基于分段线性时变模型的锂电池放电过程建模



基于分段线性时变模型的锂电池放电过程建模

与铅酸电池、镍氢电池等其它类型电池相比，锂电池具有较高的功率密度和能量密度、较低的自放电率、高循环寿命、且没有记忆效应，因而被广泛用于混合动力汽车。电池模型在电池设计、制造以及应用中是至关重要的。电池放电模型是建立电池模型的一个关键组成，放电模型可以用来预测电池放电时间，基于此制定电池管理系统策略可以对混合动力汽车动力系统进行优化，改善其燃油经济性并减少有害物质排放。

目前，常用的电池放电模型可以分为经验模型、神经网络模型和等效电路模型3类。经验模型和神经网络模型通常精度较低、且需要进行定期的调整和校准，而等效电路模型精度较高，且可以很好地解释锂电池放电的非线性特性和时变特性，但是这种模型固有的复杂性较高，因此在等效电路模型的基础上对其进行简化。锂电池放电过程的非线性是由电化学电池的非线性特性决定的，而时变特性是根据放电特性随负荷、荷电状态和健康程度的变化而变化来决定的，因而所建立的模型必须能反映上述特性。因此，选择分段线性时变模型，模型由多段线性时不变方程组成，组成方程的系数会随时间变化而变化。使用欧拉和零阶保持逼近方法将连续电池模型离散化。将每个分段方程表示为带有外部激励的二阶定常自回归模型，给出该模型的具体形式。利用高功率汽车锂电池的实测数据，使用递归最小二乘法估算自回归模型的系数，详细介绍了整个估算过程。利用最小二乘法与实际数据之间的误差作为分段的特征信号，使用自适应最小均方滤波器先对特征信号进行平滑滤波去噪，再根据去噪后的特征信号进行模型分段。对所建立的电池模型进行模拟，并将模拟结果与实测数据对比，以验证所建立锂电池模型的有效性。

Arab AlSharif et al. 2014 IEEE International Conference on Electro/Information Technology, Milwaukee June 05-07, 2014.

编译：王祥