发布时间：2022-09-19

文章标题：姜轶辉博士电池等效力学模型系列论文第2篇被Energy收录

内容：

锂离子电池-在线状态估计|西安交通大学徐俊课题组Energy：磷酸铁锂电池电压平台区状态估计新思路

 

link    PDF

 

图形摘要

 

 

 

 

可靠的电池荷电状态（SOC）估计始终是电动汽车和移动机器人等锂电设备安全运行的关键。磷酸铁锂电池SOC中部电压平台区的存在使其状态估计误差大、估计不可靠。随着磷酸铁锂电池装机量不断上升，如何通过简单有效的方法提高电压平台区的SOC估计精度成为亟待解决的问题。

西安交通大学徐俊课题组通过建立适用于SOC估计的机电耦合模型（EmCM），结合了压力信号的高SOC分辨率，实现了磷酸铁锂电池电压平台区SOC估计技术的新突破，为基于多维信号的SOC估计提供了新途径。EmCM以电流为输入，电池间压力为输出，首次实现了基于电流和压力信号反馈的闭环SOC估计，克服了通过压力信号对SOC进行估计时鲁棒性不足的问题。

 

图1 锂离子电池模组机电耦合模型

 

近年来，很多研究都报道了锂电池的厚度与电池间压力都和SOC存在对应关系。这是因为锂电池的“呼吸效应”。充电时锂离子嵌入导致电极体积膨胀，放电时锂离子脱嵌导致体积缩小。在电池包中由于固定装置的约束，电池单体之间的轴向压力（简称为电池间压力）也会随电池厚度变化而变化。这为通过压力信号监测SOC提供了基础。压力信号估计SOC的优势有以下三点：1）压力信号可以监测电池的自放电；2）压力信号在整个充放电过程中都可以保持高SOC分别率，不存在平台区；3）研究表明外部压力会改变电池的电压和阻抗，从而对等效电路模型（ECM）的参数产生影响，压力信号可以避免这个问题。

因此，近年来结合机械信号和电信号的SOC估计研究引起了极大的关注。但是现有的研究大多通过实验测定的压力-SOC映射关系，结合电流和电压信号对SOC进行开环估计。这种方式存在两个问题：1）压力与SOC的对应关系是SOC改变电池厚度的结果，而电池厚度与电池间压力并不是线性关系，直接通过一定条件下测量的压力-SOC曲线进行SOC估计会存在适应度差的问题；2）鲁棒性和实用性是SOC估计在实际应用中的关键，基于ECM的SOC估计方法成为现在主流方法的原因就在于ECM通过简单的结构表征了电池内部电特性，实现了以电压信号为反馈的闭环SOC估计，应用简单且鲁棒性高，而可以实现压力信号反馈的机电耦合模型还没有建立。

徐俊课题组针对以上问题展开了深入研究。通过对团队已经建立的电池等效力学模型进行分析，结合电池模组内部的机电耦合机理，提出一种EmCM，以电流为输入，电池间压力为输出，SOC为状态变量。与现有的电池力学模型相比，该模型表征了电流、电池间压力和电池厚度三者之间的耦合关系。与现有的电化学模型和ECM相比，该模型可以通过电流和压力信号实现SOC估计。该模型结构简单，适用于实时应用，并且可以通过使用滤波算法来提高SOC估计的效果。

 

图2 基于EmCM和EKF的SOC估计流程

实验结果表明：在不同的温度、初始压力和循环工况条件下，提出的SOC估计方法在三元和磷酸铁锂电池上都可以将估计误差控制在±2.8%以内。对于铁锂电池，该方法在适应性和精度上都很优秀。特别是该模型在验证实验中使用的压力传感器精度（1N）并不高，而磷酸铁锂电池在基于电压信号进行SOC估计时需要极高的采集精度，耗费大量资源。因此基于EmCM的SOC估计具备极大的工程应用价值。

实验核心步骤及工况设置

序号	条件设置	Test#1 (三元)	Test#2 (铁锂)	Test#3 (铁锂)	Test#4 (铁锂)
1	温度	25℃	25℃	10℃	40℃
2	初始压力	1800N	1800N	2500N	2500N
3	充电策略	CCCV	CCCV	CCCV	CCCV
4	放电策略(用于参数辨识)	NEDC	NEDC	WLTP	WLTP
5	充电策略	CCCV	CCCV	CCCV	CCCV
6	放电策略(用于SOC估计)	UDDS	UDDS	CLTC	CLTC

 

图3 SOC估计结果：(a) Test #1 (b) Test #2 (c) Test #3 (d) Test #4

2022年7月31日，该研究成果以“基于锂离子电池模组机电耦合模型的电池荷电状态估计”（An electromechanical coupling model-based state of charge estimation method for lithium-ion pouch battery modules）为题发表在《Energy》（IF=8.857）上。该论文由西安交通大学徐俊课题组完成，第一作者为机械工程学院2018级博士生姜轶辉，通讯作者为徐俊副教授。论文的作者还包括***学者梅雪松教授、硕士研究生刘蒙蒙。论文作者所在单位为西安交通大学机械工程学院、机械制造与系统工程国家重点实验室和陕西省智能机器人重点实验室。论文工作得到了国家自然科学基金（52075420）和国家重点研发计划重点专项（2020YFB1708400）的支持。