CN111239610A - 基于电化学模型的动力锂电池状态估计构建系统及方法 - Google Patents

基于电化学模型的动力锂电池状态估计构建系统及方法 Download PDF

Info

Publication number
CN111239610A
CN111239610A CN202010182838.2A CN202010182838A CN111239610A CN 111239610 A CN111239610 A CN 111239610A CN 202010182838 A CN202010182838 A CN 202010182838A CN 111239610 A CN111239610 A CN 111239610A
Authority
CN
China
Prior art keywords
model
electrochemical
lithium battery
power lithium
battery
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.)
Granted
Application number
CN202010182838.2A
Other languages
English (en)
Other versions
CN111239610B (zh
Inventor
张希
郭邦军
高一钊
曹建华
寿学琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Shanghai E Propulsion Auto Technology Co Ltd
Original Assignee
Shanghai Jiaotong University
Shanghai E Propulsion Auto Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, Shanghai E Propulsion Auto Technology Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN202010182838.2A priority Critical patent/CN111239610B/zh
Publication of CN111239610A publication Critical patent/CN111239610A/zh
Application granted granted Critical
Publication of CN111239610B publication Critical patent/CN111239610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Abstract

本发明提供了一种基于电化学模型的动力锂电池状态估计构建系统及方法，包括：构建动力锂电池的电化学模型；将所述电化学模型与动力锂电池的等效电路模型相匹配；将所述等效电路模型经过仿真转换为可执行代码导入电池管理系统进行动力锂电池状态估计。本发明可以准确的表达电池真实运行状态，模型通过数学处理和代码转换可以完全适用于实车应用环境，并且模型不会增加车载电池管理系统额外的计算量，且模型精度高。

Description

基于电化学模型的动力锂电池状态估计构建系统及方法
技术领域
本发明涉及锂离子电池技术、电池模型技术和电动汽车电池管理技术领域，具体地，涉及一种基于电化学模型的适用于车用动力锂电池状态估计构建系统及方法。
背景技术
电动汽车动力电池的研究和开发已成为当下研究热点，而在对电池进行管理的BMS的各项功能中，电池荷电状态(SOC)和电池健康状态(SOH)的精确估计仍是急需解决的关键技术问题。例如专利文献CN104899439B公开的一种锂离子电池机理建模方法，1)建立锂离子电池单粒子模型；2)采用三参数抛物线方法简化锂离子电池单粒子模型中的固相扩散方程；3)采用菌群觅食优化算法辨识锂离子电池单粒子模型中的未知参数；4)拟合锂离子单粒子模型的正极开路电压表达式。而这些精确状态估计，必须建立在一个准确的电池模型之上。以往的研究模型大多数使用电池的经验模型，没有考虑电池内部的电化学反应机理，缺乏理论依据。
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基于电化学模型的动力锂电池状态估计构建系统及方法。
根据本发明提供的一种基于电化学模型的动力锂电池状态估计构建方法，包括：
电化学模型构建步骤：构建动力锂电池的电化学模型；
等效电路模型构建步骤：将所述电化学模型与动力锂电池的等效电路模型相匹配；
代码生成步骤：将所述等效电路模型经过仿真转换为可执行代码导入电池管理系统进行动力锂电池状态估计。
优选地，所述模型构建步骤通过对动力锂电池内部各部分表达的偏微分控制方程的建模、求解与简化获得。
优选地，所述等效电路模型构建步骤包括：
通过以动力锂电池的电化学参数表达等效电路模型中的各个RC参数，建立传递函数模型与等效电路模型之间的参数传递关系。
优选地，将动力锂电池的内部电化学反应控制方程进行变换求解，建立电池端电压对电压的传递函数；再将电化学模型的传递函数与等效电路模型的传递函数进行对比匹配，获得以电化学机理为基础的等效电路模型。
优选地，所述传递函数模型通过递推最小二乘法估测出等效电路模型中的RC参数，再利用模型之间传递函数式的相似性推算出动力锂电池的参数。
根据本发明提供的一种基于电化学模型的动力锂电池状态估计构建系统，包括：
电化学模型构建模块：构建动力锂电池的电化学模型；
等效电路模型构建模块：将所述电化学模型与动力锂电池的等效电路模型相匹配；
代码生成模块：将所述等效电路模型经过仿真转换为可执行代码导入电池管理系统进行动力锂电池状态估计。
优选地，所述模型构建模块通过对动力锂电池内部各部分表达的偏微分控制方程的建模、求解与简化获得。
优选地，所述等效电路模型构建模块包括：
通过以动力锂电池的电化学参数表达等效电路模型中的各个RC参数，建立传递函数模型与等效电路模型之间的参数传递关系。
优选地，将动力锂电池的内部电化学反应控制方程进行变换求解，建立电池端电压对电压的传递函数；再将电化学模型的传递函数与等效电路模型的传递函数进行对比匹配，获得以电化学机理为基础的等效电路模型。
优选地，所述传递函数模型通过递推最小二乘法估测出等效电路模型中的RC参数，再利用模型之间传递函数式的相似性推算出动力锂电池的参数。
与现有技术相比，本发明具有如下的有益效果：
电池管理系统中的电化学模型可以精确的对电池进行表达，从而可以对电池状态进行精确的预计和监控；电池电化学模型与电池等效电路模型进行详细地对比和表达，车用等效电路中的各参数，通过电池的电化学参数进行有效地表达，使得电化学模型具有兼容适用性；所建立的电化学模型可以进行降阶、简化和离散化处理，使得模型可以转换为可执行代码，便于在实车中应用。
本发明基于电化学模型的车用动力锂电池状态估计构建方法可以应用于实车电池管理系统中，为当前电动汽车电池管理方面提供了良好应用前景，比当下以等效电路模型为主的电池状态预估和管理方法具有显著的优越性。
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为本发明动力锂离子电池电化学模型内部电池结构原理图。
图2为本发明电池参数状态参数联合估计流程图。
图3为本发明动力锂离子电池电化学模型构建流程框架图。
图4为本发明整体实施流程框架图。
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。
本发明提供的一种基于电化学模型的动力锂电池状态估计构建方法，包括：
电化学模型构建步骤：构建动力锂电池的电化学模型。
等效电路模型构建步骤：将电化学模型与动力锂电池的等效电路模型相匹配。
代码生成步骤：将等效电路模型经过仿真转换为可执行代码导入电池管理系统进行动力锂电池状态估计。
本发明的电化学模型与等效电路模型相匹配，模型可以准确的表达电池真实运行状态，模型通过数学处理和代码转换可以完全适用于实车应用环境，并且模型不会增加车载电池管理系统额外的计算量，且模型精度高。
传递函数模型是通过对电池内部各部分表达的偏微分控制方程的建模、求解与简化获得，模型可精确的表达电池内部真实结构和反应状态。电化学模型与等效电路模型的匹配是通过以电池电化学参数表达二阶等效电路模型中的各个RC参数；电池的电化学传递函数模型与二阶等效电路模型之间建立参数传递关系。
将锂离子电池的内部电化学反应控制方程进行变换求解，建立电池端电压对电压的传递函数；再将高精度的电化学模型的传递函数与常用的等效电路模型的传递函数进行对比匹配，获得以电化学机理为基础的等效电路模型，包含以下电化学参数对等效电路参数的准确表达方式：
Figure BDA0002413164780000041
Figure BDA0002413164780000042
Figure BDA0002413164780000043
Figure BDA0002413164780000044
Figure BDA0002413164780000045
Rp为电池正极极化扩散电阻，Cp为电池正极极化扩散电容，Rn为电池负极极化扩散电阻，Cn为电池负极极化扩散电容，R0为电池的欧姆内阻，T为热力学温度常数(298K)，R为气体常数，t0为粒子转移系数，L为距离正极长度，De为电解液扩散系数，εe,p为靠近正极电解质溶液的体积分数，εe,n为靠近负极电解质溶液的体积分数，Ce,0为电解液初始浓度，A为极板面积，F为法拉第常数，αa为负极传递系数，αc为正极传递系数，as,p为正极颗粒比表面积参数，as,n为负极颗粒比表面积参数，i0,p为正极电流交换密度，i0,n为负极电流交换密度，δ+为正极板厚度，δ-为负极板厚度，δsep为隔膜厚度，
Figure BDA0002413164780000046
为正极反应速率常数，
Figure BDA0002413164780000047
为负极反应速率常数，
Figure BDA0002413164780000048
为隔膜处反应速率常数。
电化学模型的处理包括数学解偶以及模型离散化处理。传递函数模型通过递推最小二乘法估测出等效电路模型中的RC参数，再利用两个模型之间传递函数式的相似性推算出电池系统的电解液扩散系数等参数。电化学模型经数学处理后，通过Matlab等软件工具转化为车载电池管理系统的可执行代码，针对不同电池类型，模型代码均具有普适性。生成的电池电化学模型C代码可通过CANoe中的Hex模块等工具可直接导入到车载BMS系统中执行。
电化学模型系统可通过双向通讯实现对实车电池荷电状态(SOC)和电池健康(SOH)等的精确估计以及优化充电的控制。电化学模型在嵌入电池管理系统后，可实现电动汽车全生命周期和全气候条件下的精准SOC和SOH预估，尤其是电池老化后(500充放电循环后)和低温(-10℃以下)的电动汽车动力电池系统精准估计。
本发明具有广泛地应用性，可适用于各种类型的动力电池，包含液态锂离子电池(磷酸铁锂、各组分比例的三元锂电、石墨负极锂电池、硅碳负极锂电池)和固态锂电池(无机氧化物型、硫化物型、高分子聚合物型)等。
本发明提供的一种基于电化学模型的车用动力锂电池状态估计构建方法，以所述电化学模型为框架构建基础，所述电化学模型经过数学处理方法得到了与电池等效电路模型的传递函数，并建立所述动力电池可执行的仿真模型，所述建立的仿真模型经过MATLAB处理转换为可执行代码，并将代码对等转换为车载CANoe可执行代码，所述最终转换后的代码导入到车载BMS系统中，实现对所述电动汽车车载动力电池的荷电状态(SOC)、电池健康(SOH)、电池功率(SOP)和电池温度(T)等关键参数的预测和监控。
本发明提供了一种动力电池电化学模型为建立锂离子电池输出电压与输入电流之间的传递函数关系式。对电池电化学模型的控制方程在s域内进行求解，假设电池系统的输入为电流I，输出为电压V，我们希望得到电池系统的传递函数G(s)为：
Figure BDA0002413164780000051
其中，s至sn为电池内部s域内的划分区域，a0至an为电池电压在s域内的区域划分，b0至bm为电池电流在s域内的区域划分。
通过得到电池系统中各电压组成部分对于电流I的传递函数，再通过传递函数的相加即可获得电池系统输出电压对于输入电流的传递函数，即电池系统的阻抗模型。
(1)所述电池系统涉及到的方程呈现非线性关系，在求解过程中获得的传递函数不一定具有有理多项式的形式，因此对所述获得的传递函数进行一定的简化处理，采用Pade逼近方法在给定目标逼近阶数的条件下，Pade逼近法将任意一个函数近似表达成两组有理多项式之比的形式。
(2)所述电池系统的输出电压中包含有电池正负电极的开路电势，其大小与固相粒子中的表面离子浓度有关。此处，电池正负电极的开路电势是电池正负电极粒子表面离子浓度的函数，所述电势和正负极表面锂离子浓度之间存在一一对应的关系。所述锂离子电池固相粒子表面离子浓度与电极中最大离子浓度的比值通常定义为化学当量
Figure BDA0002413164780000052
其中，cs,sur为表面锂离子浓度，cs,max为最大锂离子浓度。
(3)通过所述建立粒子表面离子浓度与电流之间的关系，便能建立所述电池系统中正负电极开路电势与电流之间的关系。所述固相电极中的离子浓度控制方程和边界条件通过以下Fick第二扩散定律来描述：
Figure BDA0002413164780000061
cs为锂离子在固相电极球形粒子中的离子浓度，r为锂离子在球形粒子中球坐标系下的径向维度，t为锂离子时间分布维度，x为锂离子空间分布维度。
所述方程对应的边界条件为：
Figure BDA0002413164780000062
Figure BDA0002413164780000063
Ds为锂离子在固相电极球形粒子中的扩散系数，jLi为正负电极球形粒子表面的电化学反应速率，Rs为球形粒子的最大半径，F为法拉第常数，数值为96487C/mol。
(4)所述非稳态偏微分方程，通过获得固相电极离子浓度对于电流的传递函数解析解得到，并对所述偏微分方程进行Laplace变换并在s域内进行求解，最终可以获得固相电极粒子表面离子浓度Cs(Rs,x,s)对于电化学反应速率JLi(x,s)的传递函数为：
Figure BDA0002413164780000064
(5)所述锂离子电池正负电极与电解液接触部位由于电化学反应将产生一定的过电压，该反应过程可以通过Bulter-Volmer方程进行描述：
Figure BDA0002413164780000065
其中，αa和αc分别是阳极和阴极的传递系数，其数值为0.5。η(x,t)为电极过电压，i0为电极反应交换电流密度。
(6)将所述Bulter-Volmer方程右端的指数函数在零点处进行一阶泰勒展开，并进行Laplace变换可以得到以下关系：
Figure BDA0002413164780000066
N(x,s)为电池电化学反应过电势。
从而可以得到所述锂离子电池电化学模型中经Laplace变换后过电势对电化学反应速率的传递函数：
Figure BDA0002413164780000071
(7)所述电化学方程中的电解液电势控制方程中涉及到电解液电势，同时还有电解液中锂离子浓度，在对方程进行了线性化处理基础之上，简化的方程表达式如下：
Figure BDA0002413164780000072
φe为电解液电势差，ce为锂离子在固相电极球形粒子中的离子浓度，as为电极颗粒比表面积参数。
考虑到所述电解液的有效电导率κeff与所述电解液的有效离子扩散电导率
Figure BDA0002413164780000073
之间存在以下数学关系，在x方向进行一次数学积分操作，可以得到：
Figure BDA0002413164780000074
(8)通过在x方向再进行一次数学积分操作，可以得到所述电化学模型中电解液电势差的表达式为：
Figure BDA0002413164780000075
由于所述电解液中的锂离子分布在电池整个区域，因此所述电解液中锂离子物质守恒方程在电池的负极、隔膜和正极区域分别给出：
负极：
Figure BDA0002413164780000076
隔膜：
Figure BDA0002413164780000077
正极：
Figure BDA0002413164780000078
εe,n为靠近负极电解质溶液的体积分数，
Figure BDA0002413164780000079
为锂离子在固相负极球形粒子中的扩散系数，as,n为负极颗粒比表面积参数，
Figure BDA00024131647800000710
为负极处电化学反应速率，εe,s为电解质溶液的体积分数，
Figure BDA00024131647800000711
为锂离子在电解质中的扩散系数，εe,p为靠近正极电解质溶液的体积分数，
Figure BDA00024131647800000712
为锂离子在固相正极球形粒子中的扩散系数，as,p为正极颗粒比表面积参数，
Figure BDA00024131647800000713
为正极处电化学反应速率。
(9)结合所述电化学反应速率与电流之间的关系可以得到所述电解液电势差对于电流的传递函数：
Figure BDA0002413164780000081
ΔΦe(s)为电池内电势变化率，I(s)为电池电流，Φe(L,s)为电池内电势，Ln为电池内负极位置，Ls为电池内隔膜位置，Lp为电池内正极位置，
Figure BDA0002413164780000082
为负极处电解液的有效电导率，
Figure BDA0002413164780000083
为膈膜处处电解液的有效电导率，
Figure BDA0002413164780000084
为正极处电解液的有效电导率，ce,0为电解液初始浓度。
(10)所述电池电化学模型中的电解液电势差对于输入电流的传递函数参，经过数学处理可以得到电池系统动态电压对于输入电流的传递函数解析解为本发明给出了详细的锂离子电池参数化传递函数模型的具体表达：
Figure BDA0002413164780000085
本发明还提供了一种电池电化学模型转换为可执行C语言代码的方法，将所述简化的电池电化学模型在MATLAB的模块中进行搭建，并将所述连续的数学模型进行离散化处理，离散后所述模型可以转换为可编译的C代码：
(1)首先，将所述基于传递函数类型的二阶动力电池电化学模型采用控制系统的最小实现原理，在MATLAB的Simulink中对电化学模型中的电池电压V、电流I和温度T以及电池内部的各类参数转换后进行模型在Simulink中的搭建。
(2)其次，将所述的MATLAB中的电池电化学模型进行针对连续的积分模块，采用累加器和零阶保持的同时进行离散化处理，以满足所述电池管理系统对数据处理的离散化要求。
(3)最后，将所述在MATLAB中离散化处理后的电池电化学模型进行编译，将所述电池的外部表征参数电压、电流、阻抗和温度与电池内部的电化学参数锂离子浓度、电池开路电压、电池老化表征量固体电解质界面膜SEI、负极锂沉积等建立起数学关系，并进行编译，得到所述电池电化学模型的可执行代码。
本发明还提供了一种将所述电池电化学模型进行转换处理，并将所述模型转换为可执行C代码，再将所述C代码转换为电动汽车车载CANoe可执行的Hex语言方法：
(1)将所述电池电化学模型C语言代码在编译器中进行编译，转换成面向整车控制器可执行的代码。
(2)在CANoe的环境里将所述电池电化学模型代码在编译器中创建一个工程，然后将所述电池电化学模型的C语言代码复制到所述工程的目录之下，用所述编译器对带有模型的工程进行编译。
(3)将所述带有模型的工程编译形成正确的16进制Hex文件，再通过所述CANoe软件和VFlash软件等刷入到电动汽车电池管理系统的BMS控制器中，实现对所述电化学模型在实车环境中的运行。
本发明提供了一种将模型代码带入到车载电池管理系统(BMS)中的方法，并使用此模型对车载动力电池的电池荷电状态(SOC)、电池健康状态(SOH)、电池功率状态(SOP)和电池温度(T)等关键参数进行精准地预测和监控。
其中，所述模型代码由电池电化学模型转换得到，采用的电池电化学模型为电话处理并转化为离散的可执行代码模型，所述模型导入到最终的电池管理系统之后，配合车载BMS中的传感器和状态估计算法，可以对电动汽车车载电池进行精确的SOC、SOH、SOP和温度的预估。
此外，所述电池电化学模型导入到车载电池管理系统中，可以对电池的荷电状态、电池健康、电池功率和温度进行有效地控制，通过配合，所述模型可以控制电池的不良温升和抑制电池老化。
实施例1本发明构建动力锂离子电池电化学模型，使用精确的电池内部电化学参数准确表达电池模型。
模型构建的具体步骤如下：
(1)对电池电化学模型的控制方程在s域内进行求解，假设电池系统的输入为电流I，输出为电压V，得到电池系统的传递函数为：
Figure BDA0002413164780000091
(2)通过得到电池系统中各电压组成部分对于电流I的传递函数，再通过传递函数的相加即可获得电池系统输出电压对于输入电流的传递函数，即电池系统的阻抗模型。
(3)电池系统涉及到的方程呈现非线性关系，在求解过程中获得的传递函数不一定具有有理多项式的形式，因此对所述获得的传递函数进行一定的简化处理，采用Pade逼近方法在给定目标逼近阶数的条件下，Pade逼近法将任意一个函数近似表达成两组有理多项式之比的形式。
(4)电池系统的输出电压中包含有电池正负电极的开路电势，其大小与固相粒子中的表面离子浓度有关。电池正负电极的开路电势是电池正负电极粒子表面离子浓度的函数，电势和正负极表面锂离子浓度之间建立一一对应的关系。把锂离子电池固相粒子表面离子浓度与电极中最大离子浓度的比值通常定义为化学当量。
(5)通过所述建立粒子表面离子浓度与电流之间的关系，便能建立所述电池系统中正负电极开路电势与电流之间的关系。再把固相电极中的离子浓度控制方程和边界条件通过以下Fick第二扩散定律来描述：
Figure BDA0002413164780000101
再把所见方程确立对应的边界条件为：
Figure BDA0002413164780000102
Figure BDA0002413164780000103
(6)通过所建立的非稳态偏微分方程，获得固相电极离子浓度对于电流的传递函数解析解，并对所述偏微分方程进行Laplace变换并在s域内进行求解，最终可以获得固相电极粒子表面离子浓度Cs(Rs,x,s)对于电化学反应速率JLi(x,s)的传递函数为：
Figure BDA0002413164780000104
实施例2本发明电池电化学模型与等效电路模型，通过传递函数建立起直接表达关系。
上述实施例1，构建的电池电化学模型，通过传递函数将电池等效电路模型中的关键电阻和电容参数进行详细地电化学参数表达。
包括具体实施步骤如下：
(1)锂离子电池正负电极与电解液接触部位由于电化学反应将产生一定的过电压，该反应过程可以通过Bulter-Volmer方程进行描述：
Figure BDA0002413164780000111
其中，αa和αc分别是阳极和阴极的传递系数，其数值为0.5。
(2)再把Bulter-Volmer方程右端的指数函数在零点处进行一阶泰勒展开，并进行Laplace变换可以得到以下关系：
Figure BDA0002413164780000112
从而可以得到所述锂离子电池电化学模型中经Laplace变换后过电势对电化学反应速率的传递函数：
Figure BDA0002413164780000113
(3)将电化学方程中的电解液电势控制方程中涉及到电解液电势，同时获得电解液中锂离子浓度，在对方程进行了线性化处理基础之上，简化的方程表达式如下：
Figure BDA0002413164780000114
考虑到所述电解液的有效电导率κeff与所述电解液的有效离子扩散电导率
Figure BDA0002413164780000115
之间存在以下数学关系，在x方向进行一次数学积分操作，可以得到：
Figure BDA0002413164780000116
(4)通过在x方向再进行一次数学积分操作，可以得到所述电化学模型中电解液电势差的表达式为：
Figure BDA0002413164780000117
由于所述电解液中的锂离子分布在电池整个区域，因此所述电解液中锂离子物质守恒方程在电池的负极、隔膜和正极区域分别给出：
负极：
Figure BDA0002413164780000118
隔膜：
Figure BDA0002413164780000119
正极：
Figure BDA00024131647800001110
(5)结合电化学反应速率与电流之间的关系可以得到电池电解液电势差对于电流的传递函数：
Figure BDA0002413164780000121
(6)将电池电化学模型中的电解液电势差对于输入电流的传递函数参，经过数学处理可以得到电池系统动态电压对于输入电流的传递函数解析解，即为详细的锂离子电池参数化传递函数模型的具体表达，表达方式如下：
Figure BDA0002413164780000122
实施例3本发明电池电化学模型转换为可执行C代码，并通过语言转换导入到实车BMS系统中形成可执行的Hex语言。
包括具体以下步骤：
(1)将基于传递函数类型的二阶动力电池电化学模型采用控制系统的最小实现原理，在MATLAB的Simulink模块中对电化学模型中的电池电压V、电流I和温度T以及电池内部的各类参数转换后进行模型在Simulink中的搭建。
(2)把在MATLAB中的电池电化学模型进行针对连续的积分模块处理，采用累加器和零阶保持的同时对电池电化学模型进行离散化处理，以满足电池管理系统对数据处理的离散化要求。
(3)将在MATLAB中离散化处理后的电池电化学模型进行编译，把电池的外部表征参数电压、电流、阻抗和温度与电池内部的电化学参数锂离子浓度、电池开路电压、电池老化表征量固体电解质界面膜SEI、负极锂沉积等建立起数学关系，并进行编译，得到可执行C代码。
(4)将所建立的电池电化学模型C语言代码在可执行编译器中进行编译，转换成面向整车控制器可执行的代码。
(5)在CANoe的环境里将电池电化学模型代码在编译器中创建一个工程，然后再将电池电化学模型的C语言代码复制到所述工程的目录下，用所述编译器对带有模型的工程进行编译。
(6)最后，将带有模型的工程编译形成正确的16进制Hex文件，再通过CANoe软件和VFlash软件等刷入到电动汽车电池管理系统的BMS控制器中，实现建立的电池电化学模型最终在实车环境中的运行。
实车测试试验结果表明，本发明基于电化学模型的车用动力锂电池状态估计构建方法，将基础电池模型设置为锂离子电池电化学模型，包含数学模型中的各参数信息，同时更新电池二阶等效电路模型为对比电池电化学模型后，通过电池内部的电化学参数表达等效电路中的各关键参数。将电化学模型的进行数学解偶产后护理以及模型离散化处理，并将模型代码生成，主要是将数学处理后的电化学模型通过MATLAB等软件工具转化为车载电池管理系统的可执行代码，最后将生成的模型C代码通过CANoe中的Hex等工具导入到车载BMS系统中执行，一方面可以起到对车载电池管理系统电池荷电状态、电池健康状态和电池功率状态都有精确预估的提升，另一方面又可以对电池不良温度变化和电池老化起到消除和抑制的作用，进而提升车载电池的整体表现。
本发明中，所述用于动力电池参数预测的模型具有普适性，在多种电池体系中可直接使用。例如，磷酸铁锂、三元锂电和固态锂电池为动力源的电动汽车电池管理系统，电池电化学模型精度高，系统动态响应性强，实车适用性范围广。
如图1所示的锂离子电池内部发生在负极的副反应机理，主要是锂离子与电解液溶剂之间发生了一系列的化学反应，结合电池负极的副反应方程，建立电池的电化学模型。
如图2所示基于电化学模型的扩展卡尔曼滤波算法计算步骤，首先需要获得电池的RC参数，然后输入电池实验的电压和电流数据，即可估计电池的状态参数，如电池的SOC以及电池的电压。因此，结合递推最小二乘法以及EKF算法，可以建立电池系统的状态参数联合估计。
如图3所示的是在伪二维电化学模型中的正负极浓度、开环电压平台、电解液相电位势以及反应过电势等几个关键电化学状态变量的数学关系，以及最终的输出端电压具体的部分组成，另外，也可以直观地显示电池内部各个电化学作用的相互影响。
如图4所示的是整个模型到车载BMS系统的实施流程图，分析对比不同模型对电池特性估测的准确度和实时性能，结合不同模型的优缺点获得优化的结合建模方法，通过仿真、实验、实时系统验证模型的精确性，最终编码模型导入到车载BMS系统中实现对荷电状态估测精度的提高。
在上述一种基于电化学模型的动力锂电池状态估计构建方法的基础上，本发明还提供一种基于电化学模型的动力锂电池状态估计构建系统，包括：
电化学模型构建模块：构建动力锂电池的电化学模型。
等效电路模型构建模块：将所述电化学模型与动力锂电池的等效电路模型相匹配。
代码生成模块：将所述等效电路模型经过仿真转换为可执行代码导入电池管理系统进行动力锂电池状态估计。
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及其各个装置、模块、单元以外，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及其各个装置、模块、单元以逻辑门、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功能。所以，本发明提供的系统及其各项装置、模块、单元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功能的装置、模块、单元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装置、模块、单元视为既可以是实现方法的软件模块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 (10)

1.一种基于电化学模型的动力锂电池状态估计构建方法，其特征在于，包括：
电化学模型构建步骤：构建动力锂电池的电化学模型；
等效电路模型构建步骤：将所述电化学模型与动力锂电池的等效电路模型相匹配；
代码生成步骤：将所述等效电路模型经过仿真转换为可执行代码导入电池管理系统进行动力锂电池状态估计。
2.根据权利要求1所述的基于电化学模型的动力锂电池状态估计构建方法，其特征在于，所述模型构建步骤通过对动力锂电池内部各部分表达的偏微分控制方程的建模、求解与简化获得。
3.根据权利要求1所述的基于电化学模型的动力锂电池状态估计构建方法，其特征在于，所述等效电路模型构建步骤包括：
通过以动力锂电池的电化学参数表达等效电路模型中的各个RC参数，建立传递函数模型与等效电路模型之间的参数传递关系。
4.根据权利要求3所述的基于电化学模型的动力锂电池状态估计构建方法，其特征在于，将动力锂电池的内部电化学反应控制方程进行变换求解，建立电池端电压对电压的传递函数；再将电化学模型的传递函数与等效电路模型的传递函数进行对比匹配，获得以电化学机理为基础的等效电路模型。
5.根据权利要求3所述的基于电化学模型的动力锂电池状态估计构建方法，其特征在于，所述传递函数模型通过递推最小二乘法估测出等效电路模型中的RC参数，再利用模型之间传递函数式的相似性推算出动力锂电池的参数。
6.一种基于电化学模型的动力锂电池状态估计构建系统，其特征在于，包括：
电化学模型构建模块：构建动力锂电池的电化学模型；
等效电路模型构建模块：将所述电化学模型与动力锂电池的等效电路模型相匹配；
代码生成模块：将所述等效电路模型经过仿真转换为可执行代码导入电池管理系统进行动力锂电池状态估计。
7.根据权利要求6所述的基于电化学模型的动力锂电池状态估计构建系统，其特征在于，所述模型构建模块通过对动力锂电池内部各部分表达的偏微分控制方程的建模、求解与简化获得。
8.根据权利要求6所述的基于电化学模型的动力锂电池状态估计构建系统，其特征在于，所述等效电路模型构建模块包括：
通过以动力锂电池的电化学参数表达等效电路模型中的各个RC参数，建立传递函数模型与等效电路模型之间的参数传递关系。
9.根据权利要求8所述的基于电化学模型的动力锂电池状态估计构建系统，其特征在于，将动力锂电池的内部电化学反应控制方程进行变换求解，建立电池端电压对电压的传递函数；再将电化学模型的传递函数与等效电路模型的传递函数进行对比匹配，获得以电化学机理为基础的等效电路模型。
10.根据权利要求8所述的基于电化学模型的动力锂电池状态估计构建系统，其特征在于，所述传递函数模型通过递推最小二乘法估测出等效电路模型中的RC参数，再利用模型之间传递函数式的相似性推算出动力锂电池的参数。
CN202010182838.2A 2020-03-16 2020-03-16 基于电化学模型的动力锂电池状态估计构建系统及方法 Active CN111239610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010182838.2A CN111239610B (zh) 2020-03-16 2020-03-16 基于电化学模型的动力锂电池状态估计构建系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010182838.2A CN111239610B (zh) 2020-03-16 2020-03-16 基于电化学模型的动力锂电池状态估计构建系统及方法

Publications (2)

Publication Number Publication Date
CN111239610A true CN111239610A (zh) 2020-06-05
CN111239610B CN111239610B (zh) 2021-05-25

Family

ID=70864878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010182838.2A Active CN111239610B (zh) 2020-03-16 2020-03-16 基于电化学模型的动力锂电池状态估计构建系统及方法

Country Status (1)

Country Link
CN (1) CN111239610B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112417725A (zh) * 2020-11-20 2021-02-26 苏州凌威新能源科技有限公司 负极片孔隙率的设计方法
CN113420430A (zh) * 2021-06-11 2021-09-21 上海交通大学 基于电化学模型的动力锂电池老化模型构建方法
CN113933713A (zh) * 2021-09-01 2022-01-14 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
CN115951236A (zh) * 2023-02-27 2023-04-11 上海玫克生储能科技有限公司 锂电池状态监测方法及系统、装置、存储介质
CN116660752A (zh) * 2023-05-29 2023-08-29 广州汽车集团股份有限公司 电池界面反应电压修正方法、装置、可读介质及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20140333317A1 (en) * 2013-05-08 2014-11-13 GM Global Technology Operations LLC Battery state estimator combining electrochemical solid-state concentration model with empirical equivalent-circuit model
CN108663619A (zh) * 2017-03-27 2018-10-16 宁德时代新能源科技股份有限公司 确定电池工作电压曲线的方法、装置和设备
CN110261779A (zh) * 2019-06-25 2019-09-20 西安石油大学 一种三元锂电池荷电状态与健康状态在线协同估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140333317A1 (en) * 2013-05-08 2014-11-13 GM Global Technology Operations LLC Battery state estimator combining electrochemical solid-state concentration model with empirical equivalent-circuit model
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
CN108663619A (zh) * 2017-03-27 2018-10-16 宁德时代新能源科技股份有限公司 确定电池工作电压曲线的方法、装置和设备
CN110261779A (zh) * 2019-06-25 2019-09-20 西安石油大学 一种三元锂电池荷电状态与健康状态在线协同估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨俊等: "锂电池电化学传递函数模型建模及参数辨识", 《电源技术》 *
路金玲: "基于电化学机理的车用锂电池电气建模与参数辨识", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112417725A (zh) * 2020-11-20 2021-02-26 苏州凌威新能源科技有限公司 负极片孔隙率的设计方法
CN113420430A (zh) * 2021-06-11 2021-09-21 上海交通大学 基于电化学模型的动力锂电池老化模型构建方法
CN113933713A (zh) * 2021-09-01 2022-01-14 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
WO2023030024A1 (zh) * 2021-09-01 2023-03-09 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
CN115951236A (zh) * 2023-02-27 2023-04-11 上海玫克生储能科技有限公司 锂电池状态监测方法及系统、装置、存储介质
CN115951236B (zh) * 2023-02-27 2024-03-22 上海玫克生储能科技有限公司 锂电池状态监测方法及系统、装置、存储介质
CN116660752A (zh) * 2023-05-29 2023-08-29 广州汽车集团股份有限公司 电池界面反应电压修正方法、装置、可读介质及电子设备
CN116660752B (zh) * 2023-05-29 2024-03-19 广州汽车集团股份有限公司 电池界面反应电压修正方法、装置、可读介质及电子设备

Also Published As

Publication number Publication date
CN111239610B (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN111239610B (zh) 基于电化学模型的动力锂电池状态估计构建系统及方法
Corno et al. Electrochemical model-based state of charge estimation for Li-ion cells
Xiong et al. An electrochemical model based degradation state identification method of Lithium-ion battery for all-climate electric vehicles application
CN113933713B (zh) 基于电化学模型的固态锂电池状态估计方法及系统
Li et al. State-of-charge estimation tolerant of battery aging based on a physics-based model and an adaptive cubature Kalman filter
Liu et al. Joint estimation of battery state-of-charge and state-of-health based on a simplified pseudo-two-dimensional model
Zheng et al. Co-estimation of state-of-charge, capacity and resistance for lithium-ion batteries based on a high-fidelity electrochemical model
Zou et al. A framework for simplification of PDE-based lithium-ion battery models
Gao et al. Implementation and evaluation of a practical electrochemical-thermal model of lithium-ion batteries for EV battery management system
Lin et al. Evaluation of electrochemical models based battery state-of-charge estimation approaches for electric vehicles
Ouyang et al. An online prediction of capacity and remaining useful life of lithium-ion batteries based on simultaneous input and state estimation algorithm
Farag Lithium-ion batteries: Modelling and state of charge estimation
Ansari et al. Discharge, rest and charge simulation of lead-acid batteries using an efficient reduced order model based on proper orthogonal decomposition
Ménard et al. Dynamic energy model of a lithium-ion battery
Shi et al. State of charge estimation by joint approach with model-based and data-driven algorithm for lithium-ion battery
Wang et al. Lithium-ion battery equivalent model over full-range state of charge based on electrochemical process simplification
Tang et al. State-of-charge estimation for lithium-ion batteries via a coupled thermal-electrochemical model
Miguel et al. Electrochemical model and sigma point Kalman filter based online oriented battery model
Limoge et al. A reduced-order model of a lithium-ion cell using the absolute nodal coordinate formulation approach
Zhang et al. Identification of dynamic model parameters for lithium-ion batteries used in hybrid electric vehicles
Xu et al. State estimation of lithium batteries for energy storage based on dual extended kalman filter
Guo et al. An Adaptive Approach for Battery State of Charge and State of Power Co-Estimation With a Fractional-Order Multi-Model System Considering Temperatures
Tian et al. Parallel-connected battery module modeling based on physical characteristics in multiple domains and heterogeneous characteristic analysis
Park et al. Estimation of cyclable lithium for li-ion battery state-of-health monitoring
Wen et al. Online parameter identification of the lithium-ion battery with refined instrumental variable estimation

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