(10)申请公布号
(43)申请公布日 (21)申请号 201510962884.3
(22)申请日 2015.12.18
G06F 17/50(2006.01)
(71)申请人中国科学院上海高等研究院
地址201210 上海市浦东新区海科路99号
(72)发明人李军 邹亮亮 黄庆红 田丰
邹志青 汪保国 杨辉
(74)专利代理机构上海光华专利事务所 31219
代理人
余明伟
(54)发明名称
(57)摘要
本发明提供一种基于启发式算法的锂离子电
池P2D 模型参数的辨识方法，包括：1）利用锂离
子电池在低倍率放电电流下极化可以忽略的特点
以及P2D 模型中各参数之间的相互关系减少需要
辨识的参数的数量；2）依据P2D 模型中各参数对
电池放电曲线的影响获得P2D 模型中各参数的有
效区间；3）利用分治策略将P2D 模型中的参数分
为物理参数及动力学参数，并利用遗传算法分别
对物理参数及动力学参数进行依次辨识。本发明
能够根据少量实验曲线快速地辨识出锂离子电池
P2D 模型的所有参数，依据辨识结果能够实现对
锂离子电池放电行为进行准确的预测，为锂离子
电池更好、更安全的控制提供了可靠的数据支持；
整个辨识过程使用单核计算机在较短时间内即能
完成。(51)Int.Cl.
(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页 说明书13页 附图5页CN 105550452 A 2016.05.04
C N 105550452
A
1.一种基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于，所述辨识方法包括以下步骤：
1)利用锂离子电池在低倍率放电电流下极化可以忽略的特点以及P2D模型中各参数之间的相互关系减少需要辨识的参数的数量；
2)依据所述P2D模型中各参数对电池放电曲线的影响获得所述P2D模型中各参数的有效区间；
3)利用分治策略将所述P2D模型中的参数分为物理参数与动力学参数，并利用遗传算法分别对所述物理参数及所述动力学参数进行依次辨识。
2.根据权利要求1所述的基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于，所述步骤1)包括：
11)通过回溯法及曲线变换，以在小于或等于0.01C放电倍率下的模拟电压曲线与实验放电电压曲线V(t)误差最小为原则进行优化，得到锂离子电池正负电极在0％及100％荷电状态处的电化学计量参考点；
12)得到正负电极在0％荷电状态处的电化学计量参考点与锂离子电池参数中的正电极最大锂离子浓度、正电极初始锂离子浓度、负电极最大锂离子浓度和负电极初始锂离子浓度之间的关系式；
13)通过量测或查询得到正电极最大锂离子浓度、负电极最大锂离子浓度、正电极厚度、负电极厚度及电极截面积的初始参考值；
14)在小于或等于0.01C放电倍率下，依据锂离子电池正负电极的容量得到正极固相体积分数与负极固相体积分数之间的关系式。
3.根据权利要求1所述的基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于：所述步骤2)中，依次改变所述P2D模型中各参数，并保证改变任一参数时，所述P2D 模型中的其他参数固定不变，依据所改变参数与锂离子电池放电电压之间的曲线关系得到该参数的有效区间。
4.根据权利要求1所述的基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于：所述步骤
3)中，所述P2D模型中的物理参数包括：正负电极的厚度、固相体积分数、液相体积分数、活性颗粒等效半径、隔膜厚度、锂离子电池截面积、正负电极最大锂离子浓度、正负电极初始锂离子浓度及初始电解液中锂离子浓度。
5.根据权利要求4所述的基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于：所述步骤3)中，所述P2D模型中的动力学参数包括：电解液中锂离子扩散系数、正负电极中锂离子扩散系数、正负电极界面处电化学反应速率、电解液中阳离子转移常数及正负电极的电子导电率。
6.根据权利要求5所述的基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于：所述固相体积分数、所述液相体积分数与添加剂的体积分数及导电剂的体积分数之和为1。
7.根据权利要求1所述的基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于，所述步骤3)中，利用遗传算法对所述物理参数进行辨识包括：
31)依据初始种大小及需要辨识的参数的空间范围产生辨识参数向量种，所述种
中的每一个参数向量均包括所述P2D模型中的所有物理参数；
32)将所述种中每一个参数向量均代入到所述P2D模型中进行计算，得到在小于或等于0.01C放电倍率下的每一个参数向量的模拟电压曲线，并将得到的所述模拟电压曲线与在小于或等于0.01C放电倍率下
的实验放电电压曲线进行比较，得到在小于或等于0.01C放电倍率下的每一个参数向量的模拟电压曲线与实验放电电压曲线的误差值；
33)利用游戏规则依据所述误差值对种进行选择；
34)对步骤33)选择的所述种进行交叉、变异操作得到新的参数向量种；
35)将新的种中的每一个参数向量再次带入到所述P2D模型中进行计算，得到在小于或等于0.01C放电倍率下的每一个参数向量的模拟电压曲线，并将得到的所述模拟电压曲线与在小于或等于0.01C放电倍率下的实验放电电压曲线进行比较，得到在小于或等于0.01C放电倍率下的每一个参数向量的模拟电压曲线与实验放电电压曲线的误差值；
36)重复步骤33)～35)，直至得到最小的误差值。对应此最小误差值的参数向量值，即为P2D模型中的物理参数的辨识值。
8.根据权利要求1所述的基于启发式算法的锂离子电池P2D模型参数的辨识方法，其特征在于，所述步骤3)中，利用遗传算法对所述动力学参数进行辨识包括：
37)依据初始种大小及需要辨识的参数的空间范围产生辨识参数向量种，所述种中的每一个参数向量均包括所述P2D模型中的所有动力学参数；
38)将所述种中的每一个参数向量均代入到所述P2D模型中进行计算，得到在大于或等于3C放电倍率下的每一个参数向量的模拟电压曲线，并将得到的所述模拟电压曲线与在大于或等于3C放电倍率下的实验放电电压曲线进行比较，得到在大于或等于3C放电倍率下的每一个参数向量的模拟电压曲线与实验放电电压曲线的误差值；
39)利用游戏规则依据所述误差值对种进行选择；
310)对步骤33)选择的所述种进行交叉、变异操作得到新的参数向量种；
311)将新的种中的每一个参数向量再次带入到所述P2D模型中进行计算，得到在大于或等于3C放电倍率下的每一个参数向量的模拟电压曲线，并将得到的所述模拟电压曲线与在大于或等于3C放电倍率下的实验放电电压曲线进行比较，得到在大于或等于3C放电倍率下的每一个参数向量的模拟电压曲线与实验放电电压曲线的误差值；
312)重复步骤39)～311)，直至得到最小的误差值。对应此最小误差值的参数向量值，即为P2D模型中的动力学参数的辨识值。
基于启发式算法的锂离子电池P2D模型参数的辨识方法
技术领域
[0001]本发明属于储能和电动汽车新能源领域，特别是涉及一种基于启发式算法的锂离子电池P2D模型参数的辨识方法。
背景技术
[0002]锂离子电池由于具有较高的能量密度，在储能系统和电动汽车等新能源领域获得了广泛使用。但锂离子电池由于自身材料和结构问题，在实际使用过程中容易出现过冲、过放、过热和滥用等问题。因此，为了能够更好管理和控制在使用过程中的电池组(堆)，需要对锂离子电池的内部参数进行辨识。基于多孔电极理论和浓溶液理论建立起来的锂离子电池准二维(P2D)模型(详见Fuller,T.F.,Doyle,M.& Newman,J.Simulation and Optimization of the Dual Lithium Ion Insertion Cell.J Electrochem Soc 141,1-10,(1994))是一种基于电化学的机理模型，能够准确的描述锂离子电池内部的物理、化学过程。因此，它是一种对锂离子电池内部状态较为精确的估计方法。
[0003]迄今为止，已提出了多种用于辨识锂离子电池P2D模型参数的方法。例如，专利N201410597670.6公开了一种辨识方法，该方法首先基于P2D模型建立锂离子电池平均模型，然后仅对模型中的c s,max,p，c s,max,n和R j三个参数利用Levenberg-marquardt算法辨识获得，其它参数利用实验方法测量获得。专利文献CN200780032760.9公开了一种辨识方法，但该方法仅利用卡尔曼滤波理论(或其它最优化方法)对二次电池中的活性物质浓度、固层中的电子传导率、活性物质的扩散系数、以及
反应阻抗等部分参数进行辨识优化。在这些方法中，都仅辨识了P2D模型中的部分参数，剩余参数都是通过实验测量获得。对于电池的实际使用者而言，很难通过实验方法测量得到电池相关参数。因为这不仅需要有专业设备和相应的测试环境，而且还需要使用者具有相关的专业知识。
[0004]在现有技术中，遗传算法已被应用于P2D模型的参数辨识方法中，使用遗传算法能够对P2D模型的所有参数进行辨识，但目前的辨识方法中，都需要利用计算机集，并耗时很长时间才能完成对P2D模型中所有参数的辨识。
发明内容
[0005]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于启发式算法的锂离子电池P2D模型参数的辨识方法，用于解决现有技术中的辨识方法在辨识出锂离子电池P2D模型中的所有参数的过程中，需要使用计算机集，且耗时较长的问题。
[0006]为实现上述目的及其他相关目的，本发明提供一种基于启发式算法的锂离子电池P2D模型参数的辨识方法，所述辨识方法包括以下步骤：
[0007]1)利用锂离子电池在低倍率放电电流下极化可以忽略的特点以及P2D模型中各参数之间的相互关系减少需要辨识的参数的数量；
[0008]2)依据所述P2D模型中各参数对电池放电曲线的影响获得所述P2D模型中各参数的有效区间；
[0009]3)利用分治策略将所述P2D模型中的参数分为物理参数与动力学参数，并利用遗传算法分别对所述物理参数及所述动力学参数进行依次辨识。
[0010]作为本发明的基于启发式算法的锂离子电池P2D模型参数的辨识方法的一种优选方案，所述步骤1)包括：
[0011]11)通过回溯法及曲线变换，以在小于或等于0.01C放电倍率下的模拟电压曲线
与实验放电电压曲线V(t)误差最小为原则进行优化，得到锂离子电池正负电极在0％及100％荷电状态处的电化学计量参考点；
[0012]12)得到正负电极在0％荷电状态处的电化学计量参考点与锂离子电池参数中的正电极最大锂离子浓度、正电极初始锂离子浓度、负电极最大锂离子浓度和负电极初始锂离子浓度之间的关系式；
[0013]13)通过量测或查询得到正电极最大锂离子浓度、负电极最大锂离子浓度、正电极厚度、负电极厚度及电极截面积的初始参考值；
[0014]14)在小于或等于0.01C放电倍率下，依据锂离子电池正负电极的容量得到正极固相体积分数与负极固相体积分数之间的关系式。
[0015]作为本发明的基于启发式算法的锂离子电池P2D模型参数的辨识方法的一种优选方案，所述步骤2)中，依次改变所述P2D模型中各参数，并保证改变任一参数时，所述P2D模型中的其他参数固定不变，依据所改变参数与锂离子电池放电电压之间的曲线关系得到该参数的有效区间。
[0016]作为本发明的基于启发式算法的锂离子电池P2D模型参数的辨识方法的一种优选方案，所述步骤3)中，所述P2D模型中的物理参数包括：正负电极的厚度、固相体积分数、液相体积分数、活性颗粒等效半径、隔膜厚度、锂离子电池截面积、正负电极最大锂离子浓度、正负电极初始锂离子浓度及初始电解液中锂离子浓度。
[0017]作为本发明的基于启发式算法的锂离子电池P2D模型参数的辨识方法的一种优选方案，所述步骤3)中，所述P2D模型中的动力学参数包括：电解液中锂离子扩散系数、正负电极中锂离子扩散系数、正负电极界面处电化学反应速率、电解液中阳离子转移常数及正负电极的电子导电率。
[0018]作为本发明的基于启发式算法的锂离子电池P2D模型参数的辨识方法的一种优选方案，所述固相体积分数、所述液相体积分数与添加剂的体积分数及导电剂的体积分数之和为1。
[0019]作为本发明的基于启发式算法的锂离子电池P2D模型参数的辨识方法的一种优选方案，所述步骤3)中，利用遗传算法对所述物理参数进行辨识包括：
[0020]31)依据初始种大小及需要辨识的参数的空间范围产生辨识参数向量种，所述种中的每一个参数向量均包括所述P2D模型中的所有物理参数；
[0021]32)将所述种中每一个参数向量均代入到所述P2D模型中进行计算，得到在小于或等于0.01C放电倍率下的每一个参数向量的模拟电压曲线，并将得到的所述模拟电压曲线与在小于或等于0.01C放电倍率下的实验放电电压曲线进行比较，得到在小于或等于0.01C放电倍率下的每一个参数向量的模拟电压曲线与实验放电电压曲线的误差值；[0022]33)利用游戏规则依据所述误差值对种进行选择；
[0023]34)对步骤33)选择的所述种进行交叉、变异操作得到新的参数向量种；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议