鋰離子電池多物理模型參數辨識及健康特征提取.pdf

1、鋰離子電池廣泛應用于電動車輛、電網儲能等領域，對其內部健康狀態(tài)進行準確的評估是保證電池安全工作的前提，這就需要獲得電池內部健康狀態(tài)的準確信息。然而，鋰離子電池是典型的動態(tài)、非線性電化學系統(tǒng)，使用過程中其內部健康狀態(tài)難以直接測得。電池材料特性研究者常采用“事后分析法”研究內部老化機理，該方法需要拆解電池因而無法直接工程應用；而基于數據驅動的健康狀態(tài)估計和壽命預測研究不涉及電池內部機理，難以對電池內部健康狀態(tài)進行準確描述。本文在鋰離子電池多

2、物理模型的基礎上、對參數辨識及內部健康特征提取方法進行了深入研究，旨在解決如何準確、無損的獲取電池內部健康特征這一關鍵問題，挖掘內部健康特征隨電池老化過程的變化規(guī)律，并依此對造成電池循環(huán)性能下降的因素進行了定量分析，最終獲得了豐富的電池內部健康狀態(tài)信息。
　　首先，將傳統(tǒng)的鋰離子電池P2D模型、熱模型和溫度分布模型整合為多物理模型。利用P2D模型和分布產熱公式計算電池產熱行為，采用熱阻模型計算電池徑向溫度分布，并根據阿列尼烏斯公式

3、對六個電化學模型參數進行溫度修正，建立起電池內部電化學行為與電池熱行為的耦合。該模型可實現對任意工況下電池外部性能（即放電容量、端電壓與過電勢和外殼溫度特性）和內部過程的仿真。對電池外殼溫度這一重要的可測量的準確仿真，有利于電池溫度相關特性的研究。利用多物理模型對影響電池外部性能的內部物理、化學過程和主要模型參數進行了仿真分析，建立起電池外部性能與模型內部參數的聯系。
　　針對各模型參數對電池外部性能影響程度不同的問題，對磷酸鐵鋰

4、和鈷酸鋰電池中的主要參數進行了敏感度分析。在不同工況下利用多物理模型仿真，得到模型參數值變化導致的電池端電壓和外殼溫度曲線束，以曲線束的離散程度描述參數敏感度大小，構建“參數敏感值矩陣”以定量描述參數敏感度與工況的定量關系。將參數敏感度最大化作為優(yōu)化目標，采用NSGA-II算法對參數辨識工況進行優(yōu)化，得到了兩種電池的優(yōu)化辨識工況形式。優(yōu)化辨識工況下各參數敏感度均高于傳統(tǒng)恒流或脈沖工況，有利于電池參數的準確辨識。
　　為準確辨識多物

5、理模型參數，提出一種基于并行化遺傳算法的多目標參數辨識方法。在普通遺傳算法上加入了災變和搜索范圍擴展算子，提高算法搜素能力；利用分布式計算方法將遺傳算法并行化，提高了算法運行速度。在兩個環(huán)境溫度下采用優(yōu)化辨識工況對電池進行測試，實測端電壓、外殼溫度數據，并將其與相應模型仿真值的誤差最小化作為四個辨識目標，利用并行化遺傳算法實現了鋰離子電池多物理模型參數的多目標辨識。利用磷酸鐵鋰和鈷酸鋰電池的“合成實驗數據”，研究不同辨識目標數和不同辨識

6、工況下參數辨識的效果，表明本文提出方法參數辨識精度明顯高于傳統(tǒng)方法。對兩種商用電池進行了參數辨識和驗證實驗，證明多目標參數辨識方法的有效性。
　　為獲得能夠反映電池內部健康狀態(tài)的特征量，針對鈷酸鋰電池進行了多模式循環(huán)壽命試驗。在壽命試驗中穿插優(yōu)化辨識工況，利用多目標參數辨識方法獲取不同老化模式、不同老化階段電池的參數集。利用雙因子方差分析法對各參數的值進行檢驗，發(fā)現有8個參數的值隨電池老化而顯著變化，將其定義為電池內部健康特征。對

7、關鍵參數值的變化趨勢進行擬合研究，給出了內部健康特征的退化規(guī)律。結合電極內副反應原理，對鈷酸鋰電池循環(huán)老化機理進行了定性分析。
　　最后，應用內部健康特征的退化規(guī)律，對造成鈷酸鋰電池循環(huán)老化性能下降的因素進行定量分析。將循環(huán)壽命試驗得到的鈷酸鋰電池參數集代入多物理模型，利用電極容量計算式，確定了電池容量下降的三個因素，并對不同老化模式下的變化規(guī)律進行定量計算。利用總過電勢分解計算式，定量研究了五類過電勢在循環(huán)老化過程中所占比例的變