基于递推最小二乘法的锂电池内短路全寿命周期辨识
《机械工程学报》高被引论文推荐
引用
何晋,马睿飞,蔡琦琳,范学良,赵威风,邓业林.基于递推最小二乘法的锂电池内短路全寿命周期辨识[J].机械工程学报,2022,58(17):96-104.
HEJin,MARuifei,CAIQilin,FANXueliang,ZHAOWeifeng,DENGYelin.LifeCycleIdentificationofInternalShortCircuitsofLithium-ionBatteryBasedonRecursiveLeastSquareMethod[J].JournalofMechanicalEngineering,2022,58(17):96-104.
锂电池内短路发展到后期阶段会引发热失控造成严重安全问题，因此必须在前中期识别内短路。当前检测内短路的常见方式是利用同一电池组内电芯间电压等参数的一致性，通过比较成组电芯间性能差异，筛选出异常电芯。然而对于退役电池等已经老化的电池组，其成组结构很可能已被打乱，且电芯间本已存在性能分化，无法使用该方法。为此，锂电池极化内阻被选作独立识别电芯内短路的标志性参数，而带遗忘因子的递推最小二乘法被用于在线辨识内短路前后极化内阻变化以在全寿命周期内识别内短路。针对电池老化影响辨识结果精度的问题，首先通过选择合适的遗忘因子与采样频率来优化该算法以适应老化对模型的影响。然后利用优化后的算法进行电池表面温度仿真模拟，进一步验证该算法的精度。最后设计内短路实验，验证该算法识别内短路的能力。结果表明，当遗忘因子为0.95，数据采样间隔为1s时，该算法适应老化的能力最强，利用其进行电池表面温度估计的误差在2%以内。在内短路发展到后期阶段前，电池健康状态(SOH)为80%的电池极化内阻均值增加达到45%及以上，可以有效地识别内短路。
00
前言
背景与重要性
内短路及其监测
内阻辨识方法
离线参数辨识：
现有研究及问题
在线辨识研究:
研究目标
01
电池模型与参数辨识
NO.1
等效电路模型
常见的动力电池模型包括等效电路模型、电化学模型和数据驱动模型等。为了在实际应用中兼顾精度和简化模型的需求，本文选择了Thevenin模型作为电池的等效电路模型
Thevenin模型主要由以下几个部分组成：
其模型可以用以下公式描述：
NO.2
模型参数辨识
模型参数辨识是通过系统中已知的信息来推算未知的参数。在Thevenin模型中，R0、Rp、Cp等参数不能直接测量，需要通过对电流和电压数据的分析进行参数辨识
离线参数辨识通常采用HPPC（HybridPulsePowerCharacterization）测试工况，其特点是采用连续的脉冲信号对锂电池进行充放电，以体现电池在不同荷电状态下的充放电特性。通过脉冲电压曲线，可以识别电池的欧姆内阻R0和极化参数Rp、Cp。
在线参数辨识：
在线参数辨识需要采用电池实际的充放电曲线。在实验室测试中，可采用模拟实际电动汽车运行状态的动态测试工况（如UDDS、FFRLS、DST）来代替实际的电池工作条件。这些工况模拟了实际行驶过程中电流、功率等的变化，常用于验证在线算法的适应性。
02
实验与结果
实验设置
HPPC与DST实验
NO.3
内短路实验
03
讨论与分析
遗忘因子与间隔频率对参数辨识的影响
温度估计
内短路识别能力探究
04
结论
本文首先建立了锂电池的Thevenin模型，并在此基础上辨识得到了HPPC与DST工况下全寿命周期内锂电池的极化内阻等模型参数，最后基于带遗忘因子的递推最小二乘法在线辨识锂电池极化内阻以实时监测内短路。得到以下结论：
05
主创团队
INTRODUCE
邓业林
苏州大学
何晋
男，1998年生，现在宁德时代充放电部门工作，苏州大学轨道交通学院硕士毕业生。主要研究方向为电池充电热管理，模型在线辨识等，师从邓业林副教授。
作者：邓业林
责任编辑：杜蔚杰
责任校对：张强
审核：张强
JME学院简介
欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！
寻觅合作伙伴
有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。