基于多级等效电路的电气和热电池参数精确离线估计算法研究

《Journal of Energy Storage》：Research on accurate offline estimation for electrical and thermal battery parameters based on multi-level equivalent circuits

　　电池参数快速估计方法研究：基于多级等效电路模型，提出误差校正算法实现OCV、内阻、热容及传热系数的同步估算，实验表明相较HPPC方法缩短时间95%，LFP电池OCV误差0.29%，NCM电池误差0.33%，支持不同温度与倍率条件下的电池健康管理。

　　在当前快速发展的电池行业，高效、准确的电池电化学参数估计方法对于评估电池性能以及为各种人工智能算法提供校准参考具有重要意义。本研究提出了一种基于多级等效电路的新型电化学参数估计方法，该方法具有计算时间短、估计精度高和应用范围广的特点。通过在磷酸铁锂（LFP）电池和镍钴锰（NCM）三元电池上进行实验，研究团队验证了该方法在估计多种电化学参数方面的可行性。实验结果显示，该方法显著缩短了实验时间，同时保持了较高的估计精度。与高精度的混合脉冲功率特性（HPPC）方法相比，该方法将总实验和冷却时间减少至约95小时。对于LFP电池，开路电压（OCV）估计的最大和平均相对误差分别为0.81%和0.29%；对于NCM三元电池，相应的误差分别为1.16%和0.33%。总体而言，该方法为开发更快、更准确的离线电池性能评估技术提供了有价值的参考。

锂离子（Li-ion）电池因其卓越的功率和能量特性，在交通运输行业的电气化进程中发挥了重要作用。它们不仅促进了环保技术的发展，还为解决能源危机提供了重要支持。然而，Li-ion电池的高电化学性能也导致其内部环境复杂，使得电池状态的观察和评估变得困难。在电池领域，准确获取其内部参数是实现电池健康管理的关键。电池的两个基本参数——电气参数和热参数——无法直接测量，必须借助不同的方法进行估计。目前，电池参数估计方法主要分为模型驱动方法和数据驱动方法。模型驱动方法利用电池的电化学和热力学模型，通过建立数学模型来估算电池参数。而数据驱动方法则通过机器学习等技术，利用大量实验数据进行训练，从而实现对电池参数的估算。尽管数据驱动方法在泛化能力和可迁移性方面表现优异，但其对电池类型依赖性较强，限制了其在不同电池系统中的应用。

当前，电池参数的估算通常需要长时间的实验，这不仅耗费大量时间和资源，还增加了实验的复杂性。以开路电压（OCV）估算为例，电池在放电后需要一定的时间才能恢复到稳定状态，这使得OCV测试过程变得冗长。因此，如何在不牺牲精度的前提下，缩短OCV估算时间成为当前研究的热点。现有研究中，OCV估算方法主要分为静态实验方法和小电流恒流实验方法。静态实验方法是目前主流的OCV估算方式，它通过在电池达到内部稳态后测量终端电压来确定OCV。然而，这种方法仍然需要较长的等待时间，而小电流恒流实验方法虽然减少了等待时间，但其实验过程仍然耗时，难以满足实际应用中的快速估算需求。因此，研究者们不断探索新的方法，以提高OCV估算的效率和准确性。

在现有研究中，基于等效电路模型（ECM）的滤波算法被广泛应用于电池参数的估算。然而，这些方法在实际应用中也暴露出一些问题。例如，卡尔曼滤波（Kalman filtering）对模型误差非常敏感，当电池老化导致等效电路参数漂移时，估算误差可能增加超过30%。滑模观测器（sliding mode observer）则容易出现“颤振”现象，使得在低电流条件下（例如低于0.2C）内部电阻的估算波动超过15mΩ，影响了参数的稳定性。针对这些问题，本研究提出了一种多级等效电路设计和误差校正算法，有效缓解了模型误差对估算结果的影响。通过这种方法，研究团队成功将低电流条件下的内部电阻估算波动控制在5mΩ以内，从而克服了传统滤波算法的不足。

本研究的核心方法是基于电池的离线实验数据，结合其终端电压在操作电流下的连续性和单调性特征，设计了一种数据处理算法。该算法利用高电流恒流数据，推导出一种“伪恒流实验终端电压”，即在操作电流为零的情况下进行估算。为了进一步提高估算精度，研究团队引入了误差校正算法，以应对电池非线性特性带来的影响。校正后的“伪恒流实验终端电压”被用作估算开路电压的依据。这种方法不仅减少了实验时间，还提高了估算的准确性和稳定性，为电池性能的离线评估提供了新的思路。

在实验设计方面，研究团队使用了Neware公司的BTS-4实验设备进行充放电操作。实验中采用的温度控制系统具有±0.5°C的精度，而电池表面温度的测量误差则控制在±0.3°C以内。这种高精度的温度控制和测量手段确保了实验数据的可靠性。此外，电池在整个实验过程中被放置在恒温箱中，以保持稳定的实验环境。实验数据的采集和处理均基于严格的实验条件和规范的操作流程，从而提高了实验结果的可信度。

本研究的创新点在于，它不仅提出了一种新的电池参数估算方法，还通过对比分析，验证了该方法在不同电池类型和不同环境条件下的适用性。研究团队首先通过分析常温实验数据，估算电池的电气和热参数，并构建了一个初步的参数计算模型。随后，他们利用塔菲尔方程（Tafel's equation）进一步优化估算参数，以提高估算的准确性。此外，研究还对不同温度和充电倍率下的估算精度进行了对比分析，从而评估了该方法在不同应用场景下的性能表现。

在实验结果分析部分，研究团队展示了该方法在LFP电池和NCM三元电池上的应用效果。通过实验数据的可视化和分析，他们验证了该方法在估算电池参数方面的有效性。特别是在OCV估算方面，该方法在不同电池类型和不同实验条件下均表现出较高的精度。研究还指出，由于恒温系统的精度限制，电池在SOC=1时的温度（T_bat）可能与设定值存在偏差。然而，由于研究团队采用了高精度的温度检测手段，并使用了实际的实验数据，这种偏差并未对估算结果造成显著影响。

本研究的贡献不仅体现在方法的创新上，还在于其对电池性能评估的实际意义。通过引入多级等效电路模型和误差校正算法，研究团队成功开发了一种能够在多种操作条件下同时估算开路电压、内阻、热容和热传导系数的离线参数估算方法。该方法在LFP电池和NCM三元电池上的应用表明，其在提高估算效率和精度方面具有显著优势。此外，研究团队还通过实验数据的对比分析，验证了该方法在不同温度和充电倍率下的适用性，为电池性能评估的标准化和自动化提供了重要支持。

总的来说，本研究提出了一种基于多级等效电路的电池参数估算方法，通过优化模型结构和引入误差校正机制，有效解决了传统方法在计算效率和精度方面的不足。该方法不仅能够显著缩短实验时间，还能在不同电池类型和环境条件下保持较高的估算精度。实验结果表明，该方法在LFP电池和NCM三元电池上的表现优于现有的离线估算技术，为电池性能评估和健康状态监测提供了新的解决方案。此外，研究团队还通过实验设计和数据分析，验证了该方法在不同应用场景下的可行性，为后续研究和实际应用奠定了坚实的基础。本研究的成果有望推动电池行业在性能评估和健康监测方面的技术进步，为电动汽车、储能系统等领域的电池管理提供更高效、更可靠的工具。