基于电化学热耦合模型的锂离子电池快充控制

doi:10.19562/j.chinasae.qcgc.2022.04.005

摘要/Abstract

摘要：

现有的锂离子电池电化学机理模型，在快充控制过程中未考虑产热与化学反应之间的耦合关系，导致模型无法准确地描述电池内部的反应和状态。为进一步提高模型的预测能力，须在等温模型的基础上耦合产热模型，为此本文提出一种基于电化学热耦合的快充控制模型。首先将电化学热耦合模型参数进行分类，分析各种参数获取方式并进行精确测量和参数辨识。模型建立后，对模型精度进行验证的结果表明：在不同温度下，模型输出的端电压、负极电位和温度结果都达到了较高精度，说明模型适用于宽温度区间内的快充仿真。同时对模型中反应速率常数和环境温度参数进行了敏感性分析。之后，结合PID控制器对模型进行快充控制仿真，通过负极电位估计值实时调节并优化充电电流，实现了电池在宽温度区间内的无析锂快充电流仿真。最后，模型仿真结果与恒流充电对比验证表明，所提出的快充策略能使电池快速充电，同时避免析锂副反应的发生。

关键词: 锂离子电池, 参比电极, 负极电位, 电化学热耦合模型, 无析锂快充

Abstract:

The existing electrochemical mechanism models of lithium-ion batteries do not consider the coupling relationship between heat generation and chemical reactions in the fast charging control process. As a result， the model cannot accurately describe the internal reaction and state of the battery. In order to further enhance the predictive ability of the model， it is necessary to couple the heat generation model on the basis of isothermal model. Therefore， a fast charging control model based on electrochemical-thermal coupling is proposed in this paper. Firstly， the parameters of electrochemical-thermal coupling model are classified， various parameter acquisition methods are analyzed， and accurate measurement and parameter identification are performed. The model is built， with its accuracy verified. The results show that the results of terminal voltage， cathode potential and temperature output from the model achieve high accuracy under different thermal conditions， meaning the model is suitable for fast charging simulation in a wide range of temperature. Meanwhile， sensitivity analysis is carried out on the reaction rate constant and ambient temperature parameters in the model. Then， a fast charging control simulation is conducted on the model with PID controller， the charging current is adjusted real-time according to the estimated cathode potential， achieving fast charging current simulation without lithium plating in a wide range of temperature. Finally， the results of model simulation and the comparative verification of constant-current charging indicate that the fast charging strategy proposed enables fast charging of the battery while avoiding the side reaction of lithium deposition.

Key words: lithium-ion battery, reference electrode, cathode potential, electrochemical-thermal coupling model, fast charging without lithium plating

孙涛,郑侠,郑岳久,卢宇芳,匡柯,韩雪冰. 基于电化学热耦合模型的锂离子电池快充控制[J]. 汽车工程, 2022, 44(4): 495-504.

Tao Sun,Xia Zheng,Yuejiu Zheng,Yufang Lu,Ke Kuang,Xuebing Han. Fast Charging Control of Lithium-ion Batteries Based on Electrochemical- thermal Coupling Model[J]. Automotive Engineering, 2022, 44(4): 495-504.

图/表 19

图1

表1

电化学-热耦合模型参数"

参数	参数意义	单位	负极	隔膜	正极
$L$	电极厚度	$μ m$	110^a	56^a	100^a
$i 1 C$	1C倍率下平均电流密度	$A / m 2$		20^a
$c s, m a x$	固相颗粒最大嵌锂浓度	$m o l / m 3$	72 357^b		57 012^b
$x 0 / 100$	负极初始时刻化学计量比	1		0.016 9/0.950 1^b
$y 0 / 100$	正极初始时刻化学计量比	1		0.78/0.134 8^b
$A c e l l$	活性物质总面积	$m 2$		2.6^a
$R s$	固相颗粒粒径	$μ m$	6^c		6^c
$σ s$	固相电导率	$S / m$	100^d		10^d
$ε e$	液相体积分数	1	0.350^c	0.4^c	0.435^c
$ε s$	固相体积分数	1	0.478^c		0.306^c
$σ s e f f$	固相有效电导率	$S / m$	$ε s 1.5 σ s$		$ε s 1.5 σ s$
$c l 0$	电解质初始盐浓度	$m o l / m 3$		2 000^c
$E a$	活化能	$J / m o l$	21 350^e		23 000^e
$k r e f$	参考温度下的反应速率常数	$m / s$	3.5e-11^d，e		5e-11^d，e
$σ e$	液相离子电导率	$m / s$	$σ e = 1 × 10 - 4 c (- 10.5 + 0.074 T - 3.96 × 10 - 5 T 2 + 6.68 × 10 - 4 c - 1.78 × 10 - 5 T + 2.8 × 10 - 8 T 2 + 4.94 × 10 - 7 c 2 - 8.86 × 10 - 10 c 2 T) 2$
$D e$	液相扩散系数	$m 2 / s$	$D e = 1 × 10 - 8.83 - 54 T - 5 × 10 - 3 C - 299 - 2.2 × 10 - 4 c$
$D s, r e f$	参考温度下的固相扩散系数	$m 2 / s$	3.9e-14^d，e		3e-12^d，e
$T r e f$	参考温度	$K$		298.15
$α a 、 α c$	传递系数	1	0.5		0.5
$C p$	比热容	$J / k g ? K$		1125^a
$h$	对流换热系数	$W / m 2 ? K$		23^a
$F$	法拉第常数	$C / m o l$		96 487
$R$	理想气体常数	$J / m o l ? K$		8 314
$L p, t o t a l$	正极极片总长	$c m$			1 682.1
$L n, t o t a l$	负极极片总长	$c m$	1 689.3
$W p$	正极极片宽度	$c m$			9.4
$W n$	负极极片宽度	$c m$	9.5
$n$	卷芯数量			2

表1

图2

图3

图4

图5

图6

表2

图7

图8

表3

图9

图10

图11

图12

图13

图14

图15

图16

参考文献 18

1	黄云辉. 锂离子电池：20世纪最重要的发明之一［J］. 科学通报， 2019， 64（36）： 3811-3816.
2	OMAR N，MONEM M A，FIROUZ Y，et al，Lithium-iron phosphate based battery-assessment of the aging parameters and development of cycle life model［J］.Applied Energy，2014，113：1575-1585.
3	GUAN T，SUN S，YU F，et al. The degradation of LiCoO₂/graphite batteries at different rates［J］.Electrochimica Acta，2018，279：204-212.
4	ZHANG S S，XU K，JOW T.Study of the charging process of a LiCoO₂-based Li-ion battery［J］.Journal of power sources，2006，160（2）：1349-1354.
5	TIPPMANN S，WALPER D，BALBOA L，et al.Low-temperature charging of lithium-ion cells part i：Electrochemical modeling and experimental investigation of degradation behavior［J］.Journal of Power Sources，2014，252：305-316.
6	REMMLINGER J，TIPPMANN S，BUCHHOLZ M，et al.Low-temperature charging of lithium-ion cells part ii：Model reduction and application［J］. Journal of Power Sources，2014，254：268-276.
7	CHU Z， FENG X， LU L， et al. Non-destructive fast charging algorithm of lithium-ion batteries based on the control-oriented electrochemical model［J］. Applied energy， 2017， 204： 1240-1250.
8	KONG X， PLETT G L， TRIMBOLI M S， et al. An exact closed-form impedance model for porous-electrode lithium-ion cells［J］. Journal of the Electrochemical Society， 2020，167： 013539.
9	KONG X， PLETT G L， TRIMBOLI M S， et al. Pseudo-two-dimensional model and impedance diagnosis of micro internal short circuit in lithium-ion cells［J］. Journal of Energy Storage， 2020， 27： 101085.
10	任东生. 锂离子动力电池全生命周期热失控机理、建模与安全管理［D］ . 北京：清华大学， 2019.
	REN Dongsheng. Thermal runaway of lithium-ion power battery during the whole life cycle： mechanism， modeling and safety management［D］. Beijing： Tsinghua University， 2019.
11	朱聪，李兴虎，宋凌珺. 电动汽车用锂离子电池生热速率模型［J］. 汽车工程， 2014， 36（2）： 174-180.
	ZHU C， LI X H， SONG L J. A model for the heat generation rate of lithium-ion battery for electric vehicles［J］. Automotive Engineering， 2014，36（2）：174-180.
12	GUO M， SIKHA G， WHITE R E. Single-particle model for a lithium-ion cell： thermal behavior［J］. Journal of the Electrochemical Society， 2011， 158（2）： A122–A132.
13	YE Yonghuang， SHI Yixiang， CAI Ningsheng， et al. Electro-thermal modeling and experimental validation for lithium ion battery［J］. Journal of Power Sources， 2012， 199： 227–238.
14	DOYLE M， FULLER T F， NEWMAN J. Modeling of galvanostatic charge and discharge of the lithium/polymer/insertion cell［J］. Journal of the Electrochemical society， 1993， 140（6）： 1526.
15	DOYLE M， NEWMAN J， GOZDZ A S， et al. Comparison of modeling predictions with experimental data from plastic lithium ion cells［J］. Journal of the Electrochemical Society， 1996， 143（6）： 1890-1903.
16	TANG S，WANG Z，GUO H，et al.Systematic parameter acquisitionmethod for electrochemical model of 4.35V LiCoO₂ batteries［J］.Solid State Ionics，2019，343：115083.
17	匡柯. 动力电池析锂模型与析锂检测技术研究［D］. 上海：上海理工大学，2021.
	KUANG Ke. Research on lithium analysis model and detection technology of power battery［D］.Shanghai：University of Shanghai for Science and Technology，2021.
18	马克华. 锂离子电池参数获取及变参数模型［D］. 哈尔滨：哈尔滨工业大学，2014.
	MA Kehua.Parameter acquistion and variable parameters model for lithium-ion battery［D］.Harbin：Harbin Institute of Technology，2014.

温度点 0 ℃	充电倍率	0.33C	0.5C	1C
	温度/℃	0.299	0.288	0.262
	电压/V	0.012	0.019	0.022
	负极电位/V	0.004	0.004	0.015
温度点 25 ℃	充电倍率	0.33C	1C	2C	3C	4C
	温度/℃	0.268	0.546	0.332	0.293	0.465
	电压/V	0.021	0.018	0.017	0.024	0.041
	负极电位/V	0.015	0.010	0.019	0.025	0.028
温度点 45 ℃	充电倍率	0.5C	1C	2C	3C	4C
	温度/℃	0.532	0.263	0.264	0.428	0.404
	电压/V	0.027	0.029	0.035	0.035	0.031
	负极电位/V	0.025	0.022	0.036	0.048	0.063

项目	端电压/V	负极电位/V	温度/℃
均方根误差	0.022	0.024	0.963
最大误差	0.085	0.118	2.377

[1]	陈飞,孔祥栋,孙跃东,韩雪冰,卢兰光,郑岳久,欧阳明高. 锂离子电池制造工艺仿真技术进展[J]. 汽车工程, 2023, 45(9): 1516-1529.
[2]	胡明辉,朱广曜,刘长贺,唐国峰. 考虑迟滞特性的卡尔曼滤波和门控循环单元神经网络的锂离子电池SOC联合估计[J]. 汽车工程, 2023, 45(9): 1688-1701.
[3]	梁海强,何洪文,代康伟,庞博,王鹏. 融合经验老化模型和机理模型的电动汽车锂离子电池寿命预测方法研究[J]. 汽车工程, 2023, 45(5): 825-835.
[4]	廉玉波,凌和平,马晴婵,任强,贺斌. 电动汽车锂离子电池脉冲加热技术研究进展[J]. 汽车工程, 2023, 45(2): 169-174.
[5]	吕又付,罗卫明,陈荐,吴锡鸿,李传常. 分层优化测定锂离子电池比热容参数的实验研究[J]. 汽车工程, 2023, 45(2): 183-190.
[6]	张健豪,高兴奇,张莉. 基于容量增量曲线与充电容量差的电池组微短路诊断方法[J]. 汽车工程, 2023, 45(2): 191-198.
[7]	李贵敬,谷青锴,杨昊鑫,黄健齐,邸立明. PA/EG耦合风冷电池热管理系统轻量研究[J]. 汽车工程, 2023, 45(2): 209-218.
[8]	王萍,弓清瑞,程泽,张吉昂. 基于AUKF的锂离子电池SOC估计方法[J]. 汽车工程, 2022, 44(7): 1080-1088.
[9]	彭宇明,袁明晓,敬卓鑫,张永林,黄港. 汇流排产热影响下的电池模组冷却系统改进设计[J]. 汽车工程, 2022, 44(6): 859-867.
[10]	毕贵红,谢旭,蔡子龙,骆钊,陈臣鹏,赵鑫. 动态条件下基于深度学习的锂电池容量估计[J]. 汽车工程, 2022, 44(6): 868-878.
[11]	马彦,李佳怡,马乾,陈明超. 基于迭代动态规划的动力电池组热管理优化策略[J]. 汽车工程, 2022, 44(5): 709-721.
[12]	刘首彤,黄沛丰,白中浩. 锂离子电池机械滥用失效机理及仿真模型研究进展[J]. 汽车工程, 2022, 44(4): 465-475.
[13]	程夕明,胡薇,翟钧,罗荣华,张盼,徐野. 纯电动汽车低压电气系统效率研究[J]. 汽车工程, 2022, 44(4): 601-608.
[14]	王萍,彭香园,程泽,张吉昂. 基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法[J]. 汽车工程, 2022, 44(3): 362-371.
[15]	刘红锐,古栋华,李海瑞,张彬,钱晶. 一种串联锂离子电池组P-C-C-P均衡器及其控制方法[J]. 汽车工程, 2022, 44(3): 372-378.