关键词:
锂离子电池
等效电路模型
电化学
SOC估计
扩展卡尔曼滤波
多时间尺度
摘要:
荷电状态(State Of Charge,SOC)估计是电池管理系统(Battery Management System,BMS)状态估计中的关键问题,电池的SOC表征当前电池剩余容量,良好的SOC估计能够确保电池在安全极限内运行。基于模型的SOC估计方法因其参数易于识别、鲁棒性强等特点得到了广泛地应用。等效电路模型(Equivalent Circuit Model,ECM)的低复杂度和高精度,使其有利于在线SOC估计。根据前人的研究,传统ECM在低SOC区域精度会下降。针对低SOC区域精度降低的问题,前人根据电化学原理对ECM进行了一些改进,但仍存在一定的不足:(1)在使用电化学原理对ECM进行修正时,电化学过程描述不够准确;(2)电化学原理修正使用的电化学参数不易获得等。针对ECM在低SOC区域精度下降的问题,本文开展了以下研究:(1)基于电化学原理的等效电路模型(ESP-ECM)的建模。电化学模型(Electrochemical Models,EM)和ECM相比拥有更高的精度,但计算量大,前人从电化学的角度对ECM进行了解释,使用电化学原理对ECM进行了修正,得到了更高的精度。本文从扩展单粒子(Extended Single Particle,ESP)模型原始方程入手,提出了ESP-ECM。首先,从欧姆极化、固相电解质界面膜、浓差极化、反应极化、开路电压和固相扩散对ESP模型进行了介绍。然后,对欧姆极化,固相电解质界面膜,反应极化进行了参数集总,对固相扩散过程使用三参数近似进行化简,液相扩散过程的正负极集流体处的液相扩散偏移量分别使用一个一阶过程近似,并对这两个过程和开路电压的参数进行了集总。最后,进一步对固相扩散、浓差极化和反应极化进行了化简。在固相扩散中将正负极粒子表面锂离子浓度和平均锂离子浓度的差异近似为一个一阶过程。在液相扩散中,忽略正负极的液相扩散偏移量之间的差异,将液相扩散偏移量近似为一个一阶过程。将反应极化过电势由反应极化系数和负极反应极化过电势来表示,完成了整个ESP-ECM的建模。(2)基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的SOC估计。由于卡尔曼滤波器(Kalman Filter,KF)具有高精度和自校正特性,使用ESP-ECM结合EKF进行SOC估计。首先,使用非线性最小二乘法(Non-linear Least Squares,NLS)对ESP-ECM的参数进行了辨识,ESP-ECM的模型参数可直接在混合功率脉冲特性(Hybrid Pulse Power Characteristic,HPPC)工况下辨识,不需要额外的电化学测试。根据辨识结果发现ESP-ECM中代表固相扩散部分损失的电压很小,趋近于0,因此进一步对模型进行改进,忽略了ESP-ECM中代表固相扩散的部分,并重新进行了参数辨识。然后,在新标欧洲循环测试(New European Driving Cycle,NEDC)工况和1C恒流放电工况下对模型进行了验证,结果表明,ESP-ECM和Thevenin模型相比,在低SOC区域,ESP-ECM的精度有明显提升,在整个放电周期,ESP-ECM也有更高的精度。最后,使用ESP-ECM结合EKF进行了SOC估计,分别在动态工况和静态工况进行了估计结果验证。结果表明,ESP-ECM结合EKF的SOC估计结果和Thevenin模型结合EKF相比,ESP-ECM的SOC估计精度优于Thevenin模型,在低SOC区域也的估计精度也有明显的提升。(3)基于多时间尺度双扩展卡尔曼滤波(Double Extended Kalman Filter,DEKF)的SOC估计。针对ESP-ECM参数时变的问题,使用多时间尺度DEKF实现了参数和状态的联合估计。首先,针对ESP-ECM分别设计了多时间尺度DEKF的参数估计器和状态估计器。由于ESP-ECM中参数为慢时变量,参数估计器与状态估计器使用不同采样时间能提高算法运行速度,多时间尺度就是使参数估计器的采样时间大于状态估计器。然后分别在动态工况和静态工况对SOC估计结果进行了验证,验证结果表明,和EKF相比,多时间尺度DEKF拥有更好的SOC估计精度,算法运行时间略有增加,和DEKF相比,多时间尺度DEKF运行时间有明显减少,SOC估计精度略有下降,体现了多时间尺度DEKF在精度和运行时间的优势。