[发明专利]计及非线性容量特性的分数阶KiBaM电池模型及参数辨识方法

说明书

本发明公开了一种计及非线性容量特性的分数阶KiBaM电池模型及参数辨识方法，模型包括用于描述电池的非线性容量特性的临时容量与可获得容量部分，所述的临时容量部分表示放电时可直接获得的电量，表示电池的荷电状态SOC；所述的可获得容量部分表示不能直接获取的电量，两部分相连通，当电池放电时，负载电流i从临时容量部分流出，同时获得容量部分的电量通过速率系数，利用临时容量与可获得容量部分的高度比、结合电池容量特性分数阶阶次的大小，表达电池的非线性容量效应和电池恢复效应。本发明能够很好地描述电池的非线性容量效应及运行时间等内部特征。

技术领域

本发明涉及一种计及非线性容量特性的分数阶KiBaM电池模型及参数辨识方法。

背景技术

随着能源危机和环境污染日益严重，电动汽车已成为最具发展前景的汽车产业。目前动力电池是制约电动汽车规模发展的最主要瓶颈，对整车性能至关重要。锂离子电池由于具有能量密度高、使用寿命长、性价比好和单体电压高等诸多优势，逐步成为电动汽车应用最广的一种动力电池。

电池模型对动力电池及其电池管理系统的合理设计和安全运行意义非凡，是电池荷电状态(SOC)估计、健康状态(SOH)估计、剩余寿命(RUL)预测等方法的基础。然而，建立一个精确且结构简单的电池模型绝非易事，究其原因，其内部化学反应十分复杂，具有高度的非线性和不确定性。电池模型发展到现阶段，按照建模机理的不同可以划分为表现电池内部特征的电化学模型、简化的电化学模型、热模型等，以及描述电池外部特征的随机模型、神经网络模型、等效电路模型等。其中，电化学模型使用复杂非线性微分方程描述电池内部化学过程，模型虽然精确，但太过抽象；热模型主要研究电池的生热、传热过程；随机模型主要关注电池的恢复特性，将电池行为描述为一个马尔科夫过程，能够描述电池的脉冲放电特性，但无法适用于变电流情况；神经网络模型具有良好的非线性映射能力、快速的并行处理能力、较强的自学习和自组织能力等优点，但需要大量的实验来获取训练数据，且模型误差易受训练数据和训练方法的影响。等效电路模型根据电池的物理特性，使用不同物理元器件如电压源、电流源、电容和电阻等构成等效电路来模拟电池的I-V输出外特性，因其简单直观的形式，以及适宜于电气设计与仿真等优点，已成为应用最为广泛的一种模型。

然而，等效电路模型虽可以准确描述电池的I-V输出外特性，但难以表现电池的非线性容量效应及运行时间等内部特征。与通常的认识不同，锂离子电池的可用电量并不是像水桶中的水一样，你用多少电量就下降多少，而是带有一定的非线性特性。因此，不可能将电池的所有电量全部取出，具体得到的电量与电池负载及使用情况有关。这种非线性特性主要表现在两个方面：容量效应和恢复效应。其中，容量效应是指放电电流越大，得到的电量越小，比如用1A的电流放电要比用0.5A的电流放电所能得到的总放电量要小；恢复效应是指当电池不再放电时，电池的电量会有所回升。

而KiBaM电化学模型(KiBaM，全称为Kinetic Battery Model)很巧妙的解决了这一难题。不同于其他模型直接用微分方程描述电池的两个特性或对电池的内部物理特点进行严格精确的描述，KiBaM电化学模型是一种比较基于感性认识的模型，因此模型比较直观、易于理解和简单好用，其采用一个降阶方程来表征电池的非线性容量效应及运行时间，能够很好地描述电池的放电特性。KiBaM电化学模型考虑了电池的恢复效应和容量效应，可以准确表现电池的内部特征。

事实上，电池内部电化学反应过程极其复杂，包括导电离子转移、内部电化学反应、充放电迟滞效应以及浓差扩散效应等，表现出较强的非线性特性，更适合用分数阶模型来模拟。对比整数阶模型，分数阶模型在设计上具有更多的自由度、更大的柔性和新意。同时，通过引入分数阶微积分，也增加了许多新的现象和规律，具有常规整数阶电池模型无法实现的优势。实际上，流体运动特性，包括电池内部锂离子、电子等运动特性，仍然表现出很强的分数阶微积分特性。目前还未发现采用分数阶微积分研究KiBaM电化学模型的成果。

发明内容