車用電池模型研究

李多晴

（重慶交通大學(xué)，重慶 400074）

車用電池模型研究

李多晴

（重慶交通大學(xué)，重慶 400074）

由于社會和環(huán)境的需求，電動汽車市場規(guī)模不斷擴(kuò)大，對車用電池的研究也在不斷加深。其中，電池模型的研究起著十分關(guān)鍵的作用，它關(guān)系到電池系統(tǒng)對SOC、SOH、工作參數(shù)曲線等信息的描述準(zhǔn)確與否，進(jìn)而關(guān)系到相關(guān)控制策略的執(zhí)行，影響整車的參數(shù)和性能。文章介紹了三類電池模型——簡化電化學(xué)模型、等效電路模型和神經(jīng)網(wǎng)絡(luò)模型。簡化電化學(xué)模型采用數(shù)學(xué)方法描述電池內(nèi)部的反應(yīng)過程，等效電路模型使用電路網(wǎng)絡(luò)模擬電池動態(tài)模型，神經(jīng)網(wǎng)絡(luò)模型是利用人工智能的方法模擬電池的運(yùn)行。神經(jīng)網(wǎng)絡(luò)非線性、多輸入多輸出、泛化能力強(qiáng)的特點(diǎn)，尤為有利于描述電池這一高度非線性系統(tǒng)，是研究和應(yīng)用的重點(diǎn)。

電動汽車；電池模型；人工智能；神經(jīng)網(wǎng)絡(luò)

CLC NO.: U463.6 Document Code: A Article ID: 1671-7988(2015)06-14-03

1、電池簡介

電池是一種將化學(xué)能轉(zhuǎn)化為電能的裝置。目前汽車主要使用的電池有鉛蓄電池、鎳鎘蓄電池、鎳氫蓄電池、鋰離子電池和燃料電池等。電池系統(tǒng)的性能優(yōu)劣直接關(guān)系到汽車運(yùn)行狀態(tài)。然而電池結(jié)構(gòu)、工作特性復(fù)雜，要了解電池的SOC、SOH、工作參數(shù)曲線等信息，須基于電池模型的建立。

2、電池模型

包括外電壓、溫度和工作電流等在內(nèi)的參數(shù)是電池可以實(shí)時測量的外部特性參數(shù)。其中，電池工作電流主要受負(fù)載等外部條件控制和影響；電池溫度與環(huán)境溫度、工作電流、通風(fēng)量和熱管理等情況密切相關(guān)；電池的外電壓包括開路電壓、電流內(nèi)阻上的歐姆壓降和極化阻抗上的極化電壓。通過建立電池模型，可以明確電池外部電氣特性和內(nèi)部狀態(tài)的定量關(guān)系，進(jìn)而根據(jù)電池的電壓、電流、溫度等外部變量計(jì)算出電池的內(nèi)部狀態(tài)。目前對電池研究的主要模型有電化學(xué)模型、等效電路模和神經(jīng)網(wǎng)絡(luò)模型三類。

2.1 簡化電化學(xué)模型

簡化電化學(xué)模型是基于電化學(xué)理論，采用數(shù)學(xué)方法描述電池內(nèi)部的反應(yīng)過程。

Peukert模型是Peukert方程基礎(chǔ)上建立的。Peukert于1898年提出鉛酸蓄電池的容量C或放電時間t與放電電流I之間關(guān)系式：Int=k 或 C=KI(1-n)，式中n為與蓄電池結(jié)構(gòu)有關(guān)的常數(shù)，n=1.15-1.42；K（與蓄電池中活性物質(zhì)的量有關(guān)）為常數(shù)。 Peukert方程表明，放電電流越大，蓄電池容量越?。ǖ贿m用于放電電流很小的情況）。

Shepherd模型是于1965年由C.M.謝菲爾德(Shepherd)提出的蓄電池端電壓估算方程，即，式中，項(xiàng)用于校正初期放電時電壓的劇烈下降；Es項(xiàng)代表蓄電池放電初始電壓；C（1-SOC）是考慮空載電壓隨放電程度變化所引入的表達(dá)式；Ki（SOC）I用于表示電極板通道引起的壓降；RiI項(xiàng)表示歐姆電壓損失。Shepherd電池模型基于低電流狀況下的恒電流放電研究，但是在電動汽車上，電池通常放電深度都比較低。

2.2 等效電路模型

等效電路模型本質(zhì)上是電路網(wǎng)絡(luò)，其電路元件由電阻、電容、恒壓源等組成的典型的等效電路模型包括Rint模型、Thevenin等效電路模型、PNGV模型和RC模型。

Rint模型是由美國愛達(dá)荷國家實(shí)驗(yàn)室（INNEEL）設(shè)計(jì)的，用理想電壓源描述電池的開路電壓。Thevenin等效電路模型在Rint模型的基礎(chǔ)上增加了一個電容和電阻。當(dāng)電池有載荷時，其端電壓的變化會體現(xiàn)出突變性和漸變性的雙重特征；突變性是內(nèi)阻表現(xiàn)出的特性，漸變性是極化電容表現(xiàn)的特性。PNGV模型是2001年《PNGV電池實(shí)驗(yàn)手冊》中的標(biāo)準(zhǔn)性能電池的模型，同時也是2003年《FreedomCAR電池實(shí)驗(yàn)手冊》中的標(biāo)準(zhǔn)性能電池的模型。它是對Thevein等效電路模型的提升，在原來的基礎(chǔ)上增加電容，這樣就可以更加準(zhǔn)確的描述開路電壓隨負(fù)載電流的時間累積而產(chǎn)生的變化。RC模型利用大電容來模擬電池的儲能特性，雖然和PNGV模型同是理論推導(dǎo)公式，但是RC模型更能夠反映電池在動態(tài)工況下的性能。

2.3 神經(jīng)網(wǎng)絡(luò)模型

電池是一個高度非線性系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)具有非線性、多輸入多輸出、泛化能力強(qiáng)的優(yōu)點(diǎn)，這使得神經(jīng)網(wǎng)絡(luò)電池模型十分適合模擬電池的外特性。

2.3.1 基于BP神經(jīng)網(wǎng)絡(luò)的電池模型

BP網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。電流輸入的BP神經(jīng)網(wǎng)絡(luò)模型是典型的三層BP網(wǎng)絡(luò)，由輸入層、輸出層和隱含層組成。張萬興在分析動力電池特性的基礎(chǔ)上，對某型號磷酸鐵鋰電池組進(jìn)行電池組在不同放電倍率下放電、不同SOC下放電和循環(huán)工況下放電等試驗(yàn)，采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法，建立了預(yù)測電池剩余容量的BP神經(jīng)網(wǎng)絡(luò)模型，再用cruise軟件對BP神經(jīng)網(wǎng)絡(luò)電池模型在某款電動汽車上進(jìn)行續(xù)駛里程仿真，通過與實(shí)際值比較，符合設(shè)計(jì)誤差要求。

2.3.2 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)電池模型

徑向基函數(shù)網(wǎng)絡(luò)（RBF網(wǎng)絡(luò)）具有可逼近任意的非線性函數(shù)的特性、良好的泛化能力，和很快的學(xué)習(xí)收斂速度，可以用來分析比較復(fù)雜的系統(tǒng)。米林等人研究徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)對電動汽車動力電池SOC估計(jì)，對實(shí)驗(yàn)結(jié)果進(jìn)行了分析和總結(jié)。實(shí)驗(yàn)結(jié)果表明: 電池 SOC估計(jì)模型可以通過蓄電池的工作電壓、工作電流和表面溫度參數(shù)來估計(jì)蓄電池的荷電狀態(tài)實(shí)時值，采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法可以大大提高 SOC值的精度。

2.3.3 基于PID的神經(jīng)網(wǎng)絡(luò)的電池模型

PID神經(jīng)網(wǎng)絡(luò)是是一種采用反向?qū)W習(xí)算法且能以任意精度逼近任意連續(xù)變化量動態(tài)的前向神經(jīng)網(wǎng)絡(luò)，它在神經(jīng)網(wǎng)絡(luò)的基本拓?fù)浣Y(jié)構(gòu)上發(fā)展起來的，不同之處是隱含層中融入PID控制規(guī)律。胡春華等人通過建立PID神經(jīng)網(wǎng)絡(luò)模型，將PID神經(jīng)網(wǎng)絡(luò)算法用于磷酸鐵鋰電池的SOC估算中，通過反向算法學(xué)習(xí)和訓(xùn)練SOC估算模型，采用前向和反向算法。對電池SOC容量進(jìn)行估算，最后結(jié)果最大相對誤差的絕對值處于較理想?yún)^(qū)間，精度較高。

2.3.4 基于Elman 神經(jīng)網(wǎng)絡(luò)的電池模型

Elman網(wǎng)絡(luò)具有與多層前向網(wǎng)絡(luò)相似的多層結(jié)構(gòu)，可以看作是一個具有局部記憶單元和局部反饋連接的前向神經(jīng)網(wǎng)絡(luò)，它是由 J. L. Elman提出來的。韓麗等人基于 Elman 神經(jīng)網(wǎng)絡(luò)方法電池劣化程度預(yù)測建立模型；其次通過遺傳算法對預(yù)測模型中的初始權(quán)值和閾值進(jìn)行優(yōu)化；然后根據(jù)淺度放電的測量數(shù)據(jù)進(jìn)行劣化程度的預(yù)測；最后通過和實(shí)測數(shù)據(jù)的對比，該模型對電池劣化程度預(yù)測準(zhǔn)確度較高。

2.3.5 基于小波神經(jīng)網(wǎng)絡(luò)電池模型

小波神經(jīng)用絡(luò)是基于小波變換而構(gòu)成的神經(jīng)網(wǎng)絡(luò)模型，即用非線性小波基取代通常的神經(jīng)元非線性激勵函數(shù)，而小波變換具有時頻局部特性和變焦特性。付主木等基于先進(jìn)小波神經(jīng)網(wǎng)絡(luò)建立電池SOC預(yù)測模型，通過數(shù)學(xué)方法推導(dǎo)證明了小波神經(jīng)網(wǎng)絡(luò)的收斂性，并利用大量混合動力汽車動力電池在行駛過程中充放電的運(yùn)行參數(shù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，使得模型仿真結(jié)果精度有效提高。

3、總結(jié)

簡化電化學(xué)模型的優(yōu)點(diǎn)是簡單易用，缺點(diǎn)是對其他影響電池性能的因素考慮不足，限制了模型在電動汽車中的廣泛應(yīng)用。等效電路模型對于電池的各種工作狀態(tài)有較好的適用性，并且可以推導(dǎo)模型的狀態(tài)空間方程，便于分析和應(yīng)用。神經(jīng)網(wǎng)絡(luò)非線性、多輸入多輸出、泛化能力強(qiáng)的特點(diǎn)很適用于精確描述電池模型，尤其以誤差反向傳播神經(jīng)網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)）理論最為完備；雖然具有比前兩類電池更為復(fù)雜，但是在智能技術(shù)不斷發(fā)展和人類社會對電動汽車電池技術(shù)要求越來越來高的大背景下越來越具有發(fā)展價值。

[1] 趙航，史廣奎.混合動力電動汽車技術(shù)[M].北京：機(jī)械工業(yè)出版社，2012.

[2] 張萬興.電動汽車動力電池剩余電量和續(xù)航里程預(yù)測研究[D].碩士學(xué)位論文，合肥:合肥工業(yè)大學(xué)，2012.04:29-42.

[3] 米林，趙孟娜，秦甲磊，吳旋.基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電動汽車動力電池SOC模型[J].重慶理工大學(xué)學(xué)報（自然科學(xué)版），2011,25（10）：11～15.

[4] 胡春花，何仁，王潤才，俞劍波.基于PID神經(jīng)網(wǎng)絡(luò)的車用鋰電池SOC估算[J].汽車技術(shù).2012,10:36-43.

[5] 韓麗，戴廣劍，李寧.基于GA-Elman神經(jīng)網(wǎng)絡(luò)的電池劣化程度預(yù)測研究[J].電源技術(shù)，2013.2:249-250，309.

[6] 付主木，趙瑞.基于先進(jìn)小波神經(jīng)網(wǎng)絡(luò)的HEV動力鋰離子電池SOC估計(jì)[J].東南大學(xué)學(xué)報（英文版），2012,4：300-204.

Car battery model study

Li Duoqing
(Chongqing Jiaotong University, Chongqing 400074)

As the requirement of society and environment,the scale of electronic vehicle market increase,and so does the research of battery.The research of battery model plays a key roel role among this ,because it has a strong relationship with the accuracy of the description of SOC,SOH and running parameter bight.Forthermore,it relates to the execution of relative control strategy and vehicle parameter and function .This passage introduces 3 battery model——simplied electrochemical model , equivalent circuit model and NNs model. Simplied electrochemical model describes reaction in the battery using math tools, equivalent circuit model simulates dynamic model by electric circuit and NNs model sumulates work of battery using artificial intelligence. Unlinear,multiply-inputed ,multiply-outputed and generalized NNs is specially fit for describing quite unlinear system—battery,so it is a key point for researching and applying.

electric vehicle; battery model; artificial intelligence; NNs

U463.6

A

1671-7988(2015)06-14-03

李多晴，就讀于重慶交通大學(xué)車輛工程專業(yè)，研究方向?yàn)樾履茉雌嚒?/p>