锂电池系统建模

Gassing锂电池模型考虑了电化学反应的析气和温度影响,描述了锂电池系统的非线性时变特性,使模型的适用范围拓广至SOC>85%的临界情况。通过积分变换,用能量状态W0代替原状态变量开路电压U0,将表征锂电池重要特性的SOC-OCV曲线转换成SOC-W0曲线,同时进一步考虑了倍率充放电效应,提出了改进型Gassing模型。仿真结果表明,改进型Gassing模型不仅能适用于SOC-OCV曲线中间区域平坦的磷酸铁锂电池,还进一步提高了模型的仿真精度及SOC计算的合理性和有效性。

锂离子电池系统建模仿真

动力电池测试是动力电池研究的基础,而建立和选择合适准确的电池模型对于电池管理系统开发具有重要意义.为了解决电动汽车仿真时电池模型选取的问题,分别系统的建立了Thevenin模型,Gassing模型以及AVL电池模型,其中,Thevenin模型和AVL电池模型实质上分别为一阶等效电路模型和三阶等效电路模型,而Gassing模型是一种半机理半经验模型.三种模型在非极限工况下,都具有较高的精度,Thevenin模型和AVL电池能够更加准确地描述电池极化环节,AVL电池模型和Gassing模型在剧烈变化工况下误差很小,而Gassing模型能够很好地描述电池在极限工况下的动态特性,且可以反映出温度与内阻的动态变化.