CN113933713B - 基于电化学模型的固态锂电池状态估计方法及系统 - Google Patents
基于电化学模型的固态锂电池状态估计方法及系统 Download PDFInfo
- Publication number
- CN113933713B CN113933713B CN202111022903.6A CN202111022903A CN113933713B CN 113933713 B CN113933713 B CN 113933713B CN 202111022903 A CN202111022903 A CN 202111022903A CN 113933713 B CN113933713 B CN 113933713B
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- state
- electrochemical
- solid
- 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
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 61
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 229910001416 lithium ion Inorganic materials 0.000 claims description 56
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 51
- 238000012546 transfer Methods 0.000 claims description 46
- 239000003792 electrolyte Substances 0.000 claims description 43
- 150000002500 ions Chemical class 0.000 claims description 25
- 239000002245 particle Substances 0.000 claims description 18
- 238000003487 electrochemical reaction Methods 0.000 claims description 17
- 239000007790 solid phase Substances 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 17
- 239000007787 solid Substances 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 10
- 230000036541 health Effects 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 239000008151 electrolyte solution Substances 0.000 claims description 4
- 239000000243 solution Substances 0.000 claims description 4
- 239000012798 spherical particle Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000003411 electrode reaction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 23
- 230000032683 aging Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000002431 foraging effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007086 side reaction Methods 0.000 description 2
- 239000007784 solid electrolyte Substances 0.000 description 2
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052809 inorganic oxide Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供了一种基于电化学模型的固态锂电池状态估计方法及系统，包括模型构建步骤：构建动力固态锂电池的电化学模型；代码生成步骤：将所述电化学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固态锂电池状态估计。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。
Description
技术领域
本发明涉及电池状态估计的技术领域，具体地，涉及一种基于电化学模型的固态锂电池状态估计方法及系统。
背景技术
作为极有可能成为下一代电动汽车动力能源系统的固态锂离子电池，当前的研究已经接近实车应用和规模化量产。但是，基于传统实车电池管理系统中使用等效电路模型估计和管理电池状态，难以将固态电池的高能量密度和高功率密度的优点完全发挥出来。因此，需要基于固态电池内部实际的电化学原理，设计一套全新的电化学模型管理方法，以此来实现对动力固态电池全效能发挥。
此外，尽管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的各项功能中固态电池荷电状态(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。
公开号为CN104899439A的中国发明专利文件公开了一种液态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。该文件采用三参数抛物线方法，简化了锂离子电池单粒子模型的结构；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，辨识速度快，得到了全局最优解；该文件为锂离子电池状态估计，寿命预测，特性分析提供理论支持。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多孔电极模型，而固态电池与电解质有明显的交界面，反应只在交界面发生，所以需要一种新的模型来描述。
针对上述中的现有技术，发明人认为传统实车电池管理系统中使用等效电路模型估计和管理电池状态，难以将固态电池的高能量密度和高功率密度的优点完全发挥出来，较难准确表达电池真实运行状态。
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固态锂电池状态估计方法及系统。
根据本发明提供的一种基于电化学模型的固态锂电池状态估计方法，包括如下步骤：
模型构建步骤：构建动力固态锂电池的电化学模型；
代码生成步骤：将所述电化学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固态锂电池状态估计。
优选的，所述模型构建步骤包括：构建所述电化学模型包括建立动力固定锂离子电池输出电压与输入电流之间的传递函数。
优选的，所述模型构建步骤包括：将所述动力固态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，再通过对传递函数进行降阶获得基于电化学参数的有理式传递函数。
优选的，所述模型构建步骤包括：所述电化学模型通过对动力固态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。
优选的，所述电化学模型进行数学解偶和模型离散化处理生成模型代码，将模型代码带入到电池管理系统进行动力固定态锂电池的状态估计；所述动力固态锂电池的状态包括电池荷电状态、电池健康状态、电池功率状态和电池温度。
根据本发明提供的一种基于电化学模型的固态锂电池状态估计系统，包括如下模块：
模型构建模块：构建动力固态锂电池的电化学模型；
代码生成模块：将所述电化学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固态锂电池状态估计。
优选的，所述模型构建模块包括：构建所述电化学模型包括建立动力固定锂离子电池输出电压与输入电流之间的传递函数。
优选的，所述模型构建模块包括：将所述动力固态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，再通过对传递函数进行降阶获得基于电化学参数的有理式传递函数。
优选的，所述模型构建模块包括：所述电化学模型通过对动力固态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。
优选的，所述电化学模型进行数学解偶和模型离散化处理生成模型代码，将模型代码带入到电池管理系统进行动力固定态锂电池的状态估计；所述动力固态锂电池的状态包括电池荷电状态、电池健康状态、电池功率状态和电池温度。
与现有技术相比，本发明具有如下的有益效果：
1、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；
2、本发明的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；电池状态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；
3、本发明基于电化学模型的车用动力固态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，为电动汽车电池管理方面提供了良好应用前景，比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为本发明流程图；
图2为动力固态锂离子电池电化学模型内部电池结构原理图。
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。
本发明实施例公开了一种基于电化学模型的动力固态锂电池状态估计方法及系统，如图1和图2所示，包括如下步骤：
模型构建步骤：构建动力固态锂电池的电化学模型。构建电化学模型包括建立动力固定锂离子电池输出电压与输入电流之间的传递函数。将动力固态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，再通过对传递函数进行降阶获得基于电化学参数的有理式传递函数。电化学模型通过对动力固态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。模型可精确的表达电池内部真实结构和反应状态。
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：
其中，s至sn与s至sm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，I(s)为输入电流的拉普拉斯变换，V(s)为输出电压的拉普拉斯变换，n表示帕徳近似分子部分的项数，m表示表示帕徳近似分母部分的项数。
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。模型构建步骤包括：(1)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)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，电势和正负极表面锂离子浓度之间存在一一对应的关系。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
其中，cs,sur为表面锂离子浓度，cs,max为最大锂离子浓度。
(3)通过建立粒子表面离子浓度与电流之间的关系，便能建立电池系统中正负电极开路电势与电流之间的关系。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：
cs为锂离子在固相电极球形粒子中的离子浓度，t为锂离子时间分布维度，x为锂离子空间分布维度，
为变分号，cs(x,t)表示电极坐标x处t时锂离子在固相电极的离子浓度，/>
表示t的变分，/>
表示x的变分，/>
表示cs(x,t)的变分。
方程对应的边界条件为：
Ds为锂离子在固相电极球形粒子中的扩散系数，jLi(x,t)为正负电极的在x处t时的电化学反应速率，Ls为电极厚度，F为法拉第常数，数值为96487C/mol。
(4)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，并对偏微分方程进行Laplace变换(拉普拉斯变换)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(0,s)与Cs(x＝Ls,s)对于电化学反应速率JLi(x,s)的传递函数为：
式中JLi(s)为JLi(x,s)的拉普拉斯变换。
(5)锂离子电池正负电极与电解质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(巴特勒–褔尔默方程)进行描述：
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，R为理想气体常数，大小为8.3143J/(mol·K)，T为热力学温度。
(6)将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：
N(x,s)为电池电化学反应过电势。
从而可以得到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：
(7)电化学方程中的电解质电势控制方程中涉及到电解质电势，同时还有电解质中锂离子浓度，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：
φe(x,t)为在电解质x处时间t的电解质电势差，ce(x,t)为电解质x处时间t的锂离子的离子浓度，as为电极颗粒比表面积参数，
表示电解质的有效离子扩散电导率。
在x方向进行一次数学积分操作，可以得到：
式中
表示锂离子在电解液中考虑电解质溶液速率的离子转移速率，/>
表示φe(x,t)的变分，/>
表示ce(x,t)的变分，ξ表示积分因子。
(8)通过在x方向再进行一次数学积分操作，可以得到电化学模型中电解质电势差的表达式为：
式中L为电解质区域长度，κeff为电解质的有效电导率，I(t)为外载电流，
表示ce(ξ,t)的变分，ce(ξ,t)为电解质ξ处时间t的锂离子的离子浓度，/>
表示ξ的变分，ξ表示积分因子。
由于电解质中的锂离子分布在电池整个区域，因此电解质中锂离子物质守恒方程：
(9)结合电化学反应速率与电流之间的关系可以得到电解质电势差对于电流的传递函数：
ΔΦe(s)为电池内电势变化率，I(s)为电池电流拉普拉斯变换，Φe(L,s)为电池内电势，A为极板面积，L为电解质区域长度，κeff为电解质的有效电导率，ce,0为电解质初始浓度,Ce(L,s)为电解液浓度在L处的拉普拉斯变换，
分别为正负极的反应速率。
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。
代码生成步骤：将电化学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固态锂电池状态估计。电化学模型进行数学解偶和模型离散化处理生成模型代码，将模型代码带入到电池管理系统进行动力固定态锂电池的状态估计；动力固态锂电池的状态包括电池荷电状态、电池健康状态、电池功率状态和电池温度。电化学模型的处理包括数学解偶以及模型离散化处理。
代码生成步骤包括电池电化学模型转换为可执行C语言代码的步骤，将简化的电池电化学模型在MATLAB(matrix和laboratory两个词的组合，意为矩阵工厂)的模块中进行搭建，并将连续的数学模型进行离散化处理，离散后模型可以转换为可编译的C代码：(1)首先，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，以满足电池管理系统对数据处理的离散化要求。(3)最后，将在MATLAB中离散化处理后的电池电化学模型进行编译，将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，得到电池电化学模型的可执行代码。Simulink是一种可视化仿真工具，一个模块图环境。
代码生成步骤还包括将电池电化学模型进行转换处理，并将模型转换为可执行C代码，再将C代码转换为电动汽车车载CANoe可执行的Hex语言步骤：(1)将电池电化学模型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的环境里将电池电化学模型代码在编译器中创建一个工程，然后将电池电化学模型的C语言代码复制到工程的目录之下，用编译器对带有模型的工程进行编译。(3)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软件等刷入到电动汽车电池管理系统的BMS控制器中，实现对电化学模型在实车环境中的运行。CANoe英文全称CAN open environment，中文译文为总线开发环境。Hex全称为Intel HEX，文件由一行行符合Intel HEX文件格式的文本所构成的ASCII文本文件。
代码生成步骤还包括将模型代码带入到车载电池管理系统(BMS)中的步骤，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，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简化处理并转化为离散的可执行代码模型，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的预估。
此外，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，模型可以控制电池的不良温升和抑制电池老化。
本发明构建动力固态锂电池的电化学模型；构建地电化学模型进行数学变换，转换为电化学参数表达的等效电路模式；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固态锂电池状态估计。本发明具有广泛地应用性，可适用于各种类型固态锂电池(固态锂电池的类型例如无机氧化物型、硫化物型和高分子聚合物型)。
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固态锂电池状态估计构建方法，将基础电池模型设置为固态电解质锂离子电化学模型，包含数学模型中的各参数信息。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，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2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质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。图中y表示以极板面积法线为方向的固态电池厚度坐标。
在伪二维电化学模型中的正负极浓度、开环电压平台、电解质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。
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固态锂电池状态估计方法，其特征在于，包括如下步骤：
模型构建步骤：构建动力固态锂电池的电化学模型；
代码生成步骤：将所述电化学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固态锂电池状态估计；
模型构建步骤包括：
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G(s)为：
其中，s至sn与s至sm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，I(s)为输入电流的拉普拉斯变换，V(s)为输出电压的拉普拉斯变换，n表示帕徳近似分子部分的项数，m表示表示帕徳近似分母部分的项数；
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；
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；
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，电势和正负极表面锂离子浓度之间存在一一对应的关系；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
，其中，cs,sur为表面锂离子浓度，cs,max为最大锂离子浓度；
通过建立粒子表面离子浓度与电流之间的关系，便能建立电池系统中正负电极开路电势与电流之间的关系；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：
cs为锂离子在固相电极球形粒子中的离子浓度，t为锂离子时间分布维度，x为锂离子空间分布维度，
为变分号，cs(x,t)表示电极坐标x处t时锂离子在固相电极的离子浓度，/>
表示t的变分，/>
表示x的变分，/>
表示cs(x,t)的变分；
方程对应的边界条件为：
Ds为锂离子在固相电极球形粒子中的扩散系数，jLi(χ,t)为正负电极的在χ处t时的电化学反应速率，Ls为电极厚度，F为法拉第常数，数值为96487C/mol；
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(0,s)与Cs(x＝Ls,s)对于电化学反应速率JLi(x,s)的传递函数为：
式中JLi(s)为JLi(x,s)的拉普拉斯变换；
锂离子电池正负电极与电解质接触部位由于电化学反应将产生一定的过电压，该反应过程通过Bulter-Volmer方程，即巴特勒–褔尔默方程，进行描述：
其中，aa和ac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，R为理想气体常数，大小为8.3143J/(mol·K)，T为热力学温度；
将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：
N(x,s)为电池电化学反应过电势；
从而可以得到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：
电化学方程中的电解质电势控制方程中涉及到电解质电势，同时还有电解质中锂离子浓度，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：
φe(χ,t)为在电解质x处时间t的电解质电势差，ce(χ,t)为电解质x处时间t的锂离子的离子浓度，as为电极颗粒比表面积参数，
表示电解质的有效离子扩散电导率；
在x方向进行一次数学积分操作，可以得到：
式中
表示锂离子在电解液中考虑电解质溶液速率的离子转移速率，/>
表示φe(χ,t)的变分，/>
表示ce(x,t)的变分，ξ表示积分因子；
通过在x方向再进行一次数学积分操作，可以得到电化学模型中电解质电势差的表达式为：
式中L为电解质区域长度，Keff为电解质的有效电导率，I(t)为外载电流，
表示ce(ξ,t)的变分，ce(ξ,t)为电解质ξ处时间t的锂离子的离子浓度，/>
表示ξ的变分，ξ表示积分因子；
由于电解质中的锂离子分布在电池整个区域，因此电解质中锂离子物质守恒方程：
结合电化学反应速率与电流之间的关系可以得到电解质电势差对于电流的传递函数：
ΔΦe(s)为电池内电势变化率，I(s)为电池电流拉普拉斯变换，φe(L,s)为电池内电势，A为极板面积，L为电解质区域长度，Keff为电解质的有效电导率，ce,0为电解质初始浓度,Ce(L,s)为电解液浓度在L处的拉普拉斯变换，
分别为正负极的反应速率。
2.根据权利要求1所述的基于电化学模型的固态锂电池状态估计方法，其特征在于，所述模型构建步骤包括：构建所述电化学模型包括建立动力固定锂离子电池输出电压与输入电流之间的传递函数。
3.根据权利要求2所述的基于电化学模型的固态锂电池状态估计方法，其特征在于，所述模型构建步骤包括：将所述动力固态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，再通过对传递函数进行降阶获得基于电化学参数的有理式传递函数。
4.根据权利要求1所述的基于电化学模型的固态锂电池状态估计方法，其特征在于，所述模型构建步骤包括：所述电化学模型通过对动力固态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。
5.根据权利要求1所述的基于电化学模型的固态锂电池状态估计方法，其特征在于，所述电化学模型进行数学解偶和模型离散化处理生成模型代码，将模型代码带入到电池管理系统进行动力固定态锂电池的状态估计；所述动力固态锂电池的状态包括电池荷电状态、电池健康状态、电池功率状态和电池温度。
6.一种基于电化学模型的固态锂电池状态估计系统，其特征在于，根据权利要求1-5任一所述的基于电化学模型的固态锂电池状态估计方法，包括如下模块：
模型构建模块：构建动力固态锂电池的电化学模型；
代码生成模块：将所述电化学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固态锂电池状态估计。
7.根据权利要求6所述的基于电化学模型的固态锂电池状态估计系统，其特征在于，所述模型构建模块包括：构建所述电化学模型包括建立动力固定锂离子电池输出电压与输入电流之间的传递函数。
8.根据权利要求7所述的基于电化学模型的固态锂电池状态估计系统，其特征在于，所述模型构建模块包括：将所述动力固态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，再通过对传递函数进行降阶获得基于电化学参数的有理式传递函数。
9.根据权利要求6所述的基于电化学模型的固态锂电池状态估计系统，其特征在于，所述模型构建模块包括：所述电化学模型通过对动力固态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。
10.根据权利要求6所述的基于电化学模型的固态锂电池状态估计系统，其特征在于，所述电化学模型进行数学解偶和模型离散化处理生成模型代码，将模型代码带入到电池管理系统进行动力固定态锂电池的状态估计；所述动力固态锂电池的状态包括电池荷电状态、电池健康状态、电池功率状态和电池温度。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111022903.6A CN113933713B (zh) | 2021-09-01 | 2021-09-01 | 基于电化学模型的固态锂电池状态估计方法及系统 |
| KR1020247010146A KR20240055027A (ko) | 2021-09-01 | 2022-08-18 | 전기화학 모델에 기반한 고체상 리튬 전지 상태 추정방법 및 시스템 |
| PCT/CN2022/113367 WO2023030024A1 (zh) | 2021-09-01 | 2022-08-18 | 基于电化学模型的固态锂电池状态估计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111022903.6A CN113933713B (zh) | 2021-09-01 | 2021-09-01 | 基于电化学模型的固态锂电池状态估计方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113933713A CN113933713A (zh) | 2022-01-14 |
| CN113933713B true CN113933713B (zh) | 2023-07-11 |
Family
ID=79274780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111022903.6A Active CN113933713B (zh) | 2021-09-01 | 2021-09-01 | 基于电化学模型的固态锂电池状态估计方法及系统 |
Country Status (3)
| Country | Link |
|---|---|
| KR (1) | KR20240055027A (zh) |
| CN (1) | CN113933713B (zh) |
| WO (1) | WO2023030024A1 (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN115241551A (zh) * | 2022-06-17 | 2022-10-25 | 上海玫克生储能科技有限公司 | 一种锂电池自放电检测方法、系统、终端设备及存储介质 |
| CN115062474B (zh) * | 2022-06-17 | 2023-01-06 | 上海玫克生储能科技有限公司 | 一种锂电池的工况仿真方法、系统、终端设备及存储介质 |
| 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 |
| CN117129878B (zh) * | 2023-10-25 | 2024-03-29 | 宁德时代新能源科技股份有限公司 | 确定电池机理模型参数值的方法、装置和电子设备 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2949565B1 (fr) * | 2009-09-02 | 2012-12-21 | Inst Francais Du Petrole | Methode amelioree pour estimer les caracteristiques non mesurables d'un systeme electrochimique |
| CN104991980B (zh) * | 2014-10-31 | 2018-09-25 | 吉林大学 | 锂离子电池的电化学机理建模方法 |
| US10566811B2 (en) * | 2017-01-11 | 2020-02-18 | Samsung Electronics Co., Ltd. | Method and apparatus estimating and controlling battery state |
| CN107066722B (zh) * | 2017-04-06 | 2020-07-07 | 北京理工大学 | 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法 |
| CN110412483A (zh) * | 2019-05-06 | 2019-11-05 | 西安理工大学 | 一种基于互联观测器的车用锂电池荷电状态估计方法 |
| CN110888057B (zh) * | 2019-11-27 | 2020-11-17 | 上海交通大学 | 一种动力锂离子电池电化学参数辨识方法及系统 |
| CN111177924B (zh) * | 2019-12-27 | 2020-10-23 | 曾锦全 | 一种固态电池性能模型的建立方法及固态电池性能的预测方法 |
| CN111239610B (zh) * | 2020-03-16 | 2021-05-25 | 上海交通大学 | 基于电化学模型的动力锂电池状态估计构建系统及方法 |
| 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 |
-
2021
- 2021-09-01 CN CN202111022903.6A patent/CN113933713B/zh active Active
-
2022
- 2022-08-18 KR KR1020247010146A patent/KR20240055027A/ko unknown
- 2022-08-18 WO PCT/CN2022/113367 patent/WO2023030024A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023030024A1 (zh) | 2023-03-09 |
| CN113933713A (zh) | 2022-01-14 |
| KR20240055027A (ko) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113933713B (zh) | 基于电化学模型的固态锂电池状态估计方法及系统 | |
| Xiong et al. | An electrochemical model based degradation state identification method of Lithium-ion battery for all-climate electric vehicles application | |
| 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 | |
| Wang et al. | A review of key issues for control and management in battery and ultra-capacitor hybrid energy storage systems | |
| Corno et al. | Electrochemical model-based state of charge estimation for Li-ion cells | |
| Berrueta et al. | A comprehensive model for lithium-ion batteries: From the physical principles to an electrical model | |
| Gao et al. | Implementation and evaluation of a practical electrochemical-thermal model of lithium-ion batteries for EV battery management system | |
| Yuan et al. | A transfer function type of simplified electrochemical model with modified boundary conditions and Padé approximation for Li-ion battery: Part 1. lithium concentration estimation | |
| Zheng et al. | Co-estimation of state-of-charge, capacity and resistance for lithium-ion batteries based on a high-fidelity electrochemical model | |
| Smith | Electrochemical control of lithium-ion batteries [applications of control] | |
| CN110888057B (zh) | 一种动力锂离子电池电化学参数辨识方法及系统 | |
| Farag et al. | Continuous piecewise-linear, reduced-order electrochemical model for lithium-ion batteries in real-time applications | |
| Mehta et al. | An improved single-particle model with electrolyte dynamics for high current applications of lithium-ion cells | |
| CN111595485B (zh) | 一种基于降阶模型的锂离子电池在线温度分布观测器设计方法 | |
| Loukil et al. | A real-time estimator for model parameters and state of charge of lead acid batteries in photovoltaic applications | |
| Wang et al. | Health diagnosis for lithium-ion battery by combining partial incremental capacity and deep belief network during insufficient discharge profile | |
| Zhao et al. | A highly efficient reduced order electrochemical model for a large format LiMn2O4/Carbon polymer battery for real time applications | |
| Vetter et al. | Rechargeable batteries with special reference to lithium-ion batteries | |
| Miguel et al. | Electrochemical model and sigma point Kalman filter based online oriented battery model | |
| Liu et al. | Can an identifiability-optimizing test protocol improve the robustness of subsequent health-conscious lithium-ion battery control? an illustrative case study | |
| Sarkar et al. | Chemo-economic analysis of battery aging and capacity fade in lithium-ion battery | |
| CN114757026B (zh) | 一种全工况多尺度动力锂电池电化学耦合建模方法 | |
| Zhang et al. | Identification of dynamic model parameters for lithium-ion batteries used in hybrid electric vehicles | |
| Li et al. | Linear parameter-varying modeling and identification of lithium-ion battery for control-oriented applications | |
| Tian et al. | Parallel-connected battery module modeling based on physical characteristics in multiple domains and heterogeneous characteristic analysis |
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 |