封居強 孫亮東 伍龍 盧俊

【摘? ?要】? ?針對單一等效電路模型表征鋰離子電池特性不準確、全時段不一致、魯棒性較差的問題，提出一種高精度的分段模型。基于Simulink構(gòu)建了五種等效電路模型，采用混合動力脈沖特性實驗辨識模型參數(shù)?；贏IC信息準則判定充電、放電和擱置等階段和不同SOC處最佳模型。在DST動態(tài)應(yīng)用測試工況下，將模型與二階RC、三階RC和內(nèi)阻模型仿真比較。結(jié)果顯示：采用分段模型最大誤差至少降低22%、平均誤差至少降低32%、均方差僅為0.058，表明該模型具有較高的精度和穩(wěn)定性。

【關(guān)鍵詞】? ?分段模型;HPPC測試;DST測試;等效電路模型

High-precision Segmented Circuit Model of Lithium-ion

Batteries Based on AIC Criteria

Feng Juqiang1， Sun Liangdong1 ， Wu Long1 ， Lu Jun2

（1. Huainan Normal University， Huainan 232038， China;

2. Huainan Institution of Coal Mining Electronic Technology， Huainan 232002， China）

【Abstract】? ? This paper proposes a high-precision segmented model aiming at the problems of inaccurate characterization， inconsistency throughout the whole period， and poor robustness of lithium-ion battery characteristics of a single equivalent circuit model. There are five equivalent circuit models constructed based on Simulink， and the model parameters are identified using hybrid impulse characteristic experiments. The best models are determined based on AIC information criteria at different SOC and stages of charging， discharging and shelving. The model is compared with the second-order RC， third-order RC and internal resistance models under the DST dynamic application test condition. The results show that the maximum error is reduced by at least 22%， the mean error is reduced by at least 32%， and the mean square error is only 0.058， which indicates that the model has high accuracy and stability.

【Key words】? ? ?segmented model; HPPC test; DST test; equivalent circuit model（ECM）

〔中圖分類號〕? TP14? ? ? ? ? ? ? ?〔文獻標識碼〕? A ? ? ? ? ? ? ?〔文章編號〕 1674 - 3229（2022）01- 0024 - 06

0? ? ?引言

鋰離子電池以其長壽命、高安全可靠性、高能量密度、低自放電率等優(yōu)點成為當今世界不可或缺的儲能技術(shù)[1]，被應(yīng)用到社會的各個領(lǐng)域，如汽車、手機、電腦等工業(yè)。但以現(xiàn)在的科技條件來看，鋰離子電池的應(yīng)用還不夠成熟，依然存在著很多需要解決的問題，如電池的自燃、爆炸等[2]?，F(xiàn)有的電池管理系統(tǒng)（Battery Management System， BMS）還不能安全可靠地保障電池運行，其中關(guān)鍵問題在于荷電狀態(tài)（State of Charge，SOC）的估計不夠精準。

SOC是電池使用剩余電量與額定容量的比值，它無法直接測得，而是動態(tài)的變量參數(shù)，只能通過電壓、電流、內(nèi)阻和溫度等外部參數(shù)進行估計[3]。傳統(tǒng)的SOC估計方法有放電法、電導(dǎo)法、開路電壓法和安時積分法，以上方法基礎(chǔ)簡單、易于實現(xiàn)，但精度不高、適應(yīng)性不強。新型的估計方法有擴卡爾曼濾波（Extend Kalman Filter， EKF）、粒子濾波法（Particle Filter， PF）、模糊邏輯法和神經(jīng)網(wǎng)絡(luò)算法（Back Propagation， BP）等，該類方法結(jié)合數(shù)學(xué)和計算機理論，實現(xiàn)過程較為復(fù)雜，但估計效果好、適應(yīng)性更強[4]。其中EKF算法利用均方誤差最小的估計原則進行多次遞推估計，得到最佳估計值，是應(yīng)用最為廣泛的一種算法[5]。由于EKF算法是基于電池等效模型（Equivalent Circuit Model，ECM）的方法，估計精度很大程度上受模型的影響。

為了獲得精準的等效電路模型，進而準確地估計鋰離子電池的SOC，許多學(xué)者進行了大量的研究。劉征宇[6]等提出了LSP2D化學(xué)模型，相比較P2D模型估計速度提高99.7%，相比SP模型精度大幅度提高;李心成[7]等從電池氧化還原反應(yīng)的角度考慮電池的電化學(xué)模型，基于Nernst模型、Shepherd模型和Unnewehr模型建立簡化電化學(xué)模型;文獻[8-10]針對PNGV模型開展離線或在線的參數(shù)辨識，并結(jié)合卡爾曼濾波及改進算法進行電池SOC估計研究;文獻[11-13]針對二階RC模型在線辨識，并結(jié)合卡爾曼濾波及改進算法進行電池SOC估計研究;黃凱[14]等以內(nèi)阻模型、一階RC（Thevenin）模型和二階RC模型為基礎(chǔ)考慮遲滯效應(yīng)，提出利用分段線性遲滯電壓函數(shù)修正OCV-SOC關(guān)系方法;封居強[15]等基于二階RC模型考慮充放電不一致性和遲滯效應(yīng)提出動態(tài)綜合型等效電路模型。鋰離子電池在全時段的化學(xué)反應(yīng)是不同的，主要表現(xiàn)為鋰離子在固相中的擴散和溶液中的遷移會在微觀上和宏觀上都發(fā)生變化。另外，鋰離子電池內(nèi)部化學(xué)反應(yīng)表現(xiàn)為動態(tài)非線性特性，采用單一模型很難精準地描述電池的全時段化學(xué)變化。以上研究結(jié)果也表明單一電化學(xué)模型、一階RC模型或二階RC模型在SOC估計的前期和后期表現(xiàn)不一致。本文提出分段等效電路模型的方法，以50Ah三元鋰離子電池為研究對象，進行混合動力脈沖能力特性（Hybrid Pulse Power Characteristic， HPPC）實驗，基于五種常用模型開展模型辨識與仿真，分析端電壓誤差，用赤池信息準則（Akaike Information Criterion， AIC）判定模型階段適用性，全時段期間自動選擇最佳模型。在DST工況下，與單一模型進行對比，驗證本文模型的可行性和有效性。

1? ? ?電池建模參數(shù)辨識

1.1? ?混合動力脈沖特性實驗

HPPC測試是采用連續(xù)脈沖激勵序列對動力電池進行充放電，以獲得動力電池在不同SOC值下的動態(tài)特性。示意圖如圖1所示。

[Ro=（U4-U3）+（U1-U2）2I]

1.2? ?模型參數(shù)辨識

HPPC測試是等效電路模型參數(shù)辨識的有效方法，通過分析激勵電壓的變化來確定該模型中未知元器件參數(shù)。魏學(xué)哲[16]等對動力電池內(nèi)阻進行直流脈沖測試，基于多孔電極理論分析了歐姆內(nèi)阻辨識方法;Liu X[17]等針對PNGV模型進行了HPPC測試，并對模型參數(shù)辨識公式進行詳細的推導(dǎo);孫濤[18]等對電動汽車鋰電池進行HPPC脈沖電流激勵測試，并對Thevenin模型辨識方法進行詳細闡述;文獻[14-15]和文獻[19]分別針對二階RC和多極模型進行分析、比較和參數(shù)辨識。

根據(jù)圖1分析得，U1-U2、U3-U4的變化是由歐姆特性參數(shù)，內(nèi)阻R0表征;U4-U5是電池擱置階段，變化是由電池放電極化特性產(chǎn)生，RC回路表征;U2-U3是電池放電階段，是歐姆特性和極化特性共同作用產(chǎn)生。根據(jù)參考文獻[14-16]和[18-19]可知模型參數(shù)辨識主要公式如式（1）-（10）。

[Ro=（U4-U3）+（U1-U2）2I]? ? ?   ?（1）

[Rp=U1-U4-IRoI（1-et2-t3τ）]? ? ? ? ? ?（2）

[Cp=τRp]? ? ? ? ? ? ? ?（3）

[τ=-t4-t3ln（1-U5-U4U1-U4）]? ? ? ? ? ?（4）

[Cb=12CbU2=12Cb（U2100%SOC-U20%SOC）Cb=QN*Uoc]? （5）

在圖1中U4-U5段為放電脈沖結(jié)束后擱置40s的電壓變化曲線，電流輸入為0，此時可看作是RC環(huán)節(jié)零輸入狀態(tài)時響應(yīng)，端電壓可表示為：

[ULt =UO+Uc0e-tτ1+Up0e-tτ2]? （6）

根據(jù)式（6），使用Matlab軟件中自帶的cftool工具箱對U4-U5段電壓變化曲線進行擬合，可求得Uc（0）、Up （0）、τ1、τ2值。對于U2-U3段可看作RC環(huán)節(jié)的零狀態(tài)響應(yīng)。因此，電容兩端電壓表達式為：

[Uct =IRc（1-e-tτ1）]? ? ? ? ?（7）

[Upt =IRp（1-e-tτ2）]? ? ? ? ?（8）

從U3點到U4點的瞬間電池極化電壓基本不變，由此可得：

[Uc0 =IRc（1-e-tiτ1）]? ? ? ? ?（9）

[Up0 =IRp（1-e-tiτ2）]? ? ? ? ?（10）

式中，ti為U2點到U3點的時間，本文為10s。將已求得的U1（0）、U2 （0）、τ1、τ2，代入式（9）（10）可求得Rc和Rp，然后根據(jù)時間常數(shù)表達式求出Cc與Cp。

2? ? ?ECM模型對比分析

2.1? ?仿真平臺搭建

以Matlab/Simulink為軟件平臺[20]，共包含數(shù)據(jù)輸入、參數(shù)辨識、模型構(gòu)建和結(jié)果輸出4個部分，其中參數(shù)辨識模塊中二階RC的模型如圖2所示。

2.2? ?仿真結(jié)果分析

以HPPC測試數(shù)據(jù)間隔10個樣本采樣作為樣本數(shù)據(jù)，進行五種模型端電壓計算，實驗端電壓數(shù)據(jù)與各模型仿真端電壓值的比較如圖3所示，絕對誤差如圖4所示。

由圖3和圖4結(jié)果分析可知：

（1）通過辨識實驗和驗證實驗可看出5種模型都能夠較好地表征電池動態(tài)變化特性。

（2）同一種模型在全工況時段仿真效果一致性較差，比如PNGV模型在SOC大于0.9時仿真誤差小于0.011V，SOC等于0.7時誤差為0.1V，隨著SOC降低誤差逐漸增大，最大達到0.653V;內(nèi)阻模型在擱置階段仿真誤差最小均為0.003V，隨著SOC的降低，充放電階段誤差最大0.287V。

（3）不同模型在同一階段仿真效果各異，比如SOC大于0.9時二階RC模型誤差最大，最大絕對誤差為-0.28 V，內(nèi)阻和PNGV模型誤差相對較小;SOC在0.9-0.6階段內(nèi)阻模型和Thevenin模型仿真誤差較小，三階RC模型誤差較大，為0.225V;SOC小于0.6階段內(nèi)阻模型、Thevenin模型、二階RC模型和三階RC模型，仿真效果相對穩(wěn)定，且誤差相近。

通過以上分析可看出，采用單一的模型較難準確表征電池在工作全工況的電化學(xué)特性，每種模型在各個階段都有各自優(yōu)缺點。因此，采用分段模型的形式描述鋰離子電池整個充放電過程更加合理、有效。

3? ? ?分段模型確定方法及實驗分析

3.1? ?參數(shù)評估

模型仿真得到的端電壓誤差很大程度上決定了模型精準度。根據(jù)圖4誤差分析，本文以150mV為閾值，若模型仿真的端電壓與實驗測量值的絕對誤差大于150mV，則認為得到的模型不可用，模型對應(yīng)參數(shù)不能用于SOC估計。

3.2? ?模型的確定

同一階段可能幾種模型的絕對誤差小于150mv的閾值，或者均大于150mV。為了進一步確定模型及其參數(shù)引入赤池信息量準則（AIC），從精度和復(fù)雜度多角度考核模型，依此獲得最佳模型。

AIC是衡量統(tǒng)計模型擬合優(yōu)良性的一種標準，它建立在熵的概念上，提供了權(quán)衡估計模型復(fù)雜度和擬合數(shù)據(jù)優(yōu)良性的標準，一般的形式可表達為：

[AIC=2mT+ln（SSET）]? ? ? ? ?（11）

式（11）中，T為實驗的采樣點個數(shù)，本文HPPC測試樣本點為234838個，DST測試樣本點126582個;m為模型未知參數(shù)個數(shù);SSE（Sum of Squares for Error）為殘差平方和。隨著硬件處理器速度的不斷提升，AIC更鼓勵數(shù)據(jù)擬合，降低誤差，但盡量避免出現(xiàn)過度擬合。本文針對擱置、充電和放電不同階段和不同SOC計算AIC，如表1所示。當SOC大于0.9時，三階RC模型的AIC值在各階段均小于其他模型;SOC在0.8-0.9期間，內(nèi)阻模型和三階RC各模型在各階段的AIC值偏小;在SOC小于0.8后，基于不同階段和不同SOC多因素分析AIC值的規(guī)律較為困難，難以選擇最優(yōu)模型。

根據(jù)表1可知，四種模型的AIC受SOC值變化影響較大，在放電、充電、擱置階段的變化規(guī)律相同，模型精度的穩(wěn)定性較好，因此，將表格1簡化為表2進行分析。

由表2可知，當SOC大于0.9時，應(yīng)選擇三階模型;SOC在0.9-0.7時選擇二階模型;SOC小于0.7統(tǒng)一選擇內(nèi)阻模型。在SOC全時段，對各類模型的AIC求平均和方差可知：內(nèi)阻模型的平均值最小為11.95，方差最小為2.49，表明充電、放電、擱置等不同階段變化時，內(nèi)阻模型最為穩(wěn)定。

3.3? ?實驗驗證及分析

為了驗證分段模型的有效性，在原電池的基礎(chǔ)上進行動態(tài)應(yīng)力測試（Dynamic Dtress Test，DST）。圖5給出了實驗過程中單體電池的電流和端電壓數(shù)據(jù)，同時通過局部放大給出具有代表性的數(shù)據(jù)段，更易看出工況的復(fù)雜性和端電壓變化的情況。

將DST工況的電流和電壓數(shù)據(jù)導(dǎo)入Simulink模型，經(jīng)過參數(shù)辨識和模型構(gòu)建模塊后計算基本模型的端電壓UL，在后面增加AIC計算和模型選擇模塊，最終輸出分段模型的端電壓UL′。根據(jù)表2的AIC值以及分析結(jié)果，選定內(nèi)阻模型、二階RC模型和三階RC模型的UL以及分段模型的UL′與DST工況端電壓實際值Ui對比，結(jié)果如圖6所示。UL和UL′與Ui之間的誤差如圖7所示，誤差數(shù)據(jù)對比如表3所示。圖6和圖7的結(jié)果分析如下。

（1）DST工況實驗再次驗證單一模型在不同時段和不同SOC處模型的仿真結(jié)果不一致性差，誤差波動較大。

（2）由圖6局部放大圖形分析可得：分段模型仿真的端電壓值最接近實驗值，在不同階段均優(yōu)于其他模型。實驗前期分段模型的仿真數(shù)據(jù)與二階RC和三階RC模型仿真數(shù)據(jù)比較接近，誤差約為50mV;中后期分段模型的精度較高，誤差均小于20mV。參考HPPC測試AIC值（表2）分析可知：本實驗測試的三元鐵鋰電池在SOC大于0.7時選擇高階RC模型仿真端電壓較準確;SOC小于0.7時選擇內(nèi)阻模型仿真端電壓較準確。

（3）分段模型采用的150mV閾值和AIC兩個條件選擇合適的模型。分段模型仿真數(shù)據(jù)應(yīng)該由選擇最優(yōu)模型的數(shù)據(jù)構(gòu)成，但由于采樣點是離散的，擬合曲線會存在一定差異，另外分段模型在t-1、t和t+1時刻可能由不同模型構(gòu)成，因此局部放大后的分段模型曲線不與任何模型曲線完全重疊。

（4）通過表3的最大誤差、平均誤差和均方差客觀分析可知：分段模型最大誤差較二階RC、三階RC和內(nèi)阻模型分別減少86mV、104mV和31mV;平均誤差減少8mV、68mV和16mV。分段模型的最大誤差至少降低22%;平均誤差至少降低32%。分段模型的均方差僅為0.058，反映各采樣點的誤差偏離平均誤差較小，且相對穩(wěn)定，表明分段模型在整個階段相比較其他模型魯棒性更好。

4? ? ?結(jié)論

本文針對三元鋰離子電池開展了等效電路的研究，分析了等效電路模型的特點。針對50Ah電池進行了HPPC測試，對五種模型進行辨識分析;在Simulink中搭建仿真模型，求得端電壓和端電壓誤差;借用AIC算法對不同階段和不同SOC處評價模型的優(yōu)良。通過DST實驗驗證了分段模型的可行性和有效性。實驗結(jié)果表明：分段模型相比較二階RC模型、三階RC模型和內(nèi)阻模型最大誤差至少降低22%、平均誤差至少降低32%;均方差僅為0.058，表明分段模型的精度較高。

[參考文獻]

[1]? Amini MH， Karabasoglu O.Optimal operation of interdependent power systems and electrified transportation networks[J]. Energies， 2018， 11（1）：1-25.

[2] Dehghani-Sanij A ， Tharumalingam E ， Dusseault M B ， et al. Study of energy storage systems and environmental challenges of batteries[J]. Renewable and Sustainable Energy Reviews， 2019， 104（APR.）：192-208.

[3] 樊翠玲.改進粒子濾波的鋰電池SOC估算[J].實驗室研究與探索，2018， 37（1）：134-138.

[4] 樊彬， 任山， 羅運俊. 實際使用工況的鋰離子電池SOC-OCV關(guān)系[J]. 電源技術(shù)， 2018， 42（5）：641-644.

[5] 李凌峰， 宮明輝， 烏江.采用多模模型的鋰離子電池荷電狀態(tài)聯(lián)合估計算法[J]. 西安交通大學(xué)學(xué)報， 2021， 55（1）：78-85.

[6] 劉征宇， 楊昆， 魏自紅，等. 包含液相擴散方程簡化的鋰離子電池電化學(xué)模型[J]. 物理學(xué)報， 2019， 68（9）：251-258.

[7] 李心成， 邱聯(lián)奎， 常亮，等. 基于FFRLS和EKF算法的磷酸鐵鋰電池SOC估算研究[J]. 計算機測量與控制， 2019， 27（1）：211-214+264.

[8] 寧博， 徐俊， 曹秉剛，等. 采用等效電路的參數(shù)自適應(yīng)電池模型及電池荷電狀態(tài)估計方法[J]. 西安交通大學(xué)學(xué)報， 2015，49（10）：67-71.

[9] 王志福， 劉兆健， 李仁杰. 基于BCRLS-AEKF的鋰離子電池荷電狀態(tài)估計及硬件在環(huán)驗證[J]. 北京理工大學(xué)學(xué)報， 2020， 40 （3）：49-55.

[10] 谷苗， 夏超英， 田聰穎. 基于綜合型卡爾曼濾波的鋰離子電池荷電狀態(tài)估算[J]. 電工技術(shù)學(xué)報， 2019， 34（2）：419-426.

[11] 陳息坤， 孫冬. 鋰離子電池建模及其參數(shù)辨識方法研究[J]. 中國電機工程學(xué)報，2016，36（22）：6254-6261.

[12] 周娟， 化毅恒， 劉凱，等. 一種高精度鋰離子電池建模方案研究[J]. 中國電機工程學(xué)報， 2019， 39（21）：6394-6402.

[13] 田茂飛， 安治國， 陳星， 等. 基于在線參數(shù)辨識和AEKF的鋰電池SOC估計[J]. 儲能科學(xué)與技術(shù)， 2019， 8（4）： 745-750.

[14] 黃凱， 郭永芳， 李志剛. 考慮遲滯效應(yīng)影響的動力鋰離子電池特性建模[J]. 電網(wǎng)技術(shù)， 2017， 41（8）：2695-2701.

[15] 封居強， 司玉文， 伍龍，等. 基于動態(tài)綜合型等效電路模型的動力電池特性分析[J]. 儲能科學(xué)與技術(shù)， 2020，9（3）：986-992.

[16] 魏學(xué)哲， 楊靜， 劉耀鋒， 等. 鋰離子動力電池內(nèi)阻模型與實驗研究[J]. 同濟大學(xué)學(xué)報（自然科學(xué)版）， 2015， 43（10）：1542-1549.

[17] Liu X， Li W， Zhou A. PNGV Equivalent Circuit Model and SOC Estimation Algorithm for Lithium Battery Pack Adopted in AGV Vehicle [J]. IEEE Access， 2018：23639-23647.

[18]? 孫濤， 龔國慶， 陳勇. 鋰電池參數(shù)辨識模型的設(shè)計與研究[J]. 電子技術(shù)應(yīng)用， 2019， 45（3）：127-130.

[19] 袁賽， 鄧志剛， 帥孟超. 大容量鋰電池在線參數(shù)辨識及SOC聯(lián)合估計[J]. 電氣開關(guān)， 2019， 57（2）：13-17+26.

[20] 黎永鍵，陳述官，簡浩鈞.燃料電池電動汽車整車控制器設(shè)計與仿真[J].廊坊師范學(xué)院學(xué)報（自然科學(xué)版），2018，18（3）：44-50.