锂离子电池双极化等效电路模型改进的三阶段温度补偿框架

《IEEE Transactions on Industry Applications》：A Three-Stage Temperature Compensation Framework for Improved Dual-Polarization Equivalent Circuit Model of Lithium-Ion Batteries

　　

摘要：

等效电路模型（ECMs）因其在可解释性、计算效率和电压建模能力之间取得了良好的平衡，而广泛应用于电池管理系统（BMS）中，使其非常适合用于荷电状态（SOC）估计。然而，ECM参数随温度变化显著，传统的逐温度辨识方法需要反复进行离线标定，导致标定工作量巨大且跨温度泛化能力有限。为解决这一问题，本文提出了一种基于已建立的电气电池/双极化（DP）模型结构的三阶段温度自适应方法。在第一阶段，将显式有效容量支路与DP公式相结合，并将其与容量相关的参数同电压动态参数进行联合自适应。在第二阶段，利用差分进化（DE）进行基准建模和标签建模，即在参考温度下辨识一个基准模型，并从不同的训练温度生成跨温度参数标签。在第三阶段，训练一个神经网络（NN）将温度映射为相对于基准模型的校正项，从而实现无需逐温度反复标定的在线补偿。在涵盖两种化学体系、两种尺寸和四种电芯、温度范围为?20°C至45°C的两个实验数据集和两个公开基准数据集上，对该框架进行了广泛验证。在同质化的Cell D对比中，该方法将固定参数ECM的电压预测RMSE/MAE从46.76/38.12 mV降低至26.75/20.55 mV，分别降低了42.79%和46.09%。在噪声较大和低采样率的传感条件下，该方法进一步改善了SOC估计精度，将RMSE从常规CC法的4.366%和固定参数EKF的4.008%降低至1.655%。