具有磷酸铁锂电池负极特征的SOC区间的确定方法
发布时间：2020-12-20 19:54
商用锂离子电池包含正极和负极,这两个电极的老化速度一般不一致。以磷酸铁锂电池为例,该电池老化主要由负极贡献的。为了在不拆解全电池的情况下研究其老化问题,需要从其外特性中求取可反映老化现象的负极特征曲线,然后再从这段特征曲线中确定相关的老化信息。该项工作首先需要确定该曲线明显的荷电状态(SOC)区间段,称为负极特征区间。为此,该文首先提出电池基于分数阶模型的线性化电势变化模型;通过研究在不同SOC工作点处正负电极电势的变化特征,给出可以利用全电池阶跃电流激励仿真确定该负极特征区间的方法;最后分析了该区间与电池老化的关联性。该文采用三电极电池(含参比电极)验证了该负极特征区间的正确性,该方法对商用磷酸铁锂电池老化问题的在线观测具有指导意义。
【文章来源】：电工技术学报. 2020年19期 北大核心
【文章页数】：9 页
【部分图文】：
典型阻抗谱
4102电工技术学报2020年10月坐标表示在相应SOC施加阶跃放电激励，正、负极电势变化。SOC在100%~90%区间，正极电势变化更大，SOC在90%~45%区间，正、负极均有变化更大的区域。而SOC在45%~10%区间，负极阶跃响应电势变化更大而正极电势几乎不变，但是10%~0%的SOC区间由于正、负极电势变化都很大但两者变化量差距不大，无法达到利用全电池数据提取负极特征的目的，因此负极SOC特征区间为10%~45%。图7在不同SOC点阶跃响应正负极电势变化Fig.7ThepositiveandnegativepotentialchangeatdifferentSOCs3.2新电池负极特征区间实验验证通过前文的分析可知，在负极的特征区间中，可以利用全电池数据来提取负极的特征。本节以位于负极SOC特征区间的30%和SOC区间外的100%为例，利用2.2节介绍的三电极电池实验求取负极固相扩散时间常数τn，并与利用全电池求取的负极固相扩散时间常数进行比较，从而验证负极特征区间的正确性。在SOC为30%时进行三电极EIS实验，结果如图8所示。基于1.2节提到的求取固相扩散时间常数的方法，利用全电池EIS数据求得τ=746.11s，利用图830%SOC三电极EIS实验结果Fig.8EISexperimentresultsofthree-electrodeat30%SOC负极EIS数据求得的负极固相扩散时间常数τn=710.93s，误差为4.7%。图9为SOC为100%时该电池的三电极EIS实验结果。同理，利用全电池EIS数据求得τ=1664.5s，利用负极EIS数据求得τn=253.3s，误差为84.8%，反而利用正极EIS数据求得的τp=1616s，与全电池求得的τ相比误差为2.96%。对比在SOC为
4102电工技术学报2020年10月坐标表示在相应SOC施加阶跃放电激励，正、负极电势变化。SOC在100%~90%区间，正极电势变化更大，SOC在90%~45%区间，正、负极均有变化更大的区域。而SOC在45%~10%区间，负极阶跃响应电势变化更大而正极电势几乎不变，但是10%~0%的SOC区间由于正、负极电势变化都很大但两者变化量差距不大，无法达到利用全电池数据提取负极特征的目的，因此负极SOC特征区间为10%~45%。图7在不同SOC点阶跃响应正负极电势变化Fig.7ThepositiveandnegativepotentialchangeatdifferentSOCs3.2新电池负极特征区间实验验证通过前文的分析可知，在负极的特征区间中，可以利用全电池数据来提取负极的特征。本节以位于负极SOC特征区间的30%和SOC区间外的100%为例，利用2.2节介绍的三电极电池实验求取负极固相扩散时间常数τn，并与利用全电池求取的负极固相扩散时间常数进行比较，从而验证负极特征区间的正确性。在SOC为30%时进行三电极EIS实验，结果如图8所示。基于1.2节提到的求取固相扩散时间常数的方法，利用全电池EIS数据求得τ=746.11s，利用图830%SOC三电极EIS实验结果Fig.8EISexperimentresultsofthree-electrodeat30%SOC负极EIS数据求得的负极固相扩散时间常数τn=710.93s，误差为4.7%。图9为SOC为100%时该电池的三电极EIS实验结果。同理，利用全电池EIS数据求得τ=1664.5s，利用负极EIS数据求得τn=253.3s，误差为84.8%，反而利用正极EIS数据求得的τp=1616s，与全电池求得的τ相比误差为2.96%。对比在SOC为
【参考文献】：
期刊论文
[1]基于短时搁置端电压压降的快速锂离子电池健康状态预测[J]. 郭永芳,黄凯,李志刚. 电工技术学报. 2019(19)
[2]基于多新息最小二乘算法的锂电池参数辨识[J]. 卫志农,原康康,成乐祥,王春宁,许洪华,孙国强,臧海祥. 电力系统自动化. 2019(15)
[3]基于综合型卡尔曼滤波的锂离子电池荷电状态估算[J]. 谷苗,夏超英,田聪颖. 电工技术学报. 2019(02)
[4]基于分数阶阻抗模型的磷酸铁锂电池荷电状态估计[J]. 孙国强,任佳琦,成乐祥,朱瑛,卫志农,臧海祥. 电力系统自动化. 2018(23)
[5]锂离子电池静置下阶跃放电电流动态模型[J]. 祖海鹏,刘旭,杨耕,孙孝峰. 电源学报. 2019(02)
[6]基于恒流实验的锂离子电池开路电压与内阻估计方法[J]. 陈英杰,杨耕,祖海鹏,孙孝峰. 电工技术学报. 2018(17)
[7]磷酸铁锂电池梯次利用健康特征参数提取方法[J]. 李晓宇,徐佳宁,胡泽徽,宋凯,朱春波. 电工技术学报. 2018(01)
[8]一种均衡考虑锂电池内部能量损耗和充电速度的多段恒流充电方法[J]. 刘伟,吴海桑,何志超,孙孝峰,杨耕. 电工技术学报. 2017(09)
[9]一种动力电池动态特性建模[J]. 何志超,杨耕,卢兰光,吴海桑,耿华. 电工技术学报. 2016(11)
博士论文
[1]车用锂离子电池机理模型与状态估计研究[D]. 韩雪冰.清华大学 2014
本文编号：2928456
【文章来源】：电工技术学报. 2020年19期 北大核心
【文章页数】：9 页
【部分图文】：
典型阻抗谱
4102电工技术学报2020年10月坐标表示在相应SOC施加阶跃放电激励，正、负极电势变化。SOC在100%~90%区间，正极电势变化更大，SOC在90%~45%区间，正、负极均有变化更大的区域。而SOC在45%~10%区间，负极阶跃响应电势变化更大而正极电势几乎不变，但是10%~0%的SOC区间由于正、负极电势变化都很大但两者变化量差距不大，无法达到利用全电池数据提取负极特征的目的，因此负极SOC特征区间为10%~45%。图7在不同SOC点阶跃响应正负极电势变化Fig.7ThepositiveandnegativepotentialchangeatdifferentSOCs3.2新电池负极特征区间实验验证通过前文的分析可知，在负极的特征区间中，可以利用全电池数据来提取负极的特征。本节以位于负极SOC特征区间的30%和SOC区间外的100%为例，利用2.2节介绍的三电极电池实验求取负极固相扩散时间常数τn，并与利用全电池求取的负极固相扩散时间常数进行比较，从而验证负极特征区间的正确性。在SOC为30%时进行三电极EIS实验，结果如图8所示。基于1.2节提到的求取固相扩散时间常数的方法，利用全电池EIS数据求得τ=746.11s，利用图830%SOC三电极EIS实验结果Fig.8EISexperimentresultsofthree-electrodeat30%SOC负极EIS数据求得的负极固相扩散时间常数τn=710.93s，误差为4.7%。图9为SOC为100%时该电池的三电极EIS实验结果。同理，利用全电池EIS数据求得τ=1664.5s，利用负极EIS数据求得τn=253.3s，误差为84.8%，反而利用正极EIS数据求得的τp=1616s，与全电池求得的τ相比误差为2.96%。对比在SOC为
4102电工技术学报2020年10月坐标表示在相应SOC施加阶跃放电激励，正、负极电势变化。SOC在100%~90%区间，正极电势变化更大，SOC在90%~45%区间，正、负极均有变化更大的区域。而SOC在45%~10%区间，负极阶跃响应电势变化更大而正极电势几乎不变，但是10%~0%的SOC区间由于正、负极电势变化都很大但两者变化量差距不大，无法达到利用全电池数据提取负极特征的目的，因此负极SOC特征区间为10%~45%。图7在不同SOC点阶跃响应正负极电势变化Fig.7ThepositiveandnegativepotentialchangeatdifferentSOCs3.2新电池负极特征区间实验验证通过前文的分析可知，在负极的特征区间中，可以利用全电池数据来提取负极的特征。本节以位于负极SOC特征区间的30%和SOC区间外的100%为例，利用2.2节介绍的三电极电池实验求取负极固相扩散时间常数τn，并与利用全电池求取的负极固相扩散时间常数进行比较，从而验证负极特征区间的正确性。在SOC为30%时进行三电极EIS实验，结果如图8所示。基于1.2节提到的求取固相扩散时间常数的方法，利用全电池EIS数据求得τ=746.11s，利用图830%SOC三电极EIS实验结果Fig.8EISexperimentresultsofthree-electrodeat30%SOC负极EIS数据求得的负极固相扩散时间常数τn=710.93s，误差为4.7%。图9为SOC为100%时该电池的三电极EIS实验结果。同理，利用全电池EIS数据求得τ=1664.5s，利用负极EIS数据求得τn=253.3s，误差为84.8%，反而利用正极EIS数据求得的τp=1616s，与全电池求得的τ相比误差为2.96%。对比在SOC为
【参考文献】：
期刊论文
[1]基于短时搁置端电压压降的快速锂离子电池健康状态预测[J]. 郭永芳,黄凯,李志刚. 电工技术学报. 2019(19)
[2]基于多新息最小二乘算法的锂电池参数辨识[J]. 卫志农,原康康,成乐祥,王春宁,许洪华,孙国强,臧海祥. 电力系统自动化. 2019(15)
[3]基于综合型卡尔曼滤波的锂离子电池荷电状态估算[J]. 谷苗,夏超英,田聪颖. 电工技术学报. 2019(02)
[4]基于分数阶阻抗模型的磷酸铁锂电池荷电状态估计[J]. 孙国强,任佳琦,成乐祥,朱瑛,卫志农,臧海祥. 电力系统自动化. 2018(23)
[5]锂离子电池静置下阶跃放电电流动态模型[J]. 祖海鹏,刘旭,杨耕,孙孝峰. 电源学报. 2019(02)
[6]基于恒流实验的锂离子电池开路电压与内阻估计方法[J]. 陈英杰,杨耕,祖海鹏,孙孝峰. 电工技术学报. 2018(17)
[7]磷酸铁锂电池梯次利用健康特征参数提取方法[J]. 李晓宇,徐佳宁,胡泽徽,宋凯,朱春波. 电工技术学报. 2018(01)
[8]一种均衡考虑锂电池内部能量损耗和充电速度的多段恒流充电方法[J]. 刘伟,吴海桑,何志超,孙孝峰,杨耕. 电工技术学报. 2017(09)
[9]一种动力电池动态特性建模[J]. 何志超,杨耕,卢兰光,吴海桑,耿华. 电工技术学报. 2016(11)
博士论文
[1]车用锂离子电池机理模型与状态估计研究[D]. 韩雪冰.清华大学 2014
本文编号：2928456
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/2928456.html
教材专著
