考虑电荷和容量自恢复效应的锂电池随机模型构建方法

To address the current several typical issues of stochastic battery modeling involving 'without the consideration of capacity recovery effect' and 'charge recovery effect' where three key points were ignored during the last decades (They are ‘without the consideration of maximum amount of charge recovery’, ‘without the consideration of the effect of charge recovery rate on charge recovery', and ‘without the consideration of duration of idle slot'), this proposal takes the advantage of the thought and techniques of equivalent pulse, and any data curve acquired from battery under arbitrary working conditions can be divided into a series equivalent pulses, which can be employed to be analyzed with the purpose that how the battery current state, battery use pattern, and ambient effect on battery charge and capacity recovery. Successively, two kinds stochastic battery models under stochastic use patterns are established respectively ‘stochastic battery model construction with the consideration of the effect of charge recovery’ and ‘stochastic battery model construction with the consideration of the effect of capacity recovery’, which both together can be applied to establish a more integrated stochastic battery model with the consideration of both charge and capacity recovery effects at the same time.

针对现有随机锂电池模型尚未考虑最大可恢复量、自恢复速率、静置持续时间等因素对电荷自恢复效应影响的问题，以及构建考虑容量自恢复效应动态演化模型的需求，本研究借鉴“等效/标准脉冲分割”思想，基于随机理论（如马尔科夫模型），研究随机工况条件下电池自身状态、使用机制、外界环境等因素对电荷自恢复效应和容量自恢复效应的影响，构建考虑电荷自恢复效应的随机锂电池模型；基于此，研究考虑容量自恢复效应的随机模型构建方法，以建立综合考虑电荷和容量自恢复效应的随机电池模型。最终，为有效辨识锂电池行为的动态演化规律和BMS系统的优化管理提供理论和技术方法支撑。

工程应用中，电池的使用往往面临着不同的使用环境条件，包括不同的温度条件、不同的充电条件、不同的放电条件、以及不同用户行为等。由于电池内部特有的电化学特性使得电池具有了容量自恢复效应和电荷自恢复效应。现有的锂电池建模方法较少考虑这些效应的影响，且考虑到在不同条件下，电池所具有这些特性将具有明显的差异性。因此，本研究针对现有随机锂电池模型尚未考虑恢复量、自恢复速率、静置持续时间等因素对电荷自恢复效应影响的问题，以及构建考虑容量自恢复效应动态演化模型的需求，依次开展了1）随机充放电体制下，考虑电荷自恢复效应的锂电池随机模型构建方法研究；2）综合考虑电荷和容量自恢复效应的锂电池随机模型构建方法研究。.基于上述研究，基于随机理论，提出了可表征电池内部电化学特性、以及外界环境变化的随机特性等的五状态非齐次马尔科夫过程模型，构建了考虑电荷和容量自恢复效应的锂电池随机模型，实现了不同工况、不同材料等条件下，容量自恢复效应之间的映射关系构建。进一步，完成了考虑电荷和容量自恢复效应条件下的锂电池动态退化行为模型的构建。基于该模型，本研究利用NASA国际公开数据和宁德时代新能源动力锂电池数据，对所构建的模型进行了验证。基于60%单支可用电池退化数据，针对NASA不同电池预测的RMSE均值为0.04265，相对误差均值为2.63%；针对宁德时代动力锂电池，仅利用50%退化数据，可实现高于97%的预测精度，且方差控制在0.518%范围内。.结果表明，本研究有效考虑了电池在不同使用环境条件下的容量和电荷恢复效应，最大限度提升了电池退化过程建模和识别能力，为工程应用中电池退化状态的精确把握提供了有效手段，一定程度上可缓解电动能源的用户焦虑。此外，预测精度的提升，可提前预知电池未来退化过程，为电池性能评估提供了新的技术手段，也为提前终止试验提供了支撑，大幅度缩短了电池性能测试周期，实现了电池设计特性的快速定型，加速了快速的市场化进程。