基于分段線性時變模型的鋰電池放電過程建模

?

基于分段線性時變模型的鋰電池放電過程建模

與鉛酸電池、鎳氫電池等其它類型電池相比，鋰電池具有較高的功率密度和能量密度、較低的自放電率、高循環(huán)壽命、且沒有記憶效應，因而被廣泛用于混合動力汽車。電池模型在電池設計、制造以及應用中是至關重要的。電池放電模型是建立電池模型的一個關鍵組成，放電模型可以用來預測電池放電時間，基于此制定電池管理系統(tǒng)策略可以對混合動力汽車動力系統(tǒng)進行優(yōu)化，改善其燃油經濟性并減少有害物質排放。

目前，常用的電池放電模型可以分為經驗模型、神經網絡模型和等效電路模型3類。經驗模型和神經網絡模型通常精度較低、且需要進行定期的調整和校準，而等效電路模型精度較高，且可以很好地解釋鋰電池放電的非線性特性和時變特性，但是這種模型固有的復雜性較高，因此在等效電路模型的基礎上對其進行簡化。鋰電池放電過程的非線性是由電化學電池的非線性特性決定的，而時變特性是根據放電特性隨負荷、荷電狀態(tài)和健康程度的變化而變化來決定的，因而所建立的模型必須能反映上述特性。因此，選擇分段線性時變模型，模型由多段線性時不變方程組成，組成方程的系數會隨時間變化而變化。使用歐拉和零階保持逼近方法將連續(xù)電池模型離散化。將每個分段方程表示為帶有外部激勵的二階定常自回歸模型，給出該模型的具體形式。利用高功率汽車鋰電池的實測數據，使用遞歸最小二乘法估算自回歸模型的系數，詳細介紹了整個估算過程。利用最小二乘法與實際數據之間的誤差作為分段的特征信號，使用自適應最小均方濾波器先對特征信號進行平滑濾波去噪，再根據去噪后的特征信號進行模型分段。對所建立的電池模型進行模擬，并將模擬結果與實測數據對比，以驗證所建立鋰電池模型的有效性。

Arab AlSharif et al. 2014 IEEE International Conference on Electro/Information Technology, Milwaukee June 05-07, 2014.

編譯：王祥