车用动力电池二阶RC建模及参数辨识

doi:10.12028/j.issn.2095-4239.2019.0015

储能科学与技术 ›› 2019, Vol. 8 ›› Issue (4): 738-744.doi: 10.12028/j.issn.2095-4239.2019.0015

车用动力电池二阶RC建模及参数辨识

罗勇^1,2,3, 赵小帅², 祁朋伟², 刘增玥³, 邓涛³, 李沛然¹

1 中国汽车工程研究院股份有限公司, 汽车噪声振动和安全技术国家重点实验室, 重庆 400054;
2 重庆理工大学, 汽车零部件先进制造技术教育部重点实验室, 重庆 400054;
3 重庆青山工业有限责任公司, 重庆 400054

收稿日期:2019-02-20 修回日期:2019-03-12 出版日期:2019-07-01 发布日期:2019-03-14
通讯作者: 罗勇(1983-),男,副教授,从事新能源汽车、车辆动力传动与控制相关研究,E-mail:77327630@qq.com。
作者简介:罗勇(1983-),男,副教授,从事新能源汽车、车辆动力传动与控制相关研究,E-mail:77327630@qq.com。
基金资助:
国家自然科学基金资助（51305475）；汽车噪声振动和安全技术国家重点实验室2017年度开放基金资助（NVHSKL-201702）；重庆市教委科学技术研究项目（KJQN201801143）；重庆市重点产业共性关键技术创新专项（cstc2015zdcy-ztzx60013）。

Second-order RC modeling and parameter identification of electric vehicle power battery

LUO Yong^1,2,3, ZHAO Xiaoshuai², QI Pengwei², LIU Zengyue³, DENG Tao³, LI Peiran¹

1 State Key Laboratory of Vehicle NVH and Safety Technology, China Automotive Engineering Research Institute Co., Ltd., Chongqing 400054, China;
2 Key Laboratory of Advanced Manufacturing Technology for Automobile Parts, Chongqing University of Technology, Chongqing 400054, China;
3 Department of Technology, Chongqing Tsingshan Industrial Co., Ltd., Chongqing 400054, China

Received:2019-02-20 Revised:2019-03-12 Online:2019-07-01 Published:2019-03-14

摘要/Abstract

摘要： 建立精确的动力电池模型是电池管理系统（battery management system，BMS）开发过程中的重要环节，电池系统具有较强的非线性特性，其模型参数随多种因素的变化而变化。在电池模型参数辨识过程中，考虑的可变因素越多，辨识结果越准确，但模型的运行速度将降低，影响其实际应用。在各种可变因素中，电池荷电状态（state of charge，SOC）对电池模型参数的影响最为显著，对不同SOC下电池模型参数进行辨识并应用于电池模型，将在提高模型精度的同时保持较好的实时性。本文以动力锂电池为对象，采用二阶RC等效电路模型，通过试验得到电池组在不同SOC下的回弹电压数据，采用最小二乘拟合法辨识不同SOC状态下的模型参数。在此基础上搭建模型参数随SOC变化的实时仿真模型，并对模型进行仿真和试验验证，结果表明模型具有较高的精度和实时性。

关键词: 新能源汽车, 电池管理系统, 参数辨识, 二阶RC模型

Abstract: Establishing accurate power battery model is one of the key issues in the development of battery management system (BMS). Battery has strong non-linear characteristics, and its model parameters vary with various factors. In battery model parameter identifcation, the more variable factors are considered, the more accurate the identification results are, but the running speed of the model will be reduced, which will affect its practical application. Among all kinds of variable factors, state of charge (SOC) has the most significant impact on battery model parameters. Identifcation and application of battery model parameters under different SOC will improve the accuracy of battery model while maintaining good real-time performance. In this paper, the secondorder RC equivalent circuit model is used for power lithium batteries. The rebound voltage data of batteries under different SOC conditions are obtained through experiments. The least square ftting method is used to identify the model parameters under different SOC conditions. Furthermore, a real-time simulation model of model parameters varying with SOC is built, and the model is simulated and verifed by experiments. The results show that the model has high accuracy and realtime performance.

Key words: electric vehicle, battery management system, parameter identifcation, second order RC model

中图分类号:

TH132

罗勇, 赵小帅, 祁朋伟, 刘增玥, 邓涛, 李沛然. 车用动力电池二阶RC建模及参数辨识[J]. 储能科学与技术, 2019, 8(4): 738-744.

LUO Yong, ZHAO Xiaoshuai, QI Pengwei, LIU Zengyue, DENG Tao, LI Peiran. Second-order RC modeling and parameter identification of electric vehicle power battery[J]. Energy Storage Science and Technology, 2019, 8(4): 738-744.

参考文献

[1] 何洪文, 余晓江. 电动车辆动力电池的性能评价[J]. 吉林大学学报(工学版), 2006, 36(5):659-663. HE Hongwen, YU Xiaojiang. Performance evaluation of electric vehicle power battery[J]. Journal of Jilin University(Engineering and Technology Edition), 2006, 36(5):659-663.
[2] 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. OUYANG Jian, LI Di, LIU Juncheng. The overview of research of power battery model use for electric vehicle[J]. Mechanical & Electrical Engineering Technology, 2015, 44(12):1-4.
[3] 谭晓军. 电动汽车动力电池管理系统设计[M]. 广州:中山大学出版社, 2011. TAN Xiaojun. Design of power battery management system for electric vehicle[M]. Guangzhou:Sun yat-sen University Press, 2011.
[4] KHATEEB S A, FARID M M, SELMAN J R, et al. Mechanicalelectrochemical modeling of Li-ion battery designed for an electric scooter[J]. Journal of Power Sources, 2006, 158(1):673-678.
[5] SINGH P, JR C F, REISNER D. Fuzzy logic modelling of state-ofcharge and available capacity of nickel/metal hydride batteries[J]. Journal of Power Sources, 2004, 136(2):322-333.
[6] SZUMANOWSKI A, CHANG Y. Battery management system based on battery nonlinear dynamics modeling[J]. IEEE Transactions on Vehicular Technology, 2008, 57(3):1425-1432.
[7] PRAGA-ALEJO R J, GONZÁLEZ-GONZÁLEZ D S, CANTÚ-SIFUENTES M, et al. Statistical inference in a redesigned Radial Basis Function neural network[J]. Engineering Applications of Artificial Intelligence, 2013, 26(8):1881-1891.
[8] 刘吉良. 电动汽车用磷酸铁锂电池建模及剩余电量估计[D]. 秦皇岛:燕山大学, 2012. LIU Jiliang. Modeling and state-of-charge estimation of LiFePO₄ battery in electric vehicle[D]. Qinhuangdao:Yanshan University, 2012.
[9] HU X, LI S, PENG H, et al. Robustness analysis of state-of-charge estimation methods for two types of Li-ion batteries[J]. Journal of Power Sources, 2012, 217(11):209-219.
[10] HARIHARAN K S. A coupled nonlinear equivalent circuit-Thermal model for lithium ion cells[J]. Journal of Power Sources, 2013, 222(222):210-217.
[11] 刘浩. 基于EKF的电动汽车用锂离子电池SOC估算方法研究[D]. 北京:北京交通大学, 2010. LIU Hao. Study on SOC estimation method of lithium-ion battery based on EKF for electric vehicle[D]. Beijing:Beijing Jiaotong University, 2010.
[12] 秦伟良,徐丹丹. 基于遗传算法的动力电池参数模型辨识[J]. 电力电子技术, 2016, 50(8):69-70. QIN Weiliang, XU Dandan. Identification of parameter model for power battery based on genetic algorithm[J]. Power Electronics, 2016, 50(8):69-70.
[13] 李超. 电动汽车用镍氢电池模型参数辨识和SOC估算研究[D]. 天津:天津大学, 2007. LI Chao. Study on parameter indentification and SOC estimation of NI/MH battery for EV[D]. Tianjin:Tianjin University, 2007.
[14] 张禹轩. 电动汽车动力电池模型参数在线辨识及SOC估计[D]. 长春:吉林大学, 2014. ZHANG Yuxuan. Parameter identifcation and SOC estimation of power battery for eletric vehicle[D]. Changchun:Jilin University, 2014.
[15] 魏学哲, 孙泽昌, 田佳卿. 锂离子动力电池参数辨识与状态估计[J]. 同济大学学报(自然科学版), 2008, 36(2):231-23. WEI Xuezhe, SUN Zechang, TIAN Jiaqing. Parameter identification and state estimation of Li-ion power battery in hybrid electric vehicle[J]. Journal of Tongji University(Natural Science), 2008, 36(2):231-23.

车用动力电池二阶RC建模及参数辨识

Second-order RC modeling and parameter identification of electric vehicle power battery

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	袁建华, 刘雅萍, 赵子玮, 刘宇, 谢斌斌, 何宝林. 基于IGWO-PF算法的无人机锂电池SOC估计[J]. 储能科学与技术, 2022, 11(5): 1601-1607.
[2]	王芳, 王峥, 林春景, 张国振, 张贵平, 马天翼, 刘磊, 刘仕强. 新能源汽车动力电池安全失效潜在原因分析[J]. 储能科学与技术, 2022, 11(5): 1411-1418.
[3]	刘春辉, 任宏斌. 基于SOC的动力电池组主动均衡研究[J]. 储能科学与技术, 2022, 11(2): 667-672.
[4]	刘雨洋, 王顺利, 谢滟馨, 吉伟康, 张一兴. 基于在线参数辨识和改进2RC-PNGV模型的锂离子电池建模与SOC估算研究[J]. 储能科学与技术, 2021, 10(6): 2312-2317.
[5]	乔家璐, 王顺利, 于春梅, 史卫豪, 杨潇. 基于加权多新息AEKF的锂电池SOC在线估算[J]. 储能科学与技术, 2021, 10(6): 2318-2325.
[6]	张小利, 王玥童, 夏金松, 张莹莹. 基于改进的CDKF锂电池SOC估计方法[J]. 储能科学与技术, 2021, 10(4): 1454-1462.
[7]	朱磊, 刘子博, 李路路, 潘庭龙, 杨玮林. 基于RLS-DLUKF算法的锂电池SOC预测方法研究[J]. 储能科学与技术, 2021, 10(3): 1137-1144.
[8]	杜帮华, 张宇, 吴铁洲, 何衍林, 李子龙. 梯次利用锂离子电池等效模型参数在线辨识方法[J]. 储能科学与技术, 2021, 10(1): 342-348.
[9]	滕冠兴, 戚俊毅, 葛昊, 李哲, 张剑波 . 通过无量纲化方法分析实验条件对锂离子电池热参数辨识精度的影响[J]. 储能科学与技术, 2021, 10(1): 250-260.
[10]	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.
[11]	杨续来, 张峥, 曹勇, 刘成士, 艾新平. 高能量密度锂离子电池结构工程化技术探讨[J]. 储能科学与技术, 2020, 9(4): 1127-1136.
[12]	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.
[13]	朱伟杰, 史尤杰, 雷博. 锂离子电池储能系统BMS的功能安全分析与设计[J]. 储能科学与技术, 2020, 9(1): 271-278.
[14]	蒋聪, 王顺利, 李小霞, 熊鑫. 基于改进EKF算法变温度下的动力锂电池SOC估算[J]. 储能科学与技术, 2020, 9(1): 145-151.
[15]	陈翌, 白云飞, 何瑛. 数据驱动的锂电池健康状态估算方法比较[J]. 储能科学与技术, 2019, 8(6): 1204-1210.