基于多状态联合估计模型的锂电池多段恒流充电策略研究

近年来新能源汽车行业高速发展,动力电池的需求逐年增加,三元锂电池以其高能量密度、高电压平台等优点被各大车企广泛应用。传统的恒流恒压充电策略因其过长的充电时间,困扰着用户使用,制约了新能源汽车行业的发展。而大电流充电策略将导致电池温度快速上升,电池寿命缩短,甚至引起电池过热燃烧。电池的充电策略需权衡考虑充电时间和电池寿命。因此,锂离子电池充电策略的研究显得尤为重要。本文搭建了锂电池的荷电状态SOC(State of charge)–SOH(State of health)–SOT(State of temperature)多状态联合估计模型,基于粒子群(Particle swarm optimization,PSO)算法提出一种自适应阶数的多段恒流充电策略,并通过实验辨识了模型关键参数,验证了电池仿真模型的准确性。然后搭建了Z型风冷电池组的仿真模型及性能测试实验台,对比分析仿真结果和实验结果,并利用遗传算法对电池组的散热结构进行优化,最后将多段恒流充电策略应用于优化后风冷电池组模型,探讨不同风冷条件下,电池组热-电-老化特性。主要研究内容和结果如下:1)介绍了锂电池电行为、热行为、寿命的数学模型,详细推导了电池内阻、开路电压、电动势温升系数的辨识过程,通过电池的电参数与温度、寿命间的相互影响作用,建立电模型、热模型、老化模型的耦合关系,基于一阶RC等效电路模型、热网络模型、老化模型建立了锂电池的SOC-SOH-SOT多状态联合估计模型,模拟锂电池的响应特性。2)提出一种电流阶数自适应的多段恒流充电策略(Self-adaptive Multi-stage Constant Current,SMCC),利用PSO算法求解不同权重系数下的最优充电策略,并构建帕累托曲线,得到三种最优充电策略:最短时间充电策略、最小老化充电策略、平衡充电策略,并与传统恒流恒压策略进行了对比分析。结果表明:最短时间充电策略与2C CCCV策略具有很高的一致性;最小老化充电策略的充电时间比0.1C CCCV策略缩短了61.7%;平衡充电策略相比于0.5C CCCV策略,仅增加6.4%的老化损失,就能缩短44.9%的充电时间。3)设计了脉冲放电实验、电动势温升系数实验,得到电池欧姆内阻、极化内阻、极化电容、电动势温升系数随SOC、温度变化曲线,完善多状态联合估计模型。设计了热电模型验证实验、老化循环实验,验证仿真模型准确性,结果表明1C CCCV充电策略电压、温度响应曲线的均方根误差为23.4mV、0.5℃,平衡充电策略电压曲线均方根误差为36.3mV,充电时间相对误差为3.4%。前10个老化循环内,平衡充电策略与0.5C CCCV策略容量损失分别为1.45%和0.64%,而充电时间缩短了43.3%。4)搭建了Z型风冷电池组仿真模型及性能测试实验台,对比在6m/s风冷条件下,电池组1C放电时电池温度变化。结果表明:仿真与实验得到的电池组平均温度分别为34.1℃、34.7℃,每个电池单体仿真和实验温度变化曲线的均方根误差都小于0.5℃。5)基于遗传算法对电池组进行散热优化,优化后的电池组最高温度下降到34.5℃,平均温度降到了33.8℃,个体最大温差降到了1.8℃,减幅30.7%。6)探讨电池组应用SMCC策略充电时,不同风冷条件对电池组电-热-老化行为的影响。结果表明:进口风温越高,电池组平均温度越高,电池的老化越严重。进口风速越低,电池组平均温度越高,老化也会随之加剧,特别是当进口风速为0时,即不考虑强制风冷,电池组平均温度达到57.5℃,远远超过电池组安全温度上限45℃,电池老化也急剧增加。