磷酸铁锂动力电池建模与仿真验证.docxVIP

磷酸铁锂动力电池建模与仿真验证 引言 随着石油资源的短缺以及环保的压力， 新能源汽车特别是电 动汽车的发展一日千里， 以磷酸铁锂为代表的锂电池由于其外特 性表现出来的宽广的平台区而逐渐成为各个电动汽车厂商的主 流动力电池， 而电池管理则逐渐成为新能源汽车亟待突破的关键 技术。 从国内外目前的研究状况来看，文献 [1] 建立了采用 Extended Kalman滤波器和神经网络算法对 SOC进行估计的电池 模型，模型精度高，也极其复杂；文献 [2] 建立一种非线性的， 能进行内阻在线自适应辨识的等效电池模型；文献 [3] 研究了温 度对电池模型精度的影响，从而提升电池的成本效益；文献 [4] 采用混沌免疫进化规划算法进行 SOQ的预测建模，在变工况下 SOC预测精度达到5%以内。国内外研究主要集中在通过“拓展 Kalman滤波器”、“神经网络自适应”和“模糊逻辑控制”等 算法力图实现高精度的建模， 但在成千上万个电池串并联联合仿 真时势必会大大增加运算成本和延长仿真时间， 并不能在短期内 立即投入工程实践中。 本文着眼于电池“精度”与“复杂度”这 对矛盾， 希望能找到两者之间的平衡点。 而目前工程上主流的锂 电池模型总共可以分为以下三种，如图 1 所示。 Thevenin 模型 这种模型将电池看成一个二端口的网络， 利用电路网络来表 现电池的伏安特性。因为这种模型遵从 Thevenin 定律所以称之 为 Thevenin 模型。这种模型应用广泛，结构简单，可以较好地 体现出电池的基本特点， 但精度较低， 且无法体现锂电池的回弹 电压特性。 PNGV 模型 PNGV模型是《PNGVt池实验手册》和《FreedomCAF电池实 验手册》中均采用的标准电池等效电路模型， PNGV模型采用电 容来建立开路电压与电流时间积分的关系， C1表示了电池的容 量，体现了锂电池的计划特性和欧姆特性， 的回弹电压特性。如图 1 所示。 但依然没有涉及电池 1.3 Massimo Ceraolo 模型 Massimo Ceraolo模型可以串联多个 RC并联环节，串联的 个数越多则模型精度越高， 但同时模型参数的识别也越复杂， 后 续仿真运行的计算成本和时间代价也越大。 磷酸铁锂电池的建模与仿真 2.1 动力电池的性能测试实验 电池的平衡电势 EMF(Electro - Motive Force )指的是动 力电池处于平衡状态下正负极电动势之间的电势差。 本文采用欧 赛新能源科技XX公司提供的磷酸铁锂电池，用实验室搭建的电 池充放电测试平台对磷酸铁锂(LiFePO 4)动力电池进行性能测 试，采用的测试方法是间歇性充放电，充放电效率达 99.3%，静 置时间为 2 小时。下面是具体的实验方法介绍。 2.1.1 充电过程 对于电池充满的定义， 按照我们通俗的理解就是“在不损坏 电池的前提下，电池充电充到使电池的电量达到某个极限的状 态，此时再继续充下去也不会再增加电池的电量了”。 而化学与 化工方面对电池充满的定义是“在电池充电的过程中， 电池内部 所有能参与充电化学反应的化学物质均已充分进行反应”。 显而 易见，这两种定义对于工程上来说都难以用量化的指标来界定， 因此学术上多采用电力电子方面的量化指标来对电池充满进行 定义：“在既定的最高恒定电压下，充电直至电流趋近于零”。 本文采用了我国的行业标准 QC/T 743-2006 ，规定电池充电直至 充电电流小于 0.02C 时即认为电池已被充满。 对于磷酸铁锂动力电池的性能测试， 电池充电过程本文采用 的是“两段法”， 首先第一阶段将电池连接直流电源充电机， 采 用电池的额定电流恒流充电， 直至电池的端电压达到最高的截止 电压（即电池生产商规定的电压上限值， 本实验所采用的电池的 最高截止电压为 3.7v ）；然后第二阶段采用 3.7v 恒压充电，直 流电源的充电电流会根据电池的内阻变化进行自动适应， 在恒压 的情况下充电电流会越来越小， 直至充电电流小于 0.02C 时视为 电池已充满。 实验开始时需将电池的电量放空 （从 SOC=）0 后再开始充电， 每充 5%的电量后断电，静置一段时间让电池回复平衡，记录相 应数据。如图 2 所示。 放电过程 电池连接电子负载， 采用恒流放电 （本文采用最大额定电流 的 80%），直至电压小于最低的截止电压（即电池生产商规定的 电压下限值，本实验所采用的电池的最低截止电压为 2.85v ）时 视为放电完毕。在电池满电量（ SOC=）1 时开始放电，每放 5%的 电量后断电，静置一段时间让电池回复平衡，记录相应数据。如 图 3 所示。 根据上述方法进行实验后， 对实验数据进行处理， 就能得到 磷酸铁锂电池充放电平衡电势曲线图， 如图 2-2 所示。 我们可以 看到