磷酸铁锂动力电池建模与仿真验证-2019年精选文档

磷酸铁锂动力电池建模与仿真验证

1 引言

随着石油资源的短缺以及环保的压力，新能源汽车特别是电动汽车的发展一日千里，以磷酸铁锂为代表的锂电池由于其外特性表现出来的宽广的平台区而逐渐成为各个电动汽车厂商的主流动力电池，而电池管理则逐渐成为新能源汽车亟待突破的关键技术。

从国内外目前的研究状况来看，文献[1]建立了采用Extended Kalman滤波器和神经网络算法对SOC进行估计的电池模型，模型精度高，也极其复杂；文献[2]建立一种非线性的，能进行内阻在线自适应辨识的等效电池模型；文献[3]研究了温度对电池模型精度的影响，从而提升电池的成本效益；文献[4]采用混沌免疫进化规划算法进行SOC的预测建模，在变工况下SOC预测精度达到5%以内。国内外研究主要集中在通过“拓展Kalman滤波器”、“神经网络自适应”和“模糊逻辑控制”等算法力图实现高精度的建模，但在成千上万个电池串并联联合仿真时势必会大大增加运算成本和延长仿真时间，并不能在短期内立即投入工程实践中。本文着眼于电池“精度”与“复杂度”这对矛盾，希望能找到两者之间的平衡点。而目前工程上主流的锂电池模型总共可以分为以下三种，如图1所示。 1.1 Thevenin模型

这种模型将电池看成一个二端口的网络，利用电路网络来表现电池的伏安特性。因为这种模型遵从Thevenin定律所以称之为Thevenin模型。这种模型应用广泛，结构简单，可以较好地体现出电池的基本特点，但精度较低，且无法体现锂电池的回弹电压特性。 1.2 PNGV模型

PNGV模型是《PNGV电池实验手册》和《FreedomCAR电池实验手册》中均采用的标准电池等效电路模型，PNGV模型采用电容来建立开路电压与电流时间积分的关系，C1表示了电池的容量，体现了锂电池的计划特性和欧姆特性，但依然没有涉及电池的回弹电压特性。如图1所示。 1.3 Massimo Ceraolo模型

Massimo Ceraolo模型可以串联多个RC并联环节，串联的个数越多则模型精度越高，但同时模型参数的识别也越复杂，后续仿真运行的计算成本和时间代价也越大。 2 磷酸铁锂电池的建模与仿真 2.1 动力电池的性能测试实验

电池的平衡电势EMF（Electro - Motive Force）指的是动力电池处于平衡状态下正负极电动势之间的电势差。本文采用欧赛新能源科技XX公司提供的磷酸铁锂电池，用实验室搭建的电池充放电测试平台对磷酸铁锂（LiFePO4）动力电池进行性能测试，采用的测试方法是间歇性充放电，充放电效率达99.3%，静

置时间为2小时。下面是具体的实验方法介绍。 2.1.1 充电过程

对于电池充满的定义，按照我们通俗的理解就是“在不损坏电池的前提下，电池充电充到使电池的电量达到某个极限的状态，此时再继续充下去也不会再增加电池的电量了”。而化学与化工方面对电池充满的定义是“在电池充电的过程中，电池内部所有能参与充电化学反应的化学物质均已充分进行反应”。显而易见，这两种定义对于工程上来说都难以用量化的指标来界定，因此学术上多采用电力电子方面的量化指标来对电池充满进行定义：“在既定的最高恒定电压下，充电直至电流趋近于零”。本文采用了我国的行业标准QC/T 743-2006，规定电池充电直至充电电流小于0.02C时即认为电池已被充满。

对于磷酸铁锂动力电池的性能测试，电池充电过程本文采用的是“两段法”，首先第一阶段将电池连接直流电源充电机，采用电池的额定电流恒流充电，直至电池的端电压达到最高的截止电压（即电池生产商规定的电压上限值，本实验所采用的电池的最高截止电压为3.7v）；然后第二阶段采用3.7v恒压充电，直流电源的充电电流会根据电池的内阻变化进行自动适应，在恒压的情况下充电电流会越来越小，直至充电电流小于0.02C时视为电池已充满。

实验开始时需将电池的电量放空（从SOC=0）后再开始充电，每充5%的电量后断电，静置一段时间让电池回复平衡，记录相

应数据。如图2所示。 2.1.2 放电过程

电池连接电子负载，采用恒流放电（本文采用最大额定电流的80%），直至电压小于最低的截止电压（即电池生产商规定的电压下限值，本实验所采用的电池的最低截止电压为2.85v）时视为放电完毕。在电池满电量（SOC=1）时开始放电，每放5%的电量后断电，静置一段时间让电池回复平衡，记录相应数据。如图3所示。

根据上述方法进行实验后，对实验数据进行处理，就能得到磷酸铁锂电池充放电平衡电势曲线图，如图2-2所示。我们可以看到在相同的SOC下，充电平衡电势都比放电平衡电势略高一点，这就是所有锂电池本身所固有的滞回电压特性。 性能测试是一个冗长而耗时的过程（一节单体电池一次完整的充放电实验需要50h以上），这里强调测试实验过程的几个需要特别注意的细节： （1）放电倍率

在对电池未被造成损害的情况下，电池电动势EMF只和电池的剩余电量SOC以及电池的温度有关，而与电池的放电倍率无关。提高放电倍率能节约性能测试的时间，但是过高的放电倍率也会对电池造成损害。在研究电池数量较多的电池管理系统中，本文推荐0.5C的放电倍率，主要原因是考虑到散热。根据实验经验，0.5C的放电倍率进行放电实验时，电池会发热，造成温

度的升高，而过高的温度将会对电流的控制和电池的老化程度都带来负面的影响，而0.5C的放电倍率恰好是节约实验时间和控制电池温度之间一个比较理想的平衡点。 （2）静置时间 性能测试是要得到电池充放电后的平衡电压，由于回弹电压特性的存在就使得电池充放电完成后需要静置一段较长的时间来使电池重新达到平衡，此时电池电动势与开路电压相等。大部分的文献都认为应该静置3小时以上，8小时甚至24个小时。本文推荐的是静置1小时。实际上静置1小时未必足够，但是通过电化学机理的微观研究我们可以发现，电池静置过程中的回弹电压可以等效为多阶的容阻电路，可以通过1小时之内电压的数据，采用数学拟合工具来计算出电池电动势的值，以此通过计算机的配合来大大节约实验测试时间。 2.2 单体电池模型的数学分析

2.2.1 磷酸铁锂电池SOC ― EMF关系曲线

由于充电平衡曲线和放电平衡曲线是两条曲线，同一个SOC值所对应的是两个电压，而实际电动汽车的运行过程中，电池的充放电是同时进行的，充放电两条曲线对电池SOC的评估以及后续均衡策略的选取都带来了很大的不便。根据性能测试实验所得到的充放电平衡电势数据，以及电池滞回电压特性的电化学机理，本文选择对充放电平衡电势两条曲线进行加权处理，从而获得电池SOC―EMF的对应曲线。

放电：V= λ （Echarge-Edischarge） （1）