原文传递
基于电化学模型的锂离子电池状态估计
| 论文题名： | 基于电化学模型的锂离子电池状态估计 |
| 关键词： | 电动汽车;锂离子电池;状态估计;电化学模型 |
| 摘要： | 随着化石燃料储量的枯竭和空气污染的加剧，电动汽车因其低排放和高能效而成为目前各车企的发展重点。锂离子电池因其具有电池电压高、能量密度高、使用寿命长、记忆效应低、自放电低和重量轻等优点，而被认为是电动汽车最佳的动力源。电池安全高效地运行需要准确估计锂离子电池的状态，为此提出了一种基于电化学模型的电池状态估计方法，并考虑了环境温度对电池模型中参数的影响以提高估计方法的鲁棒性。论文的主要研究内容如下： 1、阐述了锂离子电池的基本结构和工作原理，推导了单粒子模型的数学公式。为了降低运算复杂度，使用离散化方法对单粒子模型进行降阶。通过实验获取的电池充放电数据对所建立的单粒子模型进行参数辨识，参数辨识时考虑了温度对模型中一些参数的影响，以提高所建立的单粒子模型的鲁棒性。最后通过实验数据对电池单粒子模型的精度进行验证。 2、介绍了电池实验台架的组成和电池实验的测试流程。实验台架包括控制电脑、电池测试仪、温箱和锂离子电池。测试实验主要分为三部分：分别为不同温度下不同倍率的恒流充放电实验、城市内驾驶循环测试（Federal Urban Driving Schedule，FUDS）实验以及混合功率脉冲特性（Hybrid PulsePower Characteristic，HPPC）实验。通过实验获取电池多种情况下充放电的数据，用于上述提到的辨识模型参数和估计电池状态等工作中。 3、提出了基于表层锂离子浓度限制的电池功率状态（state of power，SOP）预测方法，并简要阐述了基于荷电状态（state of charge，SOC）和电压限制的电池SOP预测方法，用于与基于表层锂离子浓度限制的方法作为对比。针对直接求解电池SOP较为困难的问题，介绍了四种优化算法对电池功率进行求解，包括二分法、遗传算法、粒子群算法和灰狼算法，并将四种算法的求解结果进行对比，选择其中的最优者。最后通过与实验结果对比验证了所提出的电池SOP预测方法的准确性和鲁棒性。 4、提出了一种基于自适应电化学模型的电池健康状态（state of health，SOH）和SOC联合估计方法。电池SOH和SOC可以通过模型中的相关参数以及锂离子浓度分布来求解，为了提高电池SOH和SOC估计的准确性和可靠性，使用混合狼群算法对电化学模型中的相关参数（包括可循环锂离子数量，内阻，固相扩散系数和初始SOC）进行在线辨识。为了提高模型参数在线辨识的速度和准确性，通过反向传播（back propagation，BP）神经网络来估计电池的容量，以此缩小可循环锂离子数的辨识范围。最后将估计结果与实验结果对比，验证了该方法的估计准确性和对不同老化程度的鲁棒性。 |
| 作者： | 陈琦 |
| 专业： | 车辆工程 |
| 导师： | 孙晓东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
