锂离子电池动态模型建模与soc估计

锂离子电池动态模型建模与soc估计

钠电池具有高能耗、高能量密度等特点，广泛应用于电动汽车和电网侧的大型能源系统。电池荷电状态(stateofchange,SOC)作为衡量电池利用潜力的重要指标之一，是进行电池热管理、均衡管理和安全可靠性管理的重要依据，因此受到广泛关注。常用的电池SOC估计大致可以分为两类：基于模型的估计方法和基于数据的估计方法。基于模型的估计方法是通过电池建模和相应参数的识别，获得表征电池行为特征的参数，进而根据特征参数估算出电池SOC。电池模型有电化学模型和等效电路模型(equivalentcircuitmodel,ECM)。电化学模型通过对电解液浓度和锂离子扩散特性进行建模，能够获得电池内部物理和化学变化的行为特征基于数据的估计方法中最常用安时积分法，该方法对一段时间内电流进行积分计算获得电池容量值，由于SOC初始值无法确定造成较大误差为满足实时系统计算能力的要求，基于小样本电池数据采集的快速SOC估计尤为重要1电池系统响应分析在不同应力条件和老化程度下，电池的组成物质活性降低，电池性能发生随机性衰退2电池状态响应分析与在线参数识别2.1零输入响应t考虑电池充放电过程中电池内部的极化效应，建立电池等效阻容Thevenin模型如图1所示。图中，E由电池等效一阶阻容模型得：在没有外加激励的充电和断路过程中，电池极化内阻和电容构成阻容回路的零输入响应，u从电路原理上分析，当t>0时：该一阶齐次微分方程的初始条件为u电路中的电流和电阻上的电压分别为：电压u时间常数t的求解方法有三种：电路参数计算、特征根计算和图解法确定。图解法可以根据在线运行数据检测到电路的零输入响应，在在线电池检测中应用广泛。本文电池充放电参数通过图解法获得。2.2电池极化内阻测试在充电过程的锂离子电池系统中，在充电脉冲电流I(t)的激励下，断路电压U由图可以看出，充电过程中的检测电压U基于BC段电压变化分析，可得到电池充电过程电池极化内阻：R=U当静置时间为5t时，此时的端电压U可推出电池开路电压为：式中：A为指数曲线幅值，表征电池极化内阻R2.3脉冲电流的影响在放电过程的锂离子电池系统中，在放电脉冲电流I(t)的激励下，断路电压U由图可以看出，放电停止后到下次放电U式中：A为指数曲线幅值，表征电池极化内阻R3卡尔曼滤波法电池SOC估算误差主要来源于时间常数t的估算和OCV-SOC映射关系过程中的误差传递。卡尔曼滤波法可用于弥补实际状态量与观测量之间的误差，可修正由于开路电压辨识不准确造成的SOC估计误差。根据等效阻容模型和电池安时积分模型，扩展卡尔曼滤波法的状态方程为：观测模型为：式中：SOC建立经典扩展卡尔曼滤波算法模型：式中：X4电池soc测试在25℃环境下，对3.6V/60Ah的锂离子电池进行充放电测试，电池的充电截止电压为3.65V，放电截止电压为2.6V。将电池的运行数据分别应用于基于断路电压检测的SOC估计实时系统，Arbin测试结果作为对标验证。采用脉冲幅度I=12A，脉冲宽度为w=10s，周期为T=11s的矩形电流进行充电。电池的初始容量为11.78Ah,SOC采用脉冲幅值I=30A，脉冲宽度w=10s、周期T=11s的矩形脉冲进行放电。电池的初始容量为60Ah,SOC5双侧脉冲激励下电池soc估计精度改进电池SOC精准估计有助于改善系统可靠性，延长系统寿命。本文通过采集电池的断路电压数据，对脉冲激