| 2,949 | 65 | 90 |
| 下载次数 | 被引频次 | 阅读次数 |
锂离子电池的性能是影响电动汽车动力性能最主要的因素之一,锂电池的荷电状态(SOC)是电动汽车电池管理系统(BMS)的核心,为整车电池组的控制提供判断基准。建立一个准确的锂离子电池模型是实现电池SOC在线监测的关键,SOC的精确程度直接影响着锂电池的输出特性、使用寿命和安全性能等方面。有鉴于此,本文对电化学模型、等效电路模型、神经网络模型以及热耦合模型的特点进行综述,最后对未来用于SOC精确在线估计的锂离子电池模型进行了展望。
Abstract：The performance of the lithium-ion battery is one of the major factors affecting electric vehicle dynamic performance.And the state of charge(SOC)of lithium-ion batteries is the core part of the electric vehicle lithium battery management system(BMS),which provides a benchmark for the control of the vehicle battery pack.It is significant to build a precise model of lithium-ion battery to monitor the SOC online.The accuracy of SOC impacts the output characteristics,service life,and safety performance of lithium batteries directly.Therefore,it is necessary to review researches on the electrochemical model,the equivalent circuit model,the neural network model,and the characteristics of the thermal coupling model.Based on the analysis outcome,a piece of advice on how to establish the model of lithium-ion battery to obtain higher accuracy of SOC estimation has been proposed as well.
[1]李云．锂电池的建模与仿真[D]．北京：北方工业大学，2018.
[2]颜湘武，邓浩然，郭琪，等．基于自适应无迹卡尔曼滤波的动力电池健康状态检测及梯次利用研究[J]．电工技术学报，2019,34(18):3937-3948.
[3]梁新成，张勉，黄国钧．基于BMS的锂离子电池建模方法综述[J]．储能科学与技术，2020,9(6):1933-1939.
[4]丁秋宇，田佳强，陈宗海．锂离子电池准二维模型的简化模型综述[C]．合肥：中国科学技术大学出版社，2020:83-87.
[5] MARC D,THOMAS F F,JOHN N.Modeling of Galvanostatic Charge and Discharge of The Lithium/Polymer/Insertion Cell[J].Journal of the Electrochemical Society,2019,140(6):1526-1533.
[6]陈洪涛．锂电池电化学模型参数辨识研究[D]．北京：北京交通大学，2019.
[7]邓昊，杨林，邓忠伟，等．基于电化学机理模型的锂离子电池参数辨识及SOC估计[J]．上海理工大学学报，2018,40(6):557-565.
[8]康鑫，时玮，陈洪涛．基于锂离子电池简化电化学模型的参数辨识[J]．储能科学与技术，2020,9(3):969-978.
[9]杨杰，王婷，杜春雨，等．锂离子电池模型研究综述[J]．储能科学与技术，2019,8(1):58-64.
[10]庞辉．基于扩展单粒子模型的锂离子电池参数识别策略[J]．物理学报，2018,67(5):259-269.
[11]吴波，谢锋，卢佩航，等．基于ESP模型的锂电池参数辨识和SOC估计[J]．电源技术，2020,44(6):832-835+874.
[12]徐兴，徐琪凌，王峰，等．车用锂离子动力电池电化学模型修正方法[J]．机械工程学报，2019,55(12):128-136.
[13]XING X,WEI W,LONG C.Order Reduction of Lithiumion Battery Model Based on Solid State Diffusion Dynamics via Large Scale Systems Theory[J].Journal of the Electrochemical Society,2016,163(7):A1429-A1441.
[14]李光远，马彦．锂离子电池电化学建模及其简化方法[J]．吉林大学学报，2018,36(3):260-268.
[15]杨俊，张希，高一钊．锂电池电化学传递函数模型建模及参数辨识[J]．电源技术，2019,43(7):1132-1135.
[16]郑旭，郭汾．动力电池模型综述[J]．电源技术，2019,43(3):521-524.
[17]陈旭．温度影响下动力锂电池建模与均衡管理研究[D]．湖南：湖南大学，2018.
[18]陈根，程启明，李明，等．电动汽车中锂电池两种建模方式的分析与比较[J]．电源技术，2014,38(11):2051-2054.
[19]王顺利，黄琼，李建超，等．基于电路等效的磷酸铁锂材料电池建模研究[J]．电源技术，2019,43(11):1796-1800.
[20]颜湘武，郭玉威，王雨薇，等．基于GNL模型自适应无迹卡尔曼滤波的电动汽车荷电状态估计[J]．科学技术与工程，2018,18(30):94-100.
[21]吴小慧，张兴敢．锂电池二阶RC等效电路模型参数辨识[J]．南京大学学报，2020,56(5):754-761.
[22]王维强，张吉，张力，等．基于三阶RC网络的等效电路电池模型[J]．电池，2019,49(3):212-216.
[23]袁翔，张毅．电动汽车用动力电池模型研究进展[J]．公路与汽运，2014,161(2):1-8.
[24]陈全世，林成涛．电动汽车用电池性能模型研究综述[J]．汽车技术，2005,420(3):1-5.
[25]王党树，王新霞．基于扩展卡尔曼滤波的锂电池SOC估算[J]．电源技术，2019,43(9):1458-1460.
[26]凌六一，何业梁，宫兵，等．基于自适应扩展卡尔曼滤波的锂电池SOC估计[J]．安徽理工大学学报，2020,40(4):19-24+37.
[27]李争，张丽平．基于无迹卡尔曼滤波的锂离子电池SOC估计[J]．电池，2018,48(5):313-317.
[28]宫兵，凌六一，何业梁，等．基于自适应无迹卡尔曼滤波的锂电池SOC估计[J]．电源技术，2020,44(11):1594-1599.
[29]苏振浩，李晓杰，秦晋，等．基于BP人工神经网络的动力电池SOC估算方法[J]．储能科学与技术，2019,8(5):868-873.
[30]黄妙华，严永刚，朱立明．改进BP神经网络的磷酸铁锂电池SOC估算[J]．武汉理工大学学报，2014,36(06):790-793.
[31]贾海峰，李聪．基于BP神经网络的锂电池组SOC估算[J]．农业装备与车辆工程，2020,58(1):105-107+112.
[32]刘昕．基于神经网络优化扩展卡尔曼滤波算法的锂电池剩余电量估计[D]．成都：西南交通大学，2019.
[33]杨云龙．基于改进型神经网络动力电池SOC估计研究[D]．成都：电子科技大学，2019.
[34]高建树，尤修民，郑娇．人工神经网络和安时法电池SOC估计[J]．电源技术，2016,40(9):1842-1844.
[35]于仲安，卢健，王先敏．基于GA-BP神经网络的锂离子电池SOC估计[J]．电源技术，2020,44(3):337-340+421.
[36]陈颖，黄凯，丁恒，等．基于子种群自适应思维进化-BP神经网络的锂离子电池SOC估计[J/OL]．电源学报：1-15[2021-01-28].Http：//kns.cnki.net/kcms/detail/12.1420.TM.20210125.0922.002.html.
[37]欧阳剑，李迪，柳俊城．电动汽车用动力电池模型的研究综述[J]．机电工程技术，2015,44(12):1-4.
[38]常国峰，季运康，魏慧利．锂离子电池热模型研究现状及展望[J]．电源技术，2018,42(8):1226-1229.
[39]ABADA S,MARLAIR G,LECOCQ A,et al.Safety Focused Modeling of Lithium-ion Batteries:A Review[J].Journal of Power Sources,2016,306:178-192.
[40]朱晓庆，王震坡．锂离子动力电池热失控与安全管理研究综述[J]．机械工程学报，2020,56(14):91-118.
[41]XIN F L,HECTOR E P,SHANKAR M,et al.A Lumpedparameter Electro-thermal Model for Cylindrical Batteries[J].Journal of Power Sources,2014,257:12-20.
[42]栗欢欢，竺玉强，王效宇，等．熵热系数取值方式对锂离子电池热模型精度的影响[J/OL]．重庆理工大学学报：1-8[2021-01-28].Http：//kns.cnki.net/kcms/detail/50.1205.T.20201230.1412.002.html.
[43]韩甜，时玮，赵杨梅，等．圆柱型锂离子电池三维分层热耦合模型研究[J/OL]．电源学报：1-13[2021-01-28].Http：//kns.cnki.net/kcms/detail/12.1420. TM.20201123.1643.002.html.
[44]李静静，陈萌．锂动力电池电化学-热特性建模及仿真研究[J]．森林工程，2020,36(6):87-94.
[45]史永胜，张耀忠，洪元涛，等．基于电-热-老化耦合模型的锂离子电池优化充电策略[J]．电子器件，2020,43(5):1078-1084.
[46]李夔宁，谢运成，谢翌，等．基于电化学热耦合模型的富镍锂离子电池产热分析[J/OL]．储能科学与技术：1-16[2021-01-25].Https：//doi.org/10.19799/j.cnki.2095-4239.2021.0009.
基本信息:
DOI：
中图分类号:TM912
引用信息:
[1]刘鹏,梁新成,黄国钧.锂离子电池模型综述[J].电池工业,2021,25(02):106-112.
基金信息:
重庆市科委项目（cstc2020jscx-gksbX0015）