CN110888057B - 一种动力锂离子电池电化学参数辨识方法及系统 - Google Patents
一种动力锂离子电池电化学参数辨识方法及系统 Download PDFInfo
- Publication number
- CN110888057B CN110888057B CN201911183626.XA CN201911183626A CN110888057B CN 110888057 B CN110888057 B CN 110888057B CN 201911183626 A CN201911183626 A CN 201911183626A CN 110888057 B CN110888057 B CN 110888057B
- Authority
- CN
- China
- Prior art keywords
- battery
- electrochemical
- expressed
- lithium ion
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种动力锂离子电池电化学参数辨识方法及系统，包括：步骤M1：建立传递函数形式的电池的电化学模型；步骤M2：进行锂离子电池实验，采集锂离子电池在不同工况下的实验数据；步骤M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；步骤M4：根据电池的电化学参数敏感性分析，完成锂离子电池在不同工况下所有电化学参数的辨识；所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。本发明通过预先在实验室对电池不同温度，不同工况下的实验数据进行采集，然后基于电池伪二维传递函数模型进行参数辨识，可方便快捷得到电池电化学参数。
Description
技术领域
本发明涉及电动汽车的电池参数辨识领域，具体地，涉及一种动力锂离子电池电化学参数辨识方法及系统。
背景技术
当前关于锂离子电池内部电化学参数辨识尚无很好的方案。大多数参数辨识方法是基于参数拟合，即使用模型输出值去拟合实验值，从而获得对相关参数的估计值。然而，如何确保所获取的实验数据丰富性以及如何高效合理地设计实验，从而有效辨识出所需的电化学参数仍未得到妥善解决。
动力电池作为新能源汽车中的重要组成部分，电池剩余容量(SOC)和老化程度(SOH)的精准估计是电动汽车电池管理系统最重要的功能之一。通过对SOC,SOH的精准估计可以防止对电池过充，过放，使得电池状态始终维持在健康合理的运行区间，从而延长电池使用寿命。电池内部电化学参数的有效辨识是电池全气候状态下精准估计的根本保证，对于设计，仿真，分析电池性能具有重要意义。只有准确知道电池内部的电化学参数才能对电池在极端气候环境下的状态估计精度有一个可靠的保证。目前，电池电化学模型参数辨识在汽车产业中仍是一个未解决的难题，尤其是对电池关键性能参数，例如固液相离子扩散系数，反应动力学常数的辨识尚无有效快捷的方法可以仅基于电池外特性实验数据进行准确辨识。因此，如何创设一种新的基于电池电化学模型和电池实验数据的电化学参数辨识方法，成为当前业界亟需改进的目标。
专利文献CN108761341A(申请号：201810559026.8)公开了一种锂离子电池电化学模型参数获取方法，涉及新能源研究领域。本发明是为了解决现有的需要借助电化学测量方法或智能算法获取机理模型参数，不具备快速、无损获取参数的能力的问题。步骤一、建立锂离子电池电化学简化机理模型；步骤二、对锂离子电池施加参数辨识工况，使锂离子电池充放电，得到锂离子电池在充放电情况下的电压数据和电流数据；步骤三、根据所述的锂离子电池电化学简化机理模型及锂离子电池在充放电情况下的电压数据和电流数据，获得锂离子电池电化学模型参数。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种动力锂离子电池电化学参数辨识方法及系统，即一种能够快速辨识锂离子电池电化学参数的系统性方法，并且适用范围广泛的锂离子电池电化学参数估算方法。
本发明提供了一种动力锂离子电池电化学参数辨识方法，包括：
步骤M1：建立传递函数形式的电池的电化学模型；
步骤M2：进行锂离子电池实验，采集锂离子电池在不同工况下的实验数据；
步骤M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；
步骤M4：根据电池的电化学参数敏感性分析，完成锂离子电池在不同工况下所有电化学参数的辨识；
所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。
优选地，所述步骤M1包括：建立电池输出电压与输入电流传递函数关系：
其中，Cs,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；Cs,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；Cs,p,max表示为电池正极最大固相锂离子浓度；Cs,n,max表示为电池负极最大固相锂离子浓度；Up表示为电池正极开路电压；Un表示为电池负极开路电压；ηp(s)表示为电池正极过电势对输入电流的传递函数；ηn(s)表示为电池负极过电势对输入电流的传递函数；Φe(L,s)表示为电池正极集流体处电解液电势；Φe(0,s)表示为电池负极集流体处电解液电势；Rf表示为电池内阻；I(s)表示为电池输入电流；Vcell(s)表示为电池端电压。
优选地，所述步骤M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；
所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；
所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。
优选地，所述步骤M3包括：对所有电池电化学参数θ进行参数敏感性分析：
其中，
代表电压对待辨识参数的偏导；Vcell表示电池端电压；在输入工况Iinput下，当Sθ取最大值时，电化学参数θ为最敏感的电化学参数θs；
所述电化学模型的输入指的是输入工况下，电池的输入电流Iinput
优选地，所述步骤M4包括：
步骤M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，电池的输出电压响应，即电池端电压Vcell；定义电池端电压Vcell与实验电压Vexp(t)误差的和方差为:
其中，实验电压Vexp(t)为实验工况下所有的电压；n表示采样时间点的数量；wt表示误差权重值；t代表时间，表示第t秒；
步骤M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：
其中，θS表示Sθ取最大值的一组参数值；
当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θi作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。
所述迭代是完成电池在不同工况下所有电化学参数的辨识。
本发明提供了一种动力锂离子电池电化学参数辨识系统，其特征在于，包括：
模块M1：建立传递函数形式的电池的电化学模型；
模块M2：进行锂离子电池实验，采集锂离子电池在不同工况下的实验数据；
模块M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；
模块M4：根据电池的电化学参数敏感性分析，完成锂离子电池在不同工况下所有电化学参数的辨识；
所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。
优选地，所述模块M1包括：建立电池输出电压与输入电流传递函数关系：
其中，Cs,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；Cs,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；Cs,p,max表示为电池正极最大固相锂离子浓度；Cs,n,max表示为电池负极最大固相锂离子浓度；Up表示为电池正极开路电压；Un表示为电池负极开路电压；ηp(s)表示为电池正极过电势对输入电流的传递函数；ηn(s)表示为电池负极过电势对输入电流的传递函数；Φe(L,s)表示为电池正极集流体处电解液电势；Φe(0,s)表示为电池负极集流体处电解液电势；Rf表示为电池内阻；I(s)表示为电池输入电流；Vcell(s)表示为电池端电压。
优选地，所述模块M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；
所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；
所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。
优选地，所述模块M3包括：对所有电池电化学参数θ进行参数敏感性分析：
其中，
代表电压对待辨识参数的偏导；Vcell表示电池端电压；在输入工况Iinput下，当Sθ取最大值时，电化学参数θ为最敏感的电化学参数θs；
所述电化学模型的输入指的是输入工况下，电池的输入电流Iinput
优选地，所述模块M4包括：
模块M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，电池的输出电压响应，即电池端电压Vcell；定义电池端电压Vcell与实验电压Vexp(t)误差的和方差为:
其中，实验电压Vexp(t)为实验工况下所有的电压；n表示采样时间点的数量；wt表示误差权重值；t代表时间，表示第t秒；
模块M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：
其中，θS表示Sθ取最大值的一组参数值；
当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θi作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。
所述迭代是完成电池在不同工况下所有电化学参数的辨识。
与现有技术相比，本发明具有如下的有益效果：本发明通过预先在实验室对电池不同温度，不同工况下的实验数据进行采集，然后基于电池伪二维传递函数模型进行参数辨识，可方便快捷得到电池电化学参数。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为电池电化学参数辨识流程图；
图2为电池电化学传递函数模型
图3为电池电化学参数敏感性分析
图4为电池电化学参数辨识优化结果-城市道路循环UDDS工况
图5为城市道路循环UDDS下电池电化学参数敏感性优化辨识结果对比
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供了一种动力锂离子电池电化学参数辨识方法，包括：
步骤M1：建立传递函数形式的锂离子电池的电化学模型；电池的电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。
具体地，所述步骤M1包括：对所述动力电池建立传递函数形式的伪二维电化学模型，具体包括：建立电池输出电压与输入电流传递函数关系：
其中，Cs,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；Cs,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；Cs,p,max表示为电池正极最大固相锂离子浓度；Cs,n,max表示为电池负极最大固相锂离子浓度；Up表示为电池正极开路电压；Un表示为电池负极开路电压；ηp(s)表示为电池正极过电势对输入电流的传递函数；ηn(s)表示为电池负极过电势对输入电流的传递函数；Φe(L,s)表示为电池正极集流体处电解液电势；Φe(0,s)表示为电池负极集流体处电解液电势；Rf表示为电池内阻；I(s)表示为电池输入电流；Vcell(s)表示为电池端电压。
步骤M2：进行锂离子电池实验，采集锂离子电池OCV-SOC曲线以及电池在不同工况下的实验数据；
具体地，所述步骤M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；
所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；
所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。
步骤M3：对电池电化学参数初始化，将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；
具体地，所述步骤M3包括：对所有电池电化学参数θ进行参数敏感性分析：
其中，
代表电压对待辨识参数的偏导；Vcell表示电池端电压；在输入工况Iinput下，当Sθ取最大值时，电化学参数θ为最敏感的电化学参数θs，找出对某特定输入工况下(输入工况值得就是某一温度，某一电流下)最敏感的电化学参数(即使得取最大值的一组参数值)，从而进行针对这一特定参数进行辨识。
所述电化学模型的输入指的是输入工况下，电池的输入电流Iinput。
步骤M4：根据电池的电化学参数敏感性分析，不断迭代和循环直到完成锂离子电池在不同工况下所有电化学参数的辨识；
所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。
具体地，所述步骤M4包括：
步骤M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，即得到在某一温度下，某一电流输入下，电池的输出电压响应，即电池端电压Vcell；定义电池端电压Vcell与实验电压Vexp(t)误差的和方差为:
其中，实验电压Vexp(t)为实验工况下所有的电压；n表示采样时间点的数量；wt表示误差权重值，一般取0-1之间的某个数值；t代表时间，表示第t秒；
步骤M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：
其中，θS表示Sθ取最大值的一组参数值；
当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θi作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。
所述迭代是完成电池在不同工况下所有电化学参数的辨识。
本发明提供了一种动力锂离子电池电化学参数辨识系统，包括：
模块M1：建立传递函数形式的锂离子电池的电化学模型；电池的电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。
具体地，所述模块M1包括：对所述动力电池建立传递函数形式的伪二维电化学模型，具体包括：建立电池输出电压与输入电流传递函数关系：
其中，Cs,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；Cs,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；Cs,p,max表示为电池正极最大固相锂离子浓度；Cs,n,max表示为电池负极最大固相锂离子浓度；Up表示为电池正极开路电压；Un表示为电池负极开路电压；ηp(s)表示为电池正极过电势对输入电流的传递函数；ηn(s)表示为电池负极过电势对输入电流的传递函数；Φe(L,s)表示为电池正极集流体处电解液电势；Φe(0,s)表示为电池负极集流体处电解液电势；Rf表示为电池内阻；I(s)表示为电池输入电流；Vcell(s)表示为电池端电压。
模块M2：进行锂离子电池实验，采集锂离子电池OCV-SOC曲线以及电池在不同工况下的实验数据；
具体地，所述模块M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；
所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；
所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。
模块M3：对电池电化学参数初始化，将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；
具体地，所述模块M3包括：对所有电池电化学参数θ进行参数敏感性分析：
其中，
代表电压对待辨识参数的偏导；Vcell表示电池端电压；在输入工况Iinput下，当Sθ取最大值时，电化学参数θ为最敏感的电化学参数θs，找出对某特定输入工况下(输入工况值得就是某一温度，某一电流下)最敏感的电化学参数(即使得取最大值的一组参数值)，从而进行针对这一特定参数进行辨识。
所述电化学模型的输入指的是输入工况下，电池的输入电流Iinput。
模块M4：根据电池的电化学参数敏感性分析，不断迭代和循环直到完成锂离子电池在不同工况下所有电化学参数的辨识；
所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。
具体地，所述模块M4包括：
模块M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，即得到在某一温度下，某一电流输入下，电池的输出电压响应，即电池端电压Vcell；定义电池端电压Vcell与实验电压Vexp(t)误差的和方差为:
其中，实验电压Vexp(t)为实验工况下所有的电压；n表示采样时间点的数量；wt表示误差权重值，一般取0-1之间的某个数值；t代表时间，表示第t秒；
模块M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：
其中，θS表示Sθ取最大值的一组参数值；
当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θi作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。
所述迭代是完成电池在不同工况下所有电化学参数的辨识。
在本申请的一个优选实施例中，选用镍钴锰三元电池NMC为研究对象，其额定容量为153Ah,充放电截止电压分别为4.3V和2.7V。实验工况为城市道路循环工况(UDDS)。用电池测试系统测量得出的端电压作为参考值于所述算法中模型输出的端电压估计值对比进行参数敏感性分析，来对此敏感性参数进行辨识，并对参数辨识的结果进行误差分析，最终说明所述算法在参数辨识过程中的适用性。
所述步骤一中对所述动力电池建立模型是基于如图2所示的传递函数模型。
图3为在UDDS工况下，对电化学模型进行参数敏感性分析。图4为针对UDDS工况敏感性参数进行辨识，辨识的具体方法为基于非线性最小二乘方法。由图5可知，辨识出来的电化学参数可以使得电化学模型的精度误差在20mv以内。
本发明的技术方案的顺利实现，得益于对电池电化学传递函数模型的精准把控，和对电池工况特性实验的有效设计。针对具体的参数辨识优化算法，选用非线性最小二乘算法进行迭代优化求解可对特定工况下的敏感参数快速辨识。除本技术方案外，还可以采用遗传算法，粒子群算法针对电池电化学参数进行辨识。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (4)
1.一种动力锂离子电池电化学参数辨识方法，其特征在于，包括：
步骤M1：建立传递函数形式的电池的电化学模型；
步骤M2：进行锂离子电池实验，采集锂离子电池在不同工况下的实验数据；
步骤M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；
步骤M4：根据电池的电化学参数敏感性分析，完成锂离子电池在不同工况下所有电化学参数的辨识；
所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础；
所述步骤M1包括：所述电池建立传递函数形式的电化学模型，具体包括：建立电池输出电压与输入电流传递函数关系：
其中，Cs,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；Cs,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；Cs,p,max表示为电池正极最大固相锂离子浓度；Cs,n,max表示为电池负极最大固相锂离子浓度；Up表示为电池正极开路电压；Un表示为电池负极开路电压；ηp(s)表示为电池正极过电势对输入电流的传递函数；ηn(s)表示为电池负极过电势对输入电流的传递函数；Φe(L,s)表示为电池正极集流体处电解液电势；Φe(0,s)表示为电池负极集流体处电解液电势；Rf表示为电池内阻；I(s)表示为电池输入电流；Vcell(s)表示为电池端电压；
所述步骤M3包括：对所有电池电化学参数θ进行参数敏感性分析：
其中，
代表电压对待辨识参数的偏导；Vcell表示电池端电压；在输入工况Iinput下，当Sθ取最大值时，电化学参数θ为最敏感的电化学参数θs；
所述电化学模型的输入指的是输入工况下，电池的输入电流Iinput；
所述步骤M4包括：
步骤M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，电池的输出电压响应，即电池端电压Vcell；定义电池端电压Vcell与实验电压Vexp(t)误差的和方差为:
其中，实验电压Vexp(t)为实验工况下所有的电压；n表示采样时间点的数量；wt表示误差权重值；t代表时间，表示第t秒；
步骤M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：
其中，θS表示Sθ取最大值的一组电化学参数值；
当计算求解过程的迭代次数和迭代精度小于预设值时，停止迭代计算，并将此时求解得到的电化学参数值θi作为电化学模型此时的电化学参数的最优解，即为参数的辨识解；
所述迭代是完成电池在不同工况下所有电化学参数的辨识。
2.根据权利要求1所述的一种动力锂离子电池电化学参数辨识方法，其特征在于，所述步骤M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；
所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；
所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。
3.一种动力锂离子电池电化学参数辨识系统，其特征在于，包括：
模块M1：建立传递函数形式的电池的电化学模型；
模块M2：进行锂离子电池实验，采集锂离子电池在不同工况下的实验数据；
模块M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；
模块M4：根据电池的电化学参数敏感性分析，完成锂离子电池在不同工况下所有电化学参数的辨识；
所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础；
所述模块M1包括：所述电池建立传递函数形式的电化学模型，具体包括：建立电池输出电压与输入电流传递函数关系：
其中，Cs,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；Cs,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；Cs,p,max表示为电池正极最大固相锂离子浓度；Cs,n,max表示为电池负极最大固相锂离子浓度；Up表示为电池正极开路电压；Un表示为电池负极开路电压；ηp(s)表示为电池正极过电势对输入电流的传递函数；ηn(s)表示为电池负极过电势对输入电流的传递函数；Φe(L,s)表示为电池正极集流体处电解液电势；Φe(0,s)表示为电池负极集流体处电解液电势；Rf表示为电池内阻；I(s)表示为电池输入电流；Vcell(s)表示为电池端电压；
所述模块M3包括：对所有电池电化学参数θ进行参数敏感性分析：
其中，
代表电压对待辨识参数的偏导；Vcell表示电池端电压；在输入工况Iinput下，当Sθ取最大值时，电化学参数θ为最敏感的电化学参数θs；
所述电化学模型的输入指的是输入工况下，电池的输入电流Iinput；
所述模块M4包括：
模块M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，电池的输出电压响应，即电池端电压Vcell；定义电池端电压Vcell与实验电压Vexp(t)误差的和方差为:
其中，实验电压Vexp(t)为实验工况下所有的电压；n表示采样时间点的数量；wt表示误差权重值；t代表时间，表示第t秒；
模块M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：
其中，θS表示Sθ取最大值的一组电化学参数值；
当计算求解过程的迭代次数和迭代精度小于预设值时，停止迭代计算，并将此时求解得到的电化学参数值θi作为电化学模型此时的电化学参数的最优解，即为参数的辨识解；
所述迭代是完成电池在不同工况下所有电化学参数的辨识。
4.根据权利要求3所述的一种动力锂离子电池电化学参数辨识系统，其特征在于，所述模块M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；
所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；
所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911183626.XA CN110888057B (zh) | 2019-11-27 | 2019-11-27 | 一种动力锂离子电池电化学参数辨识方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911183626.XA CN110888057B (zh) | 2019-11-27 | 2019-11-27 | 一种动力锂离子电池电化学参数辨识方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110888057A CN110888057A (zh) | 2020-03-17 |
| CN110888057B true CN110888057B (zh) | 2020-11-17 |
Family
ID=69749074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911183626.XA Active CN110888057B (zh) | 2019-11-27 | 2019-11-27 | 一种动力锂离子电池电化学参数辨识方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110888057B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113049960A (zh) * | 2021-02-07 | 2021-06-29 | 安徽贵博新能科技有限公司 | 一种基于智能优化算法的电池健康状态估计方法 |
| CN113176503B (zh) * | 2021-04-23 | 2022-07-12 | 哈尔滨工业大学（威海） | 基于电化学过程的全soc范围锂离子电池等效模型 |
| CN113933713B (zh) * | 2021-09-01 | 2023-07-11 | 上海屹锂新能源科技有限公司 | 基于电化学模型的固态锂电池状态估计方法及系统 |
| CN115146723A (zh) * | 2022-06-30 | 2022-10-04 | 上海玫克生储能科技有限公司 | 基于深度学习和启发式算法的电化学模型参数辨识方法 |
| CN115436812B (zh) * | 2022-09-23 | 2023-08-04 | 上海玫克生储能科技有限公司 | 一种基于拼接因子的电化学模型参数辨识方法和系统 |
| WO2024073890A1 (zh) * | 2022-10-08 | 2024-04-11 | 宁德时代新能源科技股份有限公司 | 电池析锂窗口的获取方法、装置、设备、介质和程序产品 |
| CN116027199B (zh) * | 2022-12-08 | 2023-09-29 | 帕诺(常熟)新能源科技有限公司 | 基于电化学模型参数辨识检测电芯全寿命内短路的方法 |
| CN116008812B (zh) * | 2023-02-02 | 2024-02-23 | 上海玫克生储能科技有限公司 | 一种储能电站参数辨识加速的方法和装置 |
| CN116087808B (zh) * | 2023-02-03 | 2023-09-29 | 上海玫克生储能科技有限公司 | 一种电化学模型参数辨识过程的电流修正方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010217079A (ja) * | 2009-03-18 | 2010-09-30 | Nissan Motor Co Ltd | 二次電池の総容量推定装置 |
| CN102937704A (zh) * | 2012-11-27 | 2013-02-20 | 山东省科学院自动化研究所 | 一种动力电池rc等效模型的辨识方法 |
| WO2013125118A1 (ja) * | 2012-02-22 | 2013-08-29 | カルソニックカンセイ株式会社 | パラメータ推定装置 |
| CN106646253A (zh) * | 2016-12-07 | 2017-05-10 | 华南农业大学 | 一种在线辨识电池内部参数的方法 |
| CN106872905A (zh) * | 2017-02-23 | 2017-06-20 | 哈尔滨工业大学 | 一种单体锂离子全电池参数获取方法 |
| CN107462836A (zh) * | 2017-06-28 | 2017-12-12 | 中国科学院电工研究所 | 一种基于randls模型的电池参数在线辨识方法 |
| CN108072847A (zh) * | 2018-01-29 | 2018-05-25 | 西南交通大学 | 一种动力锂电池模型参数辨识和剩余电量的估计方法 |
| CN108761341A (zh) * | 2018-06-01 | 2018-11-06 | 哈尔滨工业大学 | 一种锂离子电池电化学模型参数获取方法 |
| CN108872873A (zh) * | 2018-06-29 | 2018-11-23 | 长沙理工大学 | 一种基于ga-aukf的磷酸铁锂动力电池荷电状态联合估算方法 |
| CN110058161A (zh) * | 2019-05-20 | 2019-07-26 | 山东大学 | 一种锂离子电池模型参数的分布式辨识方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103197251B (zh) * | 2013-02-27 | 2016-02-03 | 山东省科学院自动化研究所 | 一种动力锂电池二阶rc等效模型的辨识方法 |
| CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
| JP6528598B2 (ja) * | 2015-08-20 | 2019-06-12 | 株式会社デンソー | 二次電池の拡散抵抗同定装置 |
-
2019
- 2019-11-27 CN CN201911183626.XA patent/CN110888057B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010217079A (ja) * | 2009-03-18 | 2010-09-30 | Nissan Motor Co Ltd | 二次電池の総容量推定装置 |
| WO2013125118A1 (ja) * | 2012-02-22 | 2013-08-29 | カルソニックカンセイ株式会社 | パラメータ推定装置 |
| CN102937704A (zh) * | 2012-11-27 | 2013-02-20 | 山东省科学院自动化研究所 | 一种动力电池rc等效模型的辨识方法 |
| CN106646253A (zh) * | 2016-12-07 | 2017-05-10 | 华南农业大学 | 一种在线辨识电池内部参数的方法 |
| CN106872905A (zh) * | 2017-02-23 | 2017-06-20 | 哈尔滨工业大学 | 一种单体锂离子全电池参数获取方法 |
| CN107462836A (zh) * | 2017-06-28 | 2017-12-12 | 中国科学院电工研究所 | 一种基于randls模型的电池参数在线辨识方法 |
| CN108072847A (zh) * | 2018-01-29 | 2018-05-25 | 西南交通大学 | 一种动力锂电池模型参数辨识和剩余电量的估计方法 |
| CN108761341A (zh) * | 2018-06-01 | 2018-11-06 | 哈尔滨工业大学 | 一种锂离子电池电化学模型参数获取方法 |
| CN108872873A (zh) * | 2018-06-29 | 2018-11-23 | 长沙理工大学 | 一种基于ga-aukf的磷酸铁锂动力电池荷电状态联合估算方法 |
| CN110058161A (zh) * | 2019-05-20 | 2019-07-26 | 山东大学 | 一种锂离子电池模型参数的分布式辨识方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Classification and Review of the Charging Strategies for Commercial Lithium-Ion Batteries;YIZHAO GAO et.al;《IEEE Access》;20190413;第7卷;第43511-43524页 * |
| 基于电化学机理的车用锂电池电气建模与参数辨识;路金玲;《万方数据学位论文数据库》;20171129;第1-77页 * |
| 锂电池电化学传递函数模型建模及参数辨识;杨俊 等;《电源技术》;20190731;第43卷(第7期);第1132-1135页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110888057A (zh) | 2020-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110888057B (zh) | 一种动力锂离子电池电化学参数辨识方法及系统 | |
| Farmann et al. | Comparative study of reduced order equivalent circuit models for on-board state-of-available-power prediction of lithium-ion batteries in electric vehicles | |
| Xiong et al. | An electrochemical model based degradation state identification method of Lithium-ion battery for all-climate electric vehicles application | |
| Cui et al. | State of health diagnosis model for lithium ion batteries based on real-time impedance and open circuit voltage parameters identification method | |
| Chen et al. | A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity | |
| Yang et al. | A novel method on estimating the degradation and state of charge of lithium-ion batteries used for electrical vehicles | |
| Li et al. | Reduced-order electrochemical model for lithium-ion battery with domain decomposition and polynomial approximation methods | |
| Ouyang et al. | A dynamic capacity degradation model and its applications considering varying load for a large format Li-ion battery | |
| Yu et al. | OCV-SOC-temperature relationship construction and state of charge estimation for a series–parallel lithium-ion battery pack | |
| Eddahech et al. | Behavior and state-of-health monitoring of Li-ion batteries using impedance spectroscopy and recurrent neural networks | |
| Cittanti et al. | Modeling Li-ion batteries for automotive application: A trade-off between accuracy and complexity | |
| Song et al. | Lithium-ion battery remaining useful life prediction based on GRU-RNN | |
| Zhang et al. | Fractional calculus based modeling of open circuit voltage of lithium-ion batteries for electric vehicles | |
| Zhang et al. | Remaining useful life estimation of lithium-ion batteries based on thermal dynamics | |
| Weng et al. | An open-circuit-voltage model of lithium-ion batteries for effective incremental capacity analysis | |
| Speltino et al. | Comparison of reduced order lithium-ion battery models for control applications | |
| Song et al. | Model-based health diagnosis for lithium-ion battery pack in space applications | |
| Baumann et al. | Cloud-connected battery management for decision making on second-life of electric vehicle batteries | |
| CN112834945A (zh) | 评估模型建立方法、电池健康状态评估方法及相关产品 | |
| Skoog | Parameterization of equivalent circuit models for high power lithium-ion batteries in HEV applications | |
| Shen et al. | A sensitivity-based group-wise parameter identification algorithm for the electric model of li-ion battery | |
| Tian et al. | A new nonlinear double-capacitor model for rechargeable batteries | |
| Zheng et al. | Dynamic model for characteristics of Li-ion battery on electric vehicle | |
| CN112782585B (zh) | 一种基于电池衰减机制的寿命评估方法及系统 | |
| Han et al. | Modeling for lithium-ion battery used in electric vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |