基于迁移模型的锂离子电池宽温度全寿命SOC与可用容量联合估计.pdfVIP

2023 年 6 月 电 工 技 术 学 报 Vol.38 No. 11 第 38 卷第 11 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Jun. 2023 DOI:10.19595/j.cnki.1000-6753.tces.220216 基于迁移模型的锂离子电池宽温度全寿命 SOC 与可用容量联合估计 1 1 1 2 1 申江卫 高承志 舒 星 刘永刚 陈 峥 （1. 昆明理工大学交通工程学院 昆明 650000 2. 重庆大学机械与运载学院 重庆 400030 ） 摘要 针对全寿命内复杂温度环境下锂离子电池内部状态难以快速精确估计难题，基于迁移 模型提出一种宽温度全寿命荷电状态（SOC ）与可用容量联合估计方法。选择传统二阶 RC 等效 电路搭建迁移模型，并基于权值选择粒子滤波算法完成迁移因子的在线迁移，实现了宽温度全寿 命内锂离子电池 SOC 快速准确的估算，基于得到的 SOC 估计值采用容量逆推实现了可用容量估 计。结果表明，所提出方法在全寿命宽温度环境下估算SOC 与可用容量具有计算量小、精度高的 明显优势，SOC 估计最大误差小于3% ，容量估计最大误差小于2% 。 关键词：锂离子电池 荷电状态 容量 迁移模型 温度 寿命 中图分类号：TM912 0 引言 对于电池的可靠使用和及时更换也具有重要的作 用和意义。 随着能源危机与全球变暖问题的日益严峻，发 目前常用的SOC 估算方法有安时积分法、黑箱 展电动汽车已成为缓解能源与气候危机、实现经 济绿色可持续发展的迫切需求[1] 。电动汽车相较于 SOC 估计模型及基于状态空间模型的方法三类。安 时积分法的优点是原理简单、计算速度快[6] ；缺点 传统汽车主要依靠动力电池输出动力驱动汽车， 是高度依赖初始 SOC 精确度，且由于误差累计造成 具有节能环保的明显优势。目前车用动力电池以 误差相对较大，因此通常在使用过程中与其他算法 锂离子电池为主，包括磷酸铁锂电池和三元锂离 子电池等[2] 。为提高锂离子电池的使用性能和安全 结合使用。常用的黑箱 SOC 估计模型有神经网络模 型、模糊逻辑模型和支持向量回归模型等，这几种 性，对其内部状态进行快速准确的实时监控是电 模型对实验数据质量的依赖性较高，且运算量很大， 池管理系统（Battery Management System, BMS ） 需要完成的重要工作之一[3] ，包括荷电状态（State 因此实用性不高[7] 。基于状态空间模型是目前使用 最多的方法，也被称为基于模型的方法。常见的模 of Charge, SOC ）、健康状态 （State of Health, SOH ）、 [8] [9] 型有组合模型 、电化学模型 、等效电路模型等。 功率状态（State of Power, SOP ）等。SOC 反映了当