基于优化电化学模型的锂电池SOC和SOH估计方法
摘要文本
本发明涉及锂离子电池技术领域，且公开了一种基于优化电化学模型的锂电池SOC和SOH估计方法，通过建立优化电化学模型并使用ABC算法进行参数辨识，构建全温度下的优化电化学模型，之后融入SRCKF算法，进行SOH估算，并对电池可用容量实时更新，从而对剩余电荷的可用容量SOC进行在线估算。本发明所述方法在降低传统P2D模型阶数的同时，采用RC网络结构表征电池内部极化现象，大大减小电化学模型复杂度，提高计算效率，利用SRCKF观测器实现锂离子电池容量衰退的强非线性特征准确估算，观测器产生的SOH预测误差和SOC估算误差较小，实现了全温度全生命周期内锂电池SOC/SOH的高效联合估算。
申请人信息
- 申请人:昆明理工大学
- 申请人地址:650093 云南省昆明市一二一大街文昌路68号
- 发明人: 昆明理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于优化电化学模型的锂电池SOC和SOH估计方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410141225.2 |
| 申请日 | 2024/2/1 |
| 公告号 | CN117686919A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G01R31/367 |
| 权利人 | 昆明理工大学 |
| 发明人 | 申江卫; 周灿彪; 陈峥; 沈世全; 夏雪磊 |
| 地址 | 云南省昆明市五华区学府路253号 |
专利主权项内容
1.一种基于优化电化学模型的锂电池SOC和SOH估计方法，其特征在于：包括以下步骤：S1、建立优化电化学模型：通过两种不同方法对固相和液相扩散方程进行简化，并在极化部分采用两个RC网络结构进行代替，用于降低电化学模型的复杂度；S2、使用ABC算法对五个极化参数进行辨识，用于实现模型参数在不同放电深度和不同温度条件下的自适应选择；S3、基于步骤S1和步骤S2构建全温度下的优化电化学模型；S4、利用SRCKF算法构建SOH观测器，进行SOH实时估算，并对电池可用容量实时更新；S5、基于容量更新后的安时积分法对剩余电荷的可用容量SOC进行在线闭环估算；所述步骤S4中的SRCKF观测器预测SOH并实时更新容量的具体方法如下：S4.1、将最大表面锂离子浓度的损失转化为观测模型的老化因素，设置参数作为负极观测器的附加状态；S4.2、为得到S4.1所述状态，对固相扩散方程进行拉普拉斯变换，表达式如下：
；其中， 为拉氏变换的输入信号的时间长度，/>为固相扩散系数，/> 为粒子颗粒半径，/> 表示表面锂离子浓度， /> 为锂离子孔壁流量密度，/> 表示正负电极单位体积有效反应面积，/>是法拉第常数，/>表示双曲正切函数；S4.3、采用三阶Padé将S4.2中的表达式转化为多项式传递函数，具体表达式为 :
；其中， 为锂离子孔壁流量密度，/> 表示表面锂离子浓度；S4.4、利用类比开环框架简化SRCKF观测器，重新修正状态空间方程，其中重新修正状态空间方程具体表达式如下：
；其中，，/>和/>分别表示电池正负极，/>和/>分别表示系统的过程激励噪声和观测噪声，/>是输入电流，/>表示极化电压，/>为解液相电势差，/>表示系统状态变量，/>表示/>的导数，/>表示平均最大表面锂离子浓度，/>表示开路电压，/>表示状态空间方程的状态矩阵，/>表示状态空间方程的控制矩阵, />为端电压，/>为最大表面锂离子浓度。