matlab研究锂电池,基于MATLAB的锂电池健康状态建模实现

90 阅读 0 评论 60 点赞

我是靠谱客的博主体贴流沙，最近开发中收集的这篇文章主要介绍matlab研究锂电池,基于MATLAB的锂电池健康状态建模实现，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

1引言动力锂电池随着时间增加,不断进行充放电,电池性能包括其最大容量、充放电功率等逐渐变差,电池的寿命衰退。而作为电动汽车动力来源的锂电池,为了保障电动汽车系统的稳定性,对锂电池的健康状态的监控必不可少。因此,针对锂电池的健康状态模型及其估算算法进行研究,为锂电池的健康状态提供分析方法、路径和工程计算的实现思想。本文基于大量锂电池循环充放电实验数据,汲取前人对锂电池寿命影响因素的相关研究成果,分析实验数据,总结锂电池容量衰退规律,并将锂电池的模型进行线性化,模型采用MATLAB进行搭建,并通过该模型实现健康状态的估算。描述基于MATLAB的动力锂电池健康状态建模过程及健康状态估算算法实现流程。为锂电池健康状态衰退机理的研究提供一个数学方式,并结合可视化界面,将抽象的数据分析用模型直观表现出来。2锂电池健康状态模型原理锂电池的健康状态SOH(StateofHealth),是指电池当前的容量能力,即在一定条件下,锂电池所能充入或放出电量与电池标称容量的百分比[1]。本文通过循环对12Ah的锂电池进行充电和放电的实验,从而获得充放电的数据,实验过程按照充电后搁置一段时间,然后放电,继续搁置一段时间后充电,不停循环后,电池容量不断衰减,直到SOH值降至0.8。充电机制为0.5C恒流充电,直到单体电压上升到3.65V,再进行恒压充电至充满。实验中每隔1s进行一次锂电池的电流、电压、能量、容量、内阻等各项的数据记录。据国内外相关研究资料表明,影响锂电池使用寿命衰退的因素非常多,若逐一考虑影响因素来模型则复杂且难以实现。本文考虑通过锂电池的大量实验数据分析,总结引起锂电池的容量衰退的相关规律。在容量衰退规律的基础上进行锂电池健康状态建模,并将易测得的电压、电流、容量、内阻等物理量作为该模型的输入,模型输出锂电池健康状态。2.1锂电池循环充放电实验分析对锂电池进行循环实验的分析可知,随着循环充放电次数增加电池容量会逐渐衰减,说明电池的SOH会逐渐下降,在整个过程中锂电池的充电电压曲线与放电电压曲线都会产生相应的变化。但锂电池在不同的循环充放电次数下,其充电电压曲线表现出了较好的一致性,如图1所示:将充电电压曲线归一化后,充电时间与充电电压都从0开始,充电电压到1结束。另外,分析得到锂电池对环境温度、充电倍率在小范围内的变化不太敏感[2]。本文忽略其对SOH造成的影响,给定室温和固定充电倍率进行建模仿真。图1不同SOH下电池的充电电压进行归一化处理后的曲线一般地,用于表征锂电池工况的外部物理参量有电压、内阻、容量等,在锂电池进行大电流充电或放电过程中其端电压会急剧的升高或下降,本文利用在不同的SOH状态下,锂电池在充入相同电量时,会有不同的电压表征这一特点,来估算电池当前的SOH[3]。因此,拟合出锂电池充电过程电压或放电过程中的电压变化与容量衰退的关系曲线,通过该关系曲线根据锂电池当前的充放电数据即可判断出其容量能力,该建模方法即为电压曲线拟合法。本文采用其充电过程中的数据拟合曲线实现模型搭建。2.2锂电池健康状态电压拟合模型在充电电压曲线及充电过程中内阻容量曲线的基础上搭建模型如式(1)[4],并增加自适应功能,可根据锂电池的当期充电数据变更模型参数,其原理框图如图2所示。U(R(C),C)=k1+k2*Fbase(C)+k3*I*R(C)(1)图2自适应电压拟合建模原理其中,R(C)充入容量为C时刻的锂电池的内阻;Fbase(C)为锂电池充电电压曲线,它是由标准放电的电压随容量变化的曲线来的;k1,k2,k3为模型的待定系数。由原理可知,由系统采集的电池充放