锂离子电池模型综述

锂离子电池的性能是影响电动汽车动力性能最主要的因素之一,锂电池的荷电状态(SOC)是电动汽车电池管理系统(BMS)的核心,为整车电池组的控制提供判断基准.建立一个准确的锂离子电池模型是实现电池SOC在线监测的关键,SOC的精确程度直接影响着锂电池的输出特性、使用寿命和安全性能等方面.有鉴于此,本文对电化学模型、等效电路模型、神经网络模型以及热耦合模型的特点进行综述,最后对未来用于SOC精确在线估计的锂离子电池模型进行了展望.     

基于扩展卡尔曼滤波的LiFePO4电池荷电状态估计

为了准确估计电池的荷电状态(state-of-charge),在研究电池电化学阻抗谱模型的基础上得出了适合工程应用的电池简化等效电路模型,通过实验对模型进行了参数估计,并在模型的基础上采用扩展卡尔曼滤波法(EKF)对电池的SOC进行估计并使用Matlab进行了仿真验证,结果证明扩展卡尔曼滤波法能准确地估计电池的SOC。     

一种基于LSTM-RNN的脉冲大倍率工况下锂离子电池仿真建模方法

锂离子电池是电力系统中不可或缺的重要储能元件,脉冲大倍率工况下运行的锂离子电池具有单次放电时间短、放电循环多、状态变化频繁、非线性极化现象明显等特点。该文以脉冲大倍率工况下锂离子电池模型为研究对象,针对电化学模型和等效电路模型对模型依赖度高、模型参数难以获取以及脉冲大倍率工况下非线性极化现象导致拟合精度不足等问题,提出基于长短期记忆循环神经网络(long short term memory recurrent neural network,LSTM-RNN)以实现准确的锂离子电池建模。该方法利用LSTM-RNN的动态逼近和长时记忆能力,以获取脉冲大倍率工况下锂离子电池性能参数和电池端电压、荷电状态、电流、温度之间的非线性关系。在6种脉冲大倍率放电工况下对磷酸铁锂电池进行建模,实验结果表明,所提出的基于长短期记忆循环神经网络的锂离子电池模型均能够准确表征磷酸铁锂电池工作特性。     

电动车锂离子电池健康状态模型研究进展

锂离子电池以其优异的性能在电动汽车领域得到了广泛应用.详细阐述了锂离子电池健康状态的定义,总结了电池健康状态的衰退机理和影响因素.回顾了近年来锂离子电池健康状态模型的研究进展,介绍了不同类型的锂离子电池健康状态模型,包括电化学模型、经验模型和等效电路模型,并对未来锂离子电池健康状态模型的研究方向进行了展望.     

基于改进等效电路模型的高比能量储能锂电池系统功率状态估计

针对高比能量电池大倍率下的电化学特性特殊性,用传统的等效电路模型(equivalent circuit model,ECM)估计功率状态(state of power,SOP)存在精度较低的问题,提出一种拓展的等效电路模型(extended equivalent circuit model,E-ECM)进行SOP估计。分析锂离子动力电池负载电流对极化内阻的影响,基于不同倍率测试和最小二乘的方法建立极化内阻与电流的关系;通过引入SOC偏差△z的概念,来描述电池内部的固相扩散反应引起的扩散压降,对部分SOC区间的△z进行了拟合预测;构建了考虑极化内阻电流依赖性和扩散压降的E-ECM模型,基于E-ECM模型进行电压限制下的10s和180s的SOP估计。搭建了面向单体电池的基本性能实验和SOP最大电流实验平台,分析结果表明,基于模型的最大电流平均误差不超过0.41%、最大误差0.51%左右,基于拟合预测△SOC处的最大电流误差为1.47%,验证了E-ECM模型对SOP估计的有效性和准确性,为锂离子动力电池管理系统功率状态估计与控制提供了理论支撑。     

大容量锂离子电池的并联性能评估与等价性分析

为研究大容量锂离子电池在并联方式制约下的性能估计和评价方法,首先,基于不同循环条件和不同电池参数差异条件的并联电池实验,分析了支路电流不平衡的起因和结果;选取简化的并联等效电路模型,详细分析了不同充电阶段的支路荷电状态(state of charge,SOC)累积特性,提出了并联电池电流不平衡的等效计算方法;建立了以并联电池交叉点前的平均电流、放电末端的电流极值和整体容量利用率等参数为基础的电池组综合性能评价指标;阐述了并联电池组和单体电池的等价范围,对延长并联电池使用寿命和成组筛选等应用提供了参考。     

锂电池电化学阻抗谱的多项式等效电路模型

选取磷酸铁锂圆柱形锂离子电池为实验对象,测试其在263、273和283 K低温环境,298 K常温环境和不同荷电状态(SOC)值下的电化学阻抗谱,建立锂电池多项式等效电路模型,对比了传统等效电路和多项式等效电路的拟合性能,结果表明多项式等效电路模型具有良好的性能,八阶多项式函数足以描述SOC对电路参数的非线性影响,为预测不可见SOC的阻抗谱和电路参数奠定了基础。     

铅酸电池模型及参数辨识研究

随着电动车技术的发展,铅酸电池得到了更广泛的应用。电池模型是研究动力电池充放电特性的重要工具,合理的电池模型能够仿真电池的充放电过程,通过系统辨识方法,电池模型参数还能够实时反映电池的性能状态。本文选用了二阶RC等效电路模型对在动态应力测试(DST)试验规程条件下的电池充放电行为进行仿真,采用含遗传因子的递推最小二乘算法(FFRLS)对模型参数进行辨识,并通过端电压比较法对辨识结果进行验证。结果表明:二阶RC等效电路模型参数可以提供较为精确的充放电过程仿真,模型参数辨识结果可提供包括内阻和电池开路电压等参数的估计,从而有助于反映电池的性能状态。     

电池管理系统算法综述

锂离子电池由于其高能量密度和使用寿命长等优点成为储能的首选,锂离子电池系统的安全运行、状态估算、剩余寿命预测都由电池管理系统(BMS)管理,故BMS对电池系统的使用和稳定至关重要.主要关注以动力电池为代表的电池系统,综述了数据驱动方法的各种算法在BMS系统的应用.概述了BMS电模型的电化学模型、等效电路模型、数据驱动模型的特点,热建模的电模型、热模型、热-电耦合、热-电化学耦合模型的应用范畴.介绍了卡尔曼滤波、神经网络、向量机在SOC估计的应用,粒子群算法、HI-DD-AdaBoost.RT(不等式漂移检测自适应增强学习/阈值回归算法)、卡尔曼滤波在SOH估计的应用剩余寿命预测方面,介绍了经验预测、滤波预测、时间序列预测法.     

电化学阻抗谱测量与应用研究综述

电化学阻抗谱(EIS)是一种广泛应用的锂离子电池无损表征方法,其表征的阻抗是确定电池工作边界、评估性能和跟踪功能状态的关键之一,它已被广泛应用于锂离子电池的研究,可用于电池筛选、运维以及性能评估等各环节.综述了基于电化学阻抗谱的荷电状态(SOC)和健康状态(SOH)估计的应用概况,并概述了电化学阻抗谱测量的频域和时域方法.总结了电化学阻抗谱在电池状态估计中的应用前景和挑战,展望了电化学阻抗谱应用的发展方向.     

混合动力汽车用MH/Ni电池的建模

分析了混合动力汽车(HEV)用MH/Ni电池的特点,对电池建模进行了探讨.基于额定电压为144 v的6 Ah MH/Ni电池组的混合脉冲实验,采用回归分析方法,辨识了Thevenin、PNGV两种电池等效电路模型参数;在Simulink中建立了等效电路模型,用HEV电池的3种典型工况测试了模型精度.Thevenin模型在恒流充电工况下的精度较高,而PNGV模型在充放电交替变化较大的复杂工况下的精度更高,更适合HEV中的高功率型电池.     

用于电动汽车SOC估计的等效电路模型研究

从适用于电动汽车锂离子电池荷电状态(SOC)估计的等效电路模型出发,对Rint、RC、Thevenin、PNGV和GNL等模型进行了归纳和总结,着重介绍了PNGV等效电路模型的基本原理、参数辨识过程及其研究现状。针对PNGV模型,进行模型电路的结构和参数辨识的优化,从而使电池模型在整个生命周期内都能真实且准确地反映出电池的实际属性,将会是今后该领域研究和应用的重点。     

燃料电池汽车中电池建模及其参数估计

目前燃料电池汽车大多采用了燃料电池和蓄电池混合的动力系统方案。研究了燃料电池汽车“超越一号”中锂离子动力电池,在恒流放电和脉冲放电实验的基础上,分析了它的静态和动态特性,并选用了PNGV计划中动力蓄电池的线性模型,在此基础上,根据该模型慢时变的特点,提出了采用最小二乘法在线辨识锂离子动力电池参数的方法,并进行了理论分析和仿真研究。结果表明PNGV模型适用于锂离子动力电池,而且只要将电压测量和电流测量的精度控制在一定范围内,采用上述方法进行参数估计是将是有效的。     

基于CNN-Bi-LSTM网络的锂离子电池剩余使用寿命预测

锂离子电池的剩余使用寿命(RUL)预测可以评估电池的可靠性,降低电池使用的风险并为电池维护提供理论依据.结合卷积神经网络(CNN)与双向长短期记忆(Bi-LSTM)网络的优点,提出一种考虑多种寿命衰退特征与数据时序性的CNN-Bi-LSTM网络模型用于锂离子电池RUL预测.通过仿真得到CNN超参数,选择相关性高的特征参数作为预测输入量,最后在NASA锂离子电池老化数据集上进行仿真实验.实验结果表明CNN-Bi-LSTM网络模型能准确预测锂离子电池RUL,与其他网络模型相比,具有网络模型参数少、占用内存小的优势,在精确度和收敛性上都有较好表现.     

基于PNGV电路模型的航空钴酸锂电池内阻研究

对航空钴酸锂离子电池进行PNGV建模。通过模型的建立,可依据测试出的外部变量值来估算电池的内部状态变量。实验使用HPPC(hybrid pulse power characterization)法来获取锂电池在脉冲加载和过渡过程中的各项参数。最后通过Matlab/Simulink对电池的PNGV等效模型进行仿真分析。研究表明:所选取的PNGV模型精度高,能真实地模拟电池充放电特性;在固定温度和已知SOC的情况下,模型参数能得到较准确的估计。本实验结论可为锂电池的内部状态变量估算提供理论依据。     

改进的WNN在蓄电池SOC估算中的应用

蓄电池的荷电状态SOC是影响电动汽车行驶安全的一项重要指标,针对此,提出一种改进的小波神经网络模型对SOC进行估算,根据历史实验数据,对影响电池荷电状态的相关参数采用主成分分析处理,再用遗传算法优化小波神经网络模型的权值、阈值,进而对蓄电池进行SOC估算。结果表明,基于主成分分析与遗传算法优化后的小波神经网络可更加精确的对电动汽车蓄电池进行SOC估算,且收敛性好。     

电动汽车蓄电池的键合图法建模与仿真

按照键合图的规则,分别建立了蓄电池等效电路的键合图模型和冷却系统的键合图模型,然后将电系统和热系统耦合在一起,实现了蓄电池系统的键合图模型。最后建立了蓄电池的数学模型和仿真模型,并实现了动态仿真。     

基于AMEsim的锂电池健康状态估计模型实验研究

新能源汽车动力电池健康状态（state of health，SOH）是一个表征电池性能优良的重要评价指标。针对准确估计18650锂电池健康状态这一目标需求，在锂电池单体数学模型的基础上，通过其等效电路模型分析影响锂电池健康状态的因素，采用通用非线性模型（gneral nonlinear model，GNL）电池等效电路和扩展卡尔曼滤波算法，在AMEsim仿真环境下搭建了锂电池SOH估计模型，并对18650锂电池进行充放电循环实验，将采集到的数据集导入AMEsim估计模型的数据模块中进行算法仿真。仿真实验结果表明，SOH估算误差小于8%，建立的锂电池SOH估计模型满足估算精度高，响应速度快的目标需求。     

液流储能电池系统支路电流的建模与仿真分析

对全钒液流电池所特有的支路电流损耗进行理论分析和研究,建立支路电流等效电路模型,通过仿真计算对支路电流进行量化分析,并得出支路电流的分布规律及其对全钒液流电池外特性的影响。同时基于化学电池的经典三阶模型,通过引入受控元件的思想,提出包含支路电流损耗因素的全钒液流电池模型,并通过仿真对比分析发现,大规模全钒液流电池系统的支路电流损耗对电池系统外特性影响显著。尽可能地消减支路电流损耗,对于提高电池储能系统的效率和保障电池系统内部模块的电压一致性至关重要,尤其在电力系统领域大规模应用全钒液流储能电池时,支路电流的研究对于工程前期规划设计和系统运行的操作维护,均具有实际应用价值。     

新型铝硫电池的等效电路模型及参数辨识

铝硫电池作为一种低成本,安全高效的新电池技术,成为电池储能的发展方向之一。与传统锂离子、铝离子、钠离子电池的充放电原理不同,铝硫电池的充放电过程是一个多步连续的氧化还原反应,因此铝硫电池的充放电曲线与工作特性都较为特殊。针对新型铝硫电池的进一步应用还存在着没有电池模型的问题,以及铝硫电池与传统阳离子电池不同的工作原理与特点,文中提出了一种基于二阶RC等效电路模型的铝硫电池等效电路模型,并使用HPPC测试数据,实现了模型参数的离线辨识。通过仿真平台的模拟测试,证明该模型在低电流及中等电流条件下具有良好的准确性,可以满足铝硫电池在下一步电池荷电状态估计中对模型精确度的要求,实用性很高。