基于改进气液动态模型的锂电池荷电状态与功率状态协同估计研究

本文提出一种基于改进气液动态（GLD）模型的锂电池荷电状态（SOC）与功率状态（SOP）协同估计方法，通过极化反应机理优化模型精度，结合双无迹卡尔曼滤波（DUKF）算法实现在线参数辨识与SOC估计，并构建多约束SOP预测框架，为电池管理系统（BMS）提供高精度、强鲁棒性的状态监测方案。

　　

Highlight

改进GLD模型的建立

本研究采用的电池模型为气液动态（GLD）模型。该模型将锂离子在电池内部的扩散过程与气液系统中粒子运动相关联，模拟电池内部离子失衡与平衡过程，反映电池工作原理。通过借鉴流体力学相关理论，将复杂的电池反应过程简化为一个简单的气液储能系统[16]。

在某一密闭容器中，气液两相共存并达到动态平衡。气体分子溶解于液体中，同时液体中的气体分子逸出至气相。这一动态平衡过程与锂离子电池中锂离子在正负极间的嵌入和脱嵌行为高度相似。GLD模型通过气体溶解度方程来描述这一过程，但原始模型仅考虑了物理过程相关的气体间隙填充溶解度，未涉及化学反应相关的气体水合溶解度。本研究通过引入气体水合溶解度，推导出新的气体溶解度方程，更好地表征锂电池极化现象，从而更精确地模拟电池的滞后电压。

基于改进GLD模型的SOC/SOP联合估计算法

尽管前期工作已证明改进GLD模型具有更高精度，但仍存在若干问题待解决：

• •
  (1) 模型参数固定，但实际中它们是时变的，可能导致误差；
• •
  (2) 尽管实验室使用高精度设备采集电流和电压，但电流和电压传感器固有误差无法消除；
• •
  (3) 由于模型简化，电流突变时误差增大。

为解决上述问题，本研究引入双无迹卡尔曼滤波（DUKF）算法，同时实现在线参数辨识和SOC估计。DUKF通过两个并行的UKF滤波器，分别对模型参数和SOC进行估计，有效提高了模型的适应性和估计精度。基于估计得到的SOC，进一步提出一种多约束的SOP估计方法，约束条件包括SOC、开路电压（OCV）和电流，以防止电池过充和过放。

结果与讨论

本节对第3章介绍的算法进行实验验证。第4.1节评估了DUKF算法在动态应力测试（DST）、联邦城市驾驶循环（FUDS）和新欧洲驾驶循环（NEDC）工况下的估计精度。随后，第4.2节评估了算法对初始值误差的鲁棒性。最后，第4.3节验证了DST循环下的SOP估计结果。

结论

总之，本文提出了一种基于改进GLD模型的SOC估计方法，并利用DUKF算法同时实现在线参数辨识和在线SOC估计。最后，基于估计的SOC，提出了一种多约束SOP估计方法。本文主要结论如下：

• •
  (1) 通过进一步阐明GLD模型的极化现象，得到了改进的GLD模型。改进模型表现出更高的电压预测精度，更能反映锂电池的实际工作特性。