考虑温度和倍率特性的锂离子电池电化学建模及SOC估算研究

随着能源危机的爆发以及环境污染的加重,人们在不断推动工业化进程的同时也开始关注能源与环境问题,电动汽车因其绿色环保而得到大力发展。动力电池是电动汽车的动力源,是制约其发展的关键因素。与其他电池相比,车用锂离子动力电池因其工作电压高、比能量大、循环性能好、工作温度范围宽、安全无记忆效应等优点在电动汽车上得到广泛使用。在电池管理系统中,电池荷电状态的准确估计可以延长动力电池组的使用寿命,提高续航里程和为防止过充过放等安全性问题提供参考,电池荷电状态的估计又依赖于准确的电池模型建立。与等效电路模型相比,电化学模型可以描述锂离子电池内部的电化学反应过程,具有重要的物理意义,但是也更加复杂,不利于在线电池管理系统的应用。所以本文在准二维模型的基础上进行简化,建立了平均电极模型,并且基于所建模型结合扩展卡尔曼滤波算法进行电池SOC估算。首先介绍了准二维模型的电化学方程及其边界条件,在准二维模型的基础上提出两点合理假设即电解液锂离子浓度是恒定不变的和忽略固相锂离子浓度沿电极方向的扩散,并且对模型中的电化学方程求解,初步建立了平均电极电化学模型。采用多项式近似和三参数抛物线法对固相锂离子浓度方程进行简化,从而实现模型降阶,推导出简化的平均电极电化学模型。其次,对所建简化电化学模型进行参数识别,采用遗传算法结合2-D查找表的两步法获得重要的性能参数。第一步是采用遗传算法基于恒流放电数据进行离线参数辨识,第二步是利用2-D查找表实现在线参数辨识。在这个过程中,考虑温度和电流对模型参数的影响,对电池温升进行了分析。为了减少不必要参数、计算量和后续的模型校正工作,对模型的七个参数进行灵敏度分析。然后,搭建实验平台和设计实验过程,选用18650三元锂离子电池,通过多种工况对简化电化学模型和参数辨识算法进行验证。在不高于1C的多倍率和变温恒流放电实验中,模型输出端电压误差在0.056 V内,DST循环工况的平均电压误差为0.2%,且各工况的仿真运行时间都很短,包括1C恒流放电测试、1C脉冲放电测试、4步脉冲充放电测试和DST循环工况。因此所建模型及参数辨识方法可以有效的减少模型计算量且保持较高的模型精度,并且考虑了温度和电流对模型表现的影响,保证模型具有很强的稳定性和适用性。最后基于所建的简化电化学模型结合扩展卡尔曼滤波算法进行电池SOC估算,分别通过1C恒流脉冲放电工况和DST循环工况验证其有效性,并与在工程实践中广泛应用的安时积分法进行比较分析。结果表明,EKF算法具有很高的精度,SOC估计最大误差为2.72%,平均误差为0.61%,而且不会产生安时积分法中初值依赖性和累积误差的问题,对初值具有自我修正的能力,可以快速收敛到真值。