CN110208704B - 一种基于电压滞后效应的锂电池建模方法和系统 - Google Patents

Abstract

本发明提供了一种基于电压滞后效应的锂电池建模方法和系统，该方法包括：步骤A：对锂电池进行某温度下的恒流恒压充电和不同温度、倍率下的脉冲充放电测试实验，获取锂电池充放电端电压与锂电池荷电状态之间的函数关系，进而分析确定开路电压中的滞后电压响应；步骤B：建立锂电池综合模型，所述锂电池综合模型融合了具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性的等效电路模型以及描述动态滞后电压的滞后模型；步骤C：分别对锂电池综合模型中的动态参数进行辨识；步骤D：将所获得的动态参数进行仿真验证。该建模方法为锂电池模型的精度与实时性提供保障，能够为基于模型的SOC估计方法提供更精确的信息，进一步提高了BMS的性能。

Description

一种基于电压滞后效应的锂电池建模方法和系统

技术领域

本发明涉及电动汽车动力电池管理技术领域，具体涉及一种基于电压滞后效应的锂电池建模方法和系统。

背景技术

近百年来随着道路上汽车数量的暴增，给自然环境、工作生活带来了越来越多的危害：能源危机、雾霾频发、交通堵塞等，汽车反而成为了社会进一步发展的障碍。在能源和环境的双重危机下，结合国情与汽车产业发展现状，我国不断推广电动汽车(包括纯电动汽车EV、插电式混合动力汽车PHEV)和燃料汽车FCEV等环保类型的汽车，致力于实现零排放、零污染和能源转型。

锂离子电池由于其能量密度高、成本低、循环寿命长已经广泛应用在电动汽车上作为能量存储单元，为了保证电池组的安全可靠，需要动力电池管理系统(BMS)监控电池运行过程中的实时状态以控制充放电过程。同时，一个安全可靠的BMS还可以通过电池均衡，提高续航里程，延长电池使用寿命，否则，将会对电池造成不可逆的损害。通常，BMS采用模型来描述动力电池在使用过程中的变化特征，通过所建立的数学模型可以表示电池内部的化学反应原理和外部电压电流之间的关系，获取电池荷电状态信息(SOC)，得到剩余续航里程，避免过充过放，因此精确的锂离子电池模型可以为基于模型的SOC估计方法提供更精确的信息，对于BMS的性能至关重要。SOC的不准确会降低用户满意度，是企业亟待解决的技术难题。

由于电化学电池非线性特征明显，目前广泛使用的有3种电池模型：电化学模型、等效电路模型(ECM)和黑箱模型(数据驱动模型和神经网络模型)。其中ECM由于未知参数少、计算简单应用较为广泛。模型中包含有：被控电压源表示电池开路电压(OCV)，欧姆电阻表示直流内阻和RC并联电路表示电池内部极化反应。其中OCV-SOC关系对SOC估计过程中初值的获取至关重要，然而，由于电池OCV-SOC曲线平坦，存在滞后电压响应，直接影响电池模型的准确性与实时性，即使是较小的OCV误差也会增大SOC估计误差。

由于OCV-SOC关系通常是根据先验的充放电测试确定的，因此必须保证实验的精确同时进行参数校准，基于容量增量的分析方法已被用来测量OCV和OCV滞后，但是当初始SOC值不正确，会抵消充电和放电的OCV-SOC曲线，得到的滞后电压部分通常存在较大误差。因此，准确估计OCV之后电压对SOC估计至关重要，而现有的OCV测试都没有考虑时间对于滞后参数间耦合的作用，因此本发明除了建立了电池的综合模型外，也提出了新的滞后测试方法，用来获取精确的滞后电压响应。

发明内容

针对现有的锂离子电池模型准确性低和实时性差导致增大SOC估计误差从而影响影响锂电池使用寿命以及存在安全隐患等问题，本发明提供了一种基于电压滞后效应的锂电池建模方法，通过获取锂电池充放电端电压与SOC的函数关系来确定开路电压的滞后电压响应，为锂电池模型的精度与实时性提供保障，能够为基于模型的SOC估计方法提供更精确的信息，进一步提高了BMS的性能。本发明还涉及一种基于电压滞后效应的锂电池建模系统。

本发明技术方案如下：

一种基于电压滞后效应的锂电池建模方法，其特征在于，所述方法包括下述步骤：

步骤A：对锂电池进行某温度下的恒流恒压充电以获取锂电池容量信息，再进行不同温度、倍率下的脉冲充放电测试实验获取锂电池充放电端电压与锂电池荷电状态之间的函数关系，进而分析确定开路电压中的滞后电压响应；

步骤B：建立锂电池综合模型，所述锂电池综合模型融合了具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性的等效电路模型以及描述动态滞后电压的滞后模型；

步骤C：分别对锂电池综合模型中的动态参数进行辨识；

步骤D：将所获得的动态参数进行仿真验证。

进一步地，所述步骤A中的恒流恒压充电和脉冲充放电测试实验包括下述步骤：

步骤A1：在某温度下静置3-5小时后，首先采用恒流—恒压的方式将锂电池充满电，继而恒流放电，然后静置3-5小时，重复3次确定锂电池的实际容量；

步骤A2：静置3-5小时；

步骤A3：然后在不同温度、倍率下采用与充电电流相同的电流值进行脉冲放电，每放锂电池容量的特定百分比后静置2小时，至截止电压；

步骤A4：最后再采用与步骤A1相同的充电电流进行脉冲充电，每充锂电池容量的特定百分比后静置2小时，至截止电流。

进一步地，所述步骤B中是根据Play算子的包络函数的输入输出关系将具有不同阈值和加权值的play算子进行线性加权叠加进而获取的滞后模型。

进一步地，所述步骤B中的等效电路模型具有开路电压、滞后电压相应、电化学极化电压以及浓差极化电压。

进一步地，所述步骤C中的分别对锂电池综合模型中的动态参数进行辨识包括：对建立的锂电池综合模型进行仿真，利用参数估计算法辨识锂电池综合模型的动态参数，对锂电池综合模型的不同参数利用最小二乘法进行自动优化，并通过信赖域反射算法约束优化，直至仿真输出与步骤A的实验结果匹配。

进一步地，所述步骤D中的将所获得的动态参数进行仿真验证包括：对锂电池进行恒流放电，记录锂电池的端电压数据，然后以同样的电流作为锂电池综合模型的输入，设置仿真时间与实验时间一致，将仿真步长设定为固定步长，并与实验数据采样时间间隔一致，获得锂电池综合模型的电压估计值结果。

一种基于电压滞后效应的锂电池建模系统，其特征在于，包括依次连接的实验模块、建模模块、参数辨识模块和参数验证模块，

所述实验模块：对锂电池进行某温度下的恒流恒压充电和不同温度、倍率下的脉冲充放电测试实验，获取锂电池充放电端电压与锂电池荷电状态之间的函数关系，进而分析确定开路电压中的滞后电压响应；

所述建模模块：建立锂电池综合模型，所述锂电池综合模型融合了具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性的等效电路模型以及描述动态滞后电压的滞后模型；

所述参数辨识模块：分别对锂电池综合模型中的动态参数进行辨识；

所述参数验证模块：将所获得的动态参数进行仿真验证。

进一步地，所述建模模块是根据Play算子的包络函数的输入输出关系将具有不同阈值和加权值的play算子进行线性加权叠加进而获取的滞后模型，所述等效电路模型具有开路电压、滞后电压相应、电化学极化电压以及浓差极化电压。

进一步地，所述参数辨识模块是对建立的锂电池综合模型进行仿真，利用参数估计算法辨识锂电池综合模型的动态参数，对锂电池综合模型的不同参数利用最小二乘法进行自动优化，并通过信赖域反射算法约束优化，直至仿真输出与实验模块的实验结果匹配。

进一步地，所述参数验证模块是对锂电池进行恒流放电，记录锂电池的端电压数据，然后以同样的电流作为锂电池综合模型的输入，设置仿真时间与实验时间一致，将仿真步长设定为固定步长，并与实验数据采样时间间隔一致，获得锂电池综合模型的电压估计值结果。

本发明技术效果如下：

本发明提供了一种基于电压滞后效应的锂电池建模方法，该方法考虑了动态滞后电压特征，首先设计合理有效的锂电池充放电测试实验，获得电池在不同环境温度、不同放电倍率下的电池电压、电流等数据，获取锂电池充放电端电压与锂电池荷电状态的函数关系，进而分析确定开路电压中的滞后电压响应，避免了实验方法对于数据以及模型精度的影响，考虑了滞后时间增加时参数之间的耦合作用，可以获得更精确的电池OCV及其滞后响应；再建立等效电路模型和滞后模型并进一步融合为锂电池综合模型，等效电路模型为具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性模型，即为简化的二阶GNL模型，滞后模型即为PI模型其用来描述动态滞后电压，与现有的ECM电池建模方法相比，本发明能够减小由于锂电池开路电压的不对称滞后所带来的模型误差，相比电化学模型模型参数少，计算简单、精度高，从理论上能够有效提高基于模型的SOC估计精度，并保证初始电压误差和电流测量值误差下的鲁棒性。该方法设计了电池充放电测试实验，获得电池在不同环境温度、不同放电倍率下的电池电压、电流等数据，然后针对锂电池电压滞后特征和模型参数固定、适用范围有限的问题，利用模型化的思想对电池的开路电压、电流、内阻等参数进行非线性建模，获得基于数据的电池电压滞后特征。该方法主要包括分析不同应力下的电池特性，包括电池不同参数之间的变化规律，建立动力锂电池电压滞后综合模型。本发明建立的模型能够准确描述锂电池的充电与放电特性，模型拟合精度高，解决了现有的锂离子电池模型由于准确性低和实时性差导致增大SOC估计误差从而影响影响锂电池使用寿命以及存在安全隐患等问题，为锂电池模型的精度与实时性提供保障，能够为基于模型的SOC估计方法提供更精确的信息，有助于设计动力电池管理系统和开发高级功能算法，进一步提高了BMS的性能。

本发明还涉及一种基于电压滞后效应的锂电池建模系统，该系统与上述的基于电压滞后效应的锂电池建模方法相对应，可理解为是实现上述方法的系统，该系统包括依次连接的实验模块、建模模块、参数辨识模块和参数验证模块，各模块协同工作，实现电池充放电测试实验、滞后模型及等效电路模型进而融合锂电池综合模型、参数辨识和参数修正。通过获取锂电池充放电端电压与SOC的函数关系来确定开路电压的滞后电压响应，为锂电池模型的精度与实时性提供保障，能够为基于模型的SOC估计方法提供更精确的信息。

附图说明

图1为本发明基于电压滞后效应的锂电池建模方法的流程图。

图2为充放电电压与SOC的函数关系图。

图3为锂电池的等效电路模型。

图4为PI模型中广义加权play算子的输入输出关系。

图5为锂电池综合模型中的动态参数进行辨识方法流程图。

图6为锂电池综合精度验证端电压对比曲线。

图中各标号列示如下：

1—充电电压测量值；2—放电电压测量值；OCVcha—充电工况下的SOC-OCV曲线；OCVdis—放电工况下的SOC-OCV曲线；OCVave—充放电的平均电压。

具体实施方式

下面结合附图对本发明的技术方案做详细的说明。

本发明涉及一种基于电压滞后效应的锂电池建模方法，也就是说，本发明的目的在于，提供一种锂电池(比如磷酸铁锂电池)滞后电压模型的建模方法，用于确定开路电压的滞后电压响应，为锂电池模型的精度与实时性提供保障。该方法的流程图如图1所示，包括下述步骤：

步骤A：也称为脉冲充放电测试实验步骤，是对锂电池进行不同温度、倍率下的恒流恒压充电和脉冲充放电测试实验，也就是说，是对锂电池进行某温度下的恒流恒压充电以获取锂电池容量信息，再进行不同温度、倍率下的脉冲充放电测试实验获取锂电池充放电端电压与锂电池荷电状态之间的函数关系，进而分析确定开路电压中的滞后电压响应；如图1所示，在恒流I、倍率C-rate下对动力电池(即锂电池)进行脉冲充放电测试，获取到的锂电池充放电端电压与锂电池荷电状态的函数关系可以理解为是放入至电池充放电测试系统中，再将电荷状态SOC、电流I、电压U、温度T等输入建模步骤的模型；

步骤B：也称为建模步骤，是建立锂电池综合模型，所述锂电池综合模型融合了具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性的等效电路模型以及描述动态滞后电压的滞后模型；滞后模型也可称为是滞后PI(Prandtl–Ishlinskii)模型；

步骤C：也称为参数辨识步骤，分别对锂电池综合模型中的动态参数进行辨识；

步骤D：也称为参数验证，将所获得的动态参数进行仿真验证。

其中，步骤A所述的恒流恒压充电和脉冲充放电测试实验方面，现有的电池测试标准不包括OCV测量的测试方法和OCV滞后的识别。目前获取滞后使用的测试方法主要有：低电流充电/放电，增量电流充电/放电，其滞后的评估方法大多存在错误，根本原因包括：静置时间短、电池容量随测试方法不同、充放电端电压发生偏移等等。实际上，电池的开路电压与放电容量存在一一对应的关系，在滞后测试方法中，增加步数(或减小步长)后由于极化反应减弱，电池总的放电容量就会增加。本发明经过实验验证后建立了一个准确的电池滞后特征测试方法，完整的测试过程包括：

步骤A1：在某温度下静置3-5小时后，首先采用恒流—恒压的方式将锂电池充满电，继而恒流放电，然后静置3-5小时，重复3次确定锂电池的实际容量；具体地，比如在T₁温度下静置4h后，首先采用恒流-恒压的方式将电池充满电，充电电流为1C，截止电流为1/20C；

步骤A2：静置3-5小时；优选静置4h；

步骤A3：然后在不同温度、倍率下采用与充电电流相同的电流值进行脉冲放电，每放锂电池容量的特定百分比后静置2小时，至截止电压；具体地，在不同温度、倍率下，可采用1C电流放电，每放电池容量的5％静置2h，至截止电压；

步骤A4：最后再采用与步骤A1相同的充电电流进行脉冲充电，每充锂电池容量的特定百分比后静置2小时，至截止电流。具体地，在不同温度、倍率下，可采用1C电流充电，每充电池容量的5％静置2h，至截止电流。

实验方法对于OCV特征的获取和滞后的判断极其重要，本发明中的测试方法同时考虑了实验时间和分辨率，能够作为研究应用的重要参考。

如图2所示，在对锂电池进行完整的充放电测试之后，锂电池充放电端电压与SOC的函数关系。OCVcha为充电工况下的SOC-OCV曲线，OCVdis为放电工况下的SOC-OCV曲线，OCVave为充放电的平均电压。实验发现：在任何SOC值处，充电曲线的电压值都要高于放电曲线。即充电电压测量值1高于放电电压测量值2。这是由于电池内阻的存在，在充电过程中充电电流经过内阻导致电池的端电压大于电池的电动势，相反，在放电过程中内阻上的电压又使得端电压的值小于电池的电动势，因此，取它们的平均值OCVave作为等效电路模型中关于开路电压的SOC-OCV函数曲线不包含电池内阻上的电压影响，从而获得精确的SOC-OCV函数关系。

步骤B的建模步骤，是建立锂电池综合模型，其包括等效电路模型和滞后模型。其中，等效电路模型(Equivalent Circuit Model,ECM)如图3所示，等效电路模型是采用电容、电阻、电压源等理想元件组成电路网络来描述电池的伏安特性，各参数的物理含义明确，可以很好的模拟电池动态行为的基本特点。这种模型属于半机理的灰箱模型，易于计算、实时性较高，便于分析、通用性强。

这是一个动态的线性时变(LTV)系统，用来模拟电池的瞬态行为，既能较好的描述电池动态特性，观测电池参数变化，又可以在线准确估测SOC。在图3所示的等效电路模型中，左图里的R_sd是锂电池静置的自放电电阻，电容C_Q表示电池内部容量；在前面的电池性能测试分析中已经获得了电池开路滞后电压V_OCV，主要表现为充放电过程中的SOC-OCV曲线不一致，因而在该等效电路模型右图表示的充放电状态中采用U_cd表示电池的滞后电压，两个串联的RC并联电路分别表示电池的电化学极化内阻R_e和电化学极化电容C_e，浓差极化电阻R_d和浓差极化电容C_d，电化学极化是活性极化现象，浓差极化是由于电池内部的离子扩散；R₀表示电池的欧姆内阻，主要来源为电池电解液的内阻；U_i为电池端电压。

等效电路模型由二阶GNL模型简化而来，首选获得锂电池的开路电压为：

OCV_k＝aSOC_k ⁸+bSOC_k ⁷+cSOC_k ⁶+dSOC_k ⁵+eSOC_k ⁴+fSOC_k ³+gSOC_k ²+hSOC_k+mlogSOC_k

其中，OCV_k为k时刻电池的开路电压，SOC_k为k时刻电池的荷电状态，a、b、c、d、e、f、g、h、m为系数。

根据该二阶等效电路模型列写KVL方程如下：

U_OCV＝U_o+U_cd+U_i(t)+U_e(t)+U_d(t) (1)

U_o＝R_oI(t) (2)

经拉氏变化后的电池等效电路方程为：

其中，U_i为电池端电压，U_cd为滞后电压响应，R_e为电化学极化内阻，为电化学极化电容，R_d为浓差极化电阻，C_d浓差极化电容，R₀表示电池的欧姆内阻。滞后电压U_cd可以用一个非线性滞后函数描述，滞后函数是一个有关于SOC变化率和当前电压的函数，与放电/充电状态有关。

本发明的滞后模型是根据Play算子的包络函数的输入输出关系将具有不同阈值和加权值的play算子进行线性加权叠加等过程获取的。PI模型相对于其他滞后模型的主要优点是表达式简单、可以通过解析的方法获得其逆，并降低了建模复杂度，从而提高了实时应用中的效率。PI模型将具有不同阈值和加权值的初等线性play算子进行线性加权叠加，其play算子是一种具有对称性和与速率无关特性的基本滞后算子。

然而，由于线性play算子是对称并且凸的，因此在描述非线性饱和的滞后回路时，通常有三种方式：1)用非线性算子代替线性算子；2)使用非对称无内存叠加运算符级联Play算子；3)添加非线性无记忆函数/非线性输入函数。本发明采用第二种方式利用不同的非线性包络函数逼近非对称滞后循环，可以表征不对称且饱和的滞后回线。

如图4所示，是PI模型中广义加权play算子的输入输出关系，输入x的范围为[ζ_r,ζ_l]，随着x的增大输出ω沿着曲线γ_r增大，反之，则沿着曲线γ_l减小。两个曲线γ_r和γ_l就是play算子的包络函数，连续递增且γ_l≤γ_r。当阈值γ≥0，Play算子的输出为：

其中g_mr(x,ω_m)＝max{m₀(x-r),min[m₀(x+r),ω_m]}，对于任何分段均匀输入x(t)∈C[0,T]，它在每个子空间[t_i,t_i+1]中都是单调的i＝0,1,…,N-1；m₀∈R⁺为引入的斜坡向量来调整滞后形状；r是play算子的阈值：

采用广义play算子的加权叠加来描述非线性滞后电压的线性输入函数。本发明利用不同的非线性包络函数逼近非对称滞后循环，可以表征不对称和饱和滞后回线；将有限个play算子的加权叠加后得到PI模型：

其中p(r)是可积密度函数，H为非递减Lipschitz连续函数，满足：

q是常数且为正，实际应用中，将式(8)中的模型离散化得到有限个play算子的离散化表达式：

其中n为play算子的个数，第i个算子的阈值r_i＝αi，那么

常数α、ρ和τ由充放电实验数据获得。该模型使用不同的非线性包络函数以获得非对称滞后函数。

步骤C中的分别对锂电池综合模型中的动态参数进行辨识，优选为：首先在Matlab/Simscape中对建立的锂电池综合模型进行仿真，利用Parameter Estimation参数估计算法估计锂电池综合模型的动态参数，对锂电池综合模型的不同参数利用最小二乘法进行自动优化，并通过Trust-Region-Reflective(信赖域反射算法)约束优化，直至仿真输出与步骤A的实验结果完全匹配，最后验证模型精度。在参数辨识过程中，将实验中的电流、电压数据作为该仿真模型的输入，仿真后获得模型的仿真电压输出，参数的辨识过程就是将模型仿真输出电压匹配到测量电压的过程。电池的等效电路模型是为了更好地模拟电池在充放电过程中的动态变化，因此ECM的输出必须能够动态匹配电池实际输出，这样该电路模型才能够完整地替代实际电池进行分析控制。其中的参数优化方法为非线性最小二乘法，采用的算法为Trust-Region-Reflective(信赖域反射算法)，属于约束优化中的求解算法。如图5所示的参数辨识流程为：首先输入脉冲电流，为仿真模型参数设置初值与有效区间，然后将仿真输出结果与采集到的锂电池输出电压进行对比验证直至误差小于限定阈值则认为完全匹配。Em(SOC)即为V_OCV(SOC)，R/C即为Re、Rd或Ce、Cd等参数，这种参数估计方法将参数估计作为一个优化问题，能够同时估计和验证模型中的多个参数，并制定参数的边界。

步骤D中的将所获得的动态参数进行仿真验证具体为：对锂电池进行恒流放电，记录锂电池的端电压数据，然后以同样的电流作为锂电池综合模型的输入，设置仿真时间与实验时间一致，将仿真步长设定为固定步长，并与实验数据采样时间间隔一致，获得锂电池综合模型的电压估计值结果。如图6所示，在使用了脉冲放电进行了参数估计之后，如何评价参数估计结果的优劣，就需要对模型参数进行实验验证。本发明采用恒流放电实验进行电池模型参数的验证，具体的做法是先对电池进行1/3C(0.56A)恒流放电，记录电池的端电压数据，然后以同样的电流作为模型的输入，设置仿真时间与实验时间一致，将仿真步长设定为固定步长，并与实验数据采样时间间隔一致，获得模型的电压估计值结果。图6所示为电池端电压的测量值与仿真输出对比曲线，在整个放电过程中，锂电池综合模型输出能够紧紧跟踪电池实际的端电压，验证了模型参数的准确性，也说明了动态参数能够确保模型的精确度。

本发明还涉及一种基于电压滞后效应的锂电池建模系统，该系统与上述的基于电压滞后效应的锂电池建模方法相对应，可理解为是实现上述方法的系统，该系统包括依次连接的实验模块、建模模块、参数辨识模块和参数验证模块。其中，实验模块：对锂电池进行某温度下的恒流恒压充电和不同温度、倍率下的脉冲充放电测试实验，获取锂电池充放电端电压与锂电池荷电状态之间的函数关系，进而分析确定开路电压中的滞后电压响应；建模模块：建立锂电池综合模型，所述锂电池综合模型融合了具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性的等效电路模型以及描述动态滞后电压的滞后模型；参数辨识模块：分别对锂电池综合模型中的动态参数进行辨识；参数验证模块：将所获得的动态参数进行仿真验证。

优选地，建模模块是根据Play算子的包络函数的输入输出关系将具有不同阈值和加权值的play算子进行线性加权叠加进而获取的滞后模型，可参考上述公式(6)—(10)；等效电路模型可参考图3所示，具有开路电压、滞后电压相应、电化学极化电压以及浓差极化电压，模型计算可参考上述公式(1)—(5)。

参数辨识模块是对建立的锂电池综合模型进行仿真，利用参数估计算法辨识锂电池综合模型的动态参数，对锂电池综合模型的不同参数利用最小二乘法进行自动优化，并通过信赖域反射算法约束优化，直至仿真输出与实验模块的实验结果匹配。参数验证模块是对锂电池进行恒流放电，记录锂电池的端电压数据，然后以同样的电流作为锂电池综合模型的输入，设置仿真时间与实验时间一致，将仿真步长设定为固定步长，并与实验数据采样时间间隔一致，获得锂电池综合模型的电压估计值结果。

本发明的锂电池建模系统通过各模块协同工作，实现电池充放电测试实验、动力电池、滞后电压模型、等效电路模型、参数辨识和参数修正。实验模块实现电池充放电测试实验，获得电池在不同环境温度、不同放电倍率下的电池电压、电流等数据，然后针对锂电池电压滞后特征和模型参数固定、适用范围有限的问题，由建模模块利用模型化的思想对电池的开路电压、电流、内阻等参数进行非线性建模，获得基于数据的电池电压滞后特征。该方法主要包括分析不同应力下的电池特性，包括电池不同参数之间的变化规律，建立动力锂电池电压滞后综合模型。再由参数辨识模块在Matlab/Simulink中搭建电池Simscape模型并使用Parameter Estimation完成电池模型中参数的动态辨识。本发明建立的模型能够准确描述电池的充电与放电特性，模型拟合精度高，有助于设计动力电池管理系统和开发高级功能算法，提高了BMS的性能。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (7)

1.一种基于电压滞后效应的锂电池建模方法，其特征在于，所述方法包括下述步骤：

步骤A：对锂电池进行某温度下的恒流恒压充电以获取锂电池容量信息，再进行不同温度、倍率下的脉冲充放电测试实验获取锂电池充放电端电压与锂电池荷电状态之间的函数关系，进而分析确定开路电压中的滞后电压响应；

步骤B：建立锂电池综合模型，所述锂电池综合模型融合了具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性的等效电路模型以及描述动态滞后电压的滞后模型，所述等效电路模型为简化的二阶GNL模型，所述滞后模型是根据Play算子的包络函数的输入输出关系将具有不同阈值和加权值的play算子进行线性加权叠加进而获取；

步骤C：分别对锂电池综合模型中的动态参数进行辨识，包括：对建立的锂电池综合模型进行仿真，利用参数估计算法辨识锂电池综合模型的动态参数，对锂电池综合模型的不同参数利用最小二乘法进行自动优化，并通过信赖域反射算法约束优化，直至仿真输出与步骤A的实验结果匹配；

步骤D：将所获得的动态参数进行仿真验证。

2.根据权利要求1所述的锂电池建模方法，其特征在于，所述步骤A中的恒流恒压充电和脉冲充放电测试实验包括下述步骤：

步骤A1：在某温度下静置3-5小时后，首先采用恒流—恒压的方式将锂电池充满电，继而恒流放电，然后静置3-5小时，重复3次确定锂电池的实际容量；

步骤A2：静置3-5小时；

步骤A3：然后在不同温度、倍率下采用与充电电流相同的电流值进行脉冲放电，每放电至锂电池容量的特定百分比后静置2小时，至截止电压；

步骤A4：最后再采用与步骤A1相同的充电电流进行脉冲充电，每充电至锂电池容量的特定百分比后静置2小时，至截止电流。

3.根据权利要求1或2所述的锂电池建模方法，其特征在于，所述步骤B中的等效电路模型具有开路电压、滞后电压响应 、电化学极化电压以及浓差极化电压。

4.根据权利要求1或2所述的锂电池建模方法，其特征在于，所述步骤D中的将所获得的动态参数进行仿真验证包括：对锂电池进行恒流放电，记录锂电池的端电压数据，然后以同样的电流作为锂电池综合模型的输入，设置仿真时间与实验时间一致，将仿真步长设定为固定步长，并与实验数据采样时间间隔一致，获得锂电池综合模型的电压估计值结果。

5.一种基于电压滞后效应的锂电池建模系统，其特征在于，包括依次连接的实验模块、建模模块、参数辨识模块和参数验证模块，

所述实验模块：对锂电池进行某温度下的恒流恒压充电和不同温度、倍率下的脉冲充放电测试实验，获取锂电池充放电端电压与锂电池荷电状态之间的函数关系，进而分析确定开路电压中的滞后电压响应；

所述建模模块：建立锂电池综合模型，所述锂电池综合模型融合了具有由锂电池荷电状态获取的锂电池开路电压的二阶非线性的等效电路模型以及描述动态滞后电压的滞后模型，所述等效电路模型为简化的二阶GNL模型，所述滞后模型是根据Play算子的包络函数的输入输出关系将具有不同阈值和加权值的play算子进行线性加权叠加进而获取；

所述参数辨识模块：分别对锂电池综合模型中的动态参数进行辨识，包括：对建立的锂电池综合模型进行仿真，利用参数估计算法辨识锂电池综合模型的动态参数，对锂电池综合模型的不同参数利用最小二乘法进行自动优化，并通过信赖域反射算法约束优化，直至仿真输出与实验模块的实验结果匹配；

所述参数验证模块：将所获得的动态参数进行仿真验证。

6.根据权利要求5所述的锂电池建模系统，其特征在于，所述等效电路模型具有开路电压、滞后电压响 应、电化学极化电压以及浓差极化电压。

7.根据权利要求5或6所述的锂电池建模系统，其特征在于，所述参数验证模块是对锂电池进行恒流放电，记录锂电池的端电压数据，然后以同样的电流作为锂电池综合模型的输入，设置仿真时间与实验时间一致，将仿真步长设定为固定步长，并与实验数据采样时间间隔一致，获得锂电池综合模型的电压估计值结果。

Images