CN110247451B - 一种锂离子动力电池组全寿命周期均衡控制方法 - Google Patents

Abstract

本发明涉及一种锂离子动力电池组全寿命周期均衡控制方法，属于电池管理技术领域。该方法包括：S1：选定一批待测电池单体，完成在不同条件下的电池老化实验；S2：根据获得的电池老化数据，建立一种描述电池老化速率的模型；S3：建立模型预测控制的目标函数，实现电池组的老化速率最小；S4：以电池模型为预测模型，实现基于模型预测控制的均衡策略。本发明能够使电池组的老化速率更小，从而延长了电池组的使用寿命。

Description

一种锂离子动力电池组全寿命周期均衡控制方法

技术领域

本发明属于电池管理技术领域，涉及一种锂离子动力电池组全寿命周期均衡策略。

背景技术

随着人们生活水平的日益提高，能源资源的消耗越来越大，并且对我国的经济发展造成了一定的影响。同时也使得环境污染问题愈发严重，而内燃机车的排放是其中一个无法忽视的部分。因此，大力推进新能源汽车各项技术的突破。在新能源汽车的整体研发中，除去电机、传动系统、整车性能优化等设计外，作为新能源汽车电能存储装置，动力电池具有举足轻重的作用。为了给电动汽车提供足够高的电压和功率，需要将很多单体电池进行串并联形成一个高压电池组。但是由于电池制造工艺的复杂性，同一批生产的相同型号的电池，在性能上都难以达到完全一致，同时在电池组的使用过程中，由于环境的差异，使得电池组中各个单体之间的不一致性更加严重，最终影响汽车性能及电池组的使用寿命。

为了改善电池组的不一致性，一般可以通过三种方式：在电池的生产过程中，改进制造工艺来提高电池之间的不一致性；对出厂电池进行分选，选择差异性较小的单体组合成组；通过均衡管理，在使用过程中改善电池间的不一致性。前两种方式在电池组成组前是一定要进行的，但是不论成组的电池初始一致性有多好，随着使用时间的增加，单体间的不一致性还是会越来越明显。所以均衡管理系统是电池管理系统(BMS)中必不可少的一部分，有效的均衡管理能够增加电池组使用容量、延长电池组使用寿命、提高电池组安全性能及经济性、强化电池组能量利用率。而均衡管理主要包括两部分：均衡拓扑结构及均衡控制策略。拓扑结构就是均衡电路，决定了能量的传递方式及传递效率，在进行控制策略开发前要先选好拓扑结构。不过，相同的拓扑结构也可以有不同的控制策略，好的控制策略可以使能量传递的更快、更有效。同时，由于电动汽车再生制动和急加速工况会导致电池电流和电压测量值瞬变，状态估计精度和稳定性还有待提高，不同应用场景下的均衡目标需要完善，因此均衡策略的研究极具挑战性。

在均衡控制策略领域，还没有形成明确的体系划分。但按照控制策略的主要组成：控制变量、控制目标及控制算法，可以大致将均衡控制策略分为基于均衡变量、基于均衡目标及基于均衡控制算法三类。均衡变量主要包含电压、荷电状态(SOC)、容量，以及融合变量。均衡目标主要包括均衡速度的快慢、均衡时间的长短、均衡效果的好坏等。控制算法的发展已经有很多年，按照控制理论的发展历程整理，从经典控制理论，到现代控制理论，如最优控制、模型预测控制、滑模控制等。最后是智能控制理论，如粒子群算法、模糊控制、遗传算法等。以及多种算法的融合。

目前对电池组的均衡控制策略的主要内容是：通过某种或多种融合控制策略，在一定的工况下，使得电池组的容量、SOC或电压等指标达到一致。但是目前为止，尚未发现研究以减缓电池组老化速率为目标的均衡策略。

发明内容

有鉴于此，本发明的目的在于提供一种锂离子动力电池组全寿命周期均衡控制方法，基于模型预测控制算法，实现了电池组老化速率最小。

为达到上述目的，本发明提供如下技术方案：

一种锂离子动力电池组全寿命周期均衡控制方法，通过建立一种描述电池老化速率的模型，并将串联电池老化速率之和作为电池组的老化速率，基于模型预测控制(MPC)实现以电池组老化速率最小为目标的均衡策略，包括以下步骤：

S1：选定一批待测电池单体，完成在不同条件下的电池老化实验；

S2：根据获得的电池老化数据，建立一种描述电池老化速率的模型；

S3：建立模型预测控制的目标函数，实现电池组的老化速率最小；

S4：以电池模型为预测模型，实现基于模型预测控制的均衡策略。

进一步，所述步骤S1具体包括以下步骤：

S11：将待测电池在25℃的恒温环境中静置2h；

S12：以1C的充放电倍率对电池进行循环充放电，循环的荷电状态(State ofCharge,SOC) 区间为5-15％；

S13：以C/20充放电倍率对满电状态的电池进行放电，放电容量即为该电池当前的容量，每循环500圈提取一次电池容量；

S14：将SOC循环区间分别替换为20-30％、45-55％、70-80％、85-95％或90-100％，用同一批电池中的其它电池重复步骤S11-S13，得到相同放电深度(depth of discharge,DOD) 和不同SOC循环区间的老化曲线；

S15：将DOD分别设置为10％、20％、30％、40％、50％、60％、70％、80％或90％，均值SOC都设为50％，用同一批电池中的其它电池重复步骤S11-S13，得到相同均值SOC和不同DOD的老化曲线；

S16：记录每个电池的容量数据，建立数据库。

进一步，所述步骤S2具体包括以下步骤：

S21：建立相同DOD和不同SOC循环区间的电池老化速率模型；

S22：添加不同DOD和相同SOC循环区间对老化速率的影响，形成完整的电池老化速率模型；

S23：简化模型，以简化计算，得到最终的电池老化速率模型。

进一步，所述步骤S3中，目标函数为电池组的老化速率最小，将电池组的老化速率定义为串联电池老化速率之和，则目标函数为：

其中，K_i,j(SOC)表示电池组中第i个电池在第j个时刻的老化速率，p和n分别为预测时域和串联电池数量。

进一步，所述步骤S4具体包括以下步骤：

S41：建立电池模型，可以为Rint模型、一阶RC模型、二阶RC模型，多阶RC模型等等效电路模型中的一种，最终的形式需要综合考虑模型复杂度、模型精度和鲁棒性后确定；

S42：选择MPC的预测时域、控制时域，以及串联电池的数量，得到电池组在预测时域上的状态空间方程；

S43：构建MPC的约束条件，结合状态空间方程和目标函数，形成完整的带约束的MPC 优化问题；

S44：通过将MPC优化问题转化为二次规划实现求解，得到实时的均衡电流大小。

本发明的有益效果在于：本发明建立了一种描述电池老化速率的模型，基于模型预测控制算法，设计的以电池组老化速率最小为目标的均衡策略，可以使电池组的老化速率更小，从而延长了电池组的使用寿命。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述均衡控制方法的流程图；

图2为本发明采用的容量随循环次数的衰减图；

图3为本发明拟合得到的任意SOC点处的老化速率曲线图；

图4为本发明采用的相同SOC循环区间、不同DOD下的老化曲线图；

图5为本发明采用的电池模型图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

请参阅图1，为一种锂离子动力电池组全寿命周期均衡控制方法，具体包括以下步骤：

步骤S1：选定一批待测电池单体，完成在不同条件下的电池老化实验；具体包括以下步骤：

S11：将待测电池在25℃的恒温环境中静置2h；

S12：以1C的充放电倍率对电池进行循环充放电，循环的荷电状态(SOC)区间为5-15％；

S13：以C/20充放电倍率对满电状态的电池进行放电，放电容量即为该电池当前的容量，每循环500圈提取一次电池容量；

S14：将SOC循环区间分别替换为20-30％、45-55％、70-80％、85-95％、90-100％，用同一批电池中的其它电池重复步骤S11-S13，得到相同放电深度(DOD)、不同SOC循环区间的老化曲线；

S15：将DOD分别设置为10％、20％、30％、40％、50％、60％、70％、80％、90％，均值SOC都设为50％，用同一批电池中的其它电池重复步骤S11-S13，得到相同均值SOC、不同DOD的老化曲线；

S16：记录每个电池的容量数据，建立数据库。

步骤S2：根据获得的电池老化数据，建立一种描述电池老化速率的模型；具体包括以下步骤：

S21：建立相同DOD、不同SOC循环区间的电池老化速率模型。具体地，参见图2，将图2中容量变化的斜率定义为电池在对应均值SOC点附近 循环时的老化速率。可以得到SOC在10％，25％，50％，75％，90％，95％处的电池老化速率，然后通过曲线拟合的方式得到在任意SOC点处电池的老化速率，如图3所示。拟合得到的方程如下：

K(SOC)＝a₁SOC²+a₂SOC+a₃ (1)

式中K(SOC)为电池在不同SOC点处的老化速率，a₁、a₂、a₃为系数，其具体数值为 a₁＝6.1852×10^-4，a₂＝-6.6957×10^-4，a₃＝1.8714×10^-4。

S22：添加不同DOD、相同SOC循环区间对老化速率的影响，形成完整的电池老化速率模型。具体地，参见图4，取不同DOD下电池老化曲线较为平缓的部分，将其近似看作一次函数关系，以斜率作为老化速率，可以得到相同SOC循环区间、不同DOD下的电池老化速率，并将这一项补充进上面的老化速率关系式，得到完整的老化速率模型如下：

K(SOC)＝a₁SOC²+a₂SOC+a₃+a₄DOD+a₅ (2)

式中a₄、a₅为考虑不同DOD后方程系数，其具体数值为a₄＝3.911×10^-6，a₅＝6.92×10^-7。

S23：简化模型，以简化计算，得到最终的电池老化速率模型。具体地，将老化速率模型中的常数项忽略，将二次函数化为标准形式。得到最终的老化速率模型如下：

K(SOC)＝a₁SOC²+a₄DOD (3)

这并不会影响后面的计算，只是在进行有关SOC的计算时，需要补偿一个

的偏移量。

步骤S3：建立模型预测控制的目标函数，实现电池组的老化速率最小；具体地，将串联电池的老化速率之和作为电池组的老化速率，均衡控制的目标是使得整组电池的老化速率达到最小，目标函数如下：

式中K_i,j(SOC)表示电池组中第i个电池在第j个时刻的老化速率，p和n分别为预测时域和串联电池数量。

步骤S4：以电池模型为预测模型，实现基于模型预测控制的均衡策略；具体包括以下步骤：

S41：建立电池模型，可以为Rint模型、一阶RC模型、二阶RC模型，多阶RC模型等等效电路模型中的一种，最终的形式需要综合考虑模型复杂度、模型精度和鲁棒性后确定。具体地，参见图5，以一阶RC模型为例，状态空间方程可表示为：

U_t＝U_oc-U₁-IR (6)

式中U₁、U_OC、R₁、C₁、R及U_t分别表示均值模型的极化电压、开路电压、极化内阻、极化电容、欧姆内阻以及端电压，I是电路中瞬时电流(规定放电为正，充电为负)。

电池单体的SOC定义为：

式中SOC(t)和SOC(t₀)分别表示电池单体t时刻的SOC和初始时刻的SOC，η为库伦效率，C_bat表示电池单体容量，I(τ)为瞬时电流(放电为正，充电为负)。

为满足迭代计算需要，各式的离散化方程可写为：

U_t(k)＝U_oc(k)-U₁(k)-RI(k) (9)

式中Δt为采样间隔，k为采样时刻。

S42：选择MPC的预测时域、控制时域，以及串联电池的数量，得到电池组在预测时域上的状态空间方程。具体地，电池采用一阶RC模型，离散化方程可重新写为；

x(k+1)＝A₁x(k)+B₁I(k) (11)

y(k)＝C₁x(k)+D₁I(k)+U_oc(k) (12)

式中状态变量为：

x(k)＝[U₁(k) SOC(k)]^T (13)

输出变量为：

y(k)＝U_t(k) (14)

四个系数矩阵为：

C₁＝[-1 0] (17)

D₁＝-R (18)

以预测时域为4、控制时域为4，串联电池的数量为6为例，电池组在预测时域上的状态空间方程为：

X_p(k+1|k)＝S_xx(k)+S_uxU(k) (19)

Y_p(k+1|k)＝S_yx(k)+S_uyU(k) (20)

式中X_p(k+1|k)和Y_p(k+1|k)分别为4步预测时域下，6个串联电池组的状态模型和输出模型。S_x、S_ux、S_y、S_uy为系数矩阵，U(k)为输入矩阵。其值分别为：

式中

其中不同的下角标表示6个不同电池的参数。

目标函数可以精确为：

S43：构建MPC的约束条件，结合状态空间方程和目标函数，形成完整的带约束的MPC 优化问题。具体地，为了使电池在均衡控制下的运行状况更加合理，需要添加一些约束条件如下：

式中，第一项表示对每个电池运行SOC区间的限制，不要超过0～1的范围。第二项表示对电池输出端电压的限制，电池运行过程中存在一个电压的上下限。第三项是对均衡电流大小的控制，均衡电路板的均衡充放电电流不能无限大，需要控制在合适的范围内。同时，为了使均衡控制电流的大小波动不至于太剧烈，第四项对均衡控制电流的增量进行限制。最后，在均衡过程中不可能所有的电池都在充电或放电，总要有电池发出或接收这些电量，所以添加一个功率平衡的约束，使得每个预测时刻所有电池的充放电功率之和为零。

S44：通过将MPC优化问题转化为二次规划实现求解，得到实时的均衡电流大小。具体地，将目标函数转换为标准二次型z^THz-g^Tz形式，其中z＝U(k)。将式(21)～式(28)中 SOC的计算部分代入式(29)中可得

式中H＝2E^TE，f＝-2E^TSOC(k)；其中SOC(k)为初始时刻6个电池的SOC，

式中M＝diag(1 1 1 1 1 1)，N＝diag(N₁ N₂ N₃ N₄ N₅ N₆)，其中 N₁＝B₁(2,1)，不同的下角标代表不同的电池。

将不等式约束条件转换为标准二次型Cz≥b。

对不等式约束中的第一项进行移项后得标准形式如下：

其中

SOC_i,j,max/min(k)表示第i个电池在第j个预测时刻SOC的最大/最小值。

对不等式约束中的第二项进行移项后得标准形式如下：

其中y_i,j,max/min(k)表示第i个电池在第j个预测时刻端电压y的最大/最小值。

对不等式约束中的第三项进行移项后得标准形式如下：

其中I_i,j,max/min(k)表示表示第i个电池在第j个预测时刻均衡控制电流I的最大/最小值。

对不等式约束中的第四项进行移项后得标准形式如下：

其中ΔI_i,j,max/min(k)表示表示第i个电池在第j个预测时刻均衡控制电流变化量ΔI的最大/ 最小值。

最后，通过调用求解二次规划问题的函数，得到解U(k)，并将解向量中第一个时刻的解向量作用于系统。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种锂离子动力电池组全寿命周期均衡控制方法，其特征在于，该方法是通过建立一种描述电池老化速率的模型，并将串联电池老化速率之和作为电池组的老化速率，基于模型预测控制(Model Predictive Control,MPC)实现以电池组老化速率最小为目标的均衡策略，包括以下步骤：

S1：选定一批待测电池单体，完成在不同条件下的电池老化实验；

S2：根据获得的电池老化数据，建立一种描述电池老化速率的模型，表达式为：

K(SOC)＝a₁SOC²+a₄DOD

其中，a₁为系数，a₄为考虑不同DOD后方程系数；

S3：建立模型预测控制的目标函数，目标函数为电池组的老化速率最小，将电池组的老化速率定义为串联电池老化速率之和，则目标函数为：

其中，K_i,j(SOC)表示电池组中第i个电池在第j个时刻的老化速率，p和n分别为预测时域和串联电池数量；

S4：以电池模型为预测模型，实现基于模型预测控制的均衡策略。

2.根据权利要求1所述的一种锂离子动力电池组全寿命周期均衡控制方法，其特征在于，所述步骤S1具体包括以下步骤：

S11：将待测电池在25℃的恒温环境中静置2h；

S12：以1C的充放电倍率对电池进行循环充放电，循环的荷电状态(State of Charge,SOC)区间为5-15％；

S13：以C/20充放电倍率对满电状态的电池进行放电，放电容量即为该电池当前的容量，每循环500圈提取一次电池容量；

S14：将SOC循环区间分别替换为20-30％、45-55％、70-80％、85-95％或90-100％，用同一批电池中的其它电池重复步骤S11-S13，得到相同放电深度(depth of discharge,DOD)和不同SOC循环区间的老化曲线；

S15：将DOD分别设置为10％、20％、30％、40％、50％、60％、70％、80％或90％，均值SOC都设为50％，用同一批电池中的其它电池重复步骤S11-S13，得到相同均值SOC和不同DOD的老化曲线；

S16：记录每个电池的容量数据，建立数据库。

3.根据权利要求1所述的一种锂离子动力电池组全寿命周期均衡控制方法，其特征在于，所述步骤S2具体包括以下步骤：

S21：建立相同DOD和不同SOC循环区间的电池老化速率模型；

S22：添加不同DOD和相同SOC循环区间对老化速率的影响，形成完整的电池老化速率模型；

S23：简化模型，以简化计算，得到最终的电池老化速率模型。

4.根据权利要求1所述的一种锂离子动力电池组全寿命周期均衡控制方法，其特征在于，所述步骤S4具体包括以下步骤：

S41：建立电池模型；

S42：选择MPC的预测时域、控制时域，以及串联电池的数量，得到电池组在预测时域上的状态空间方程；

S43：构建MPC的约束条件，结合状态空间方程和目标函数，形成完整的带约束的MPC优化问题；

S44：通过将MPC优化问题转化为二次规划实现求解，得到实时的均衡电流大小。

Images