CN109802190B

CN109802190B - 一种电池组多目标充电方法

Info

Publication number: CN109802190B
Application number: CN201910098578.8A
Authority: CN
Inventors: 孙金磊; 马乾; 刘瑞航; 唐传雨; 王天如; 刘钊
Original assignee: Nanjing University of Science and Technology
Current assignee: Nanjing University of Science and Technology
Priority date: 2019-01-31
Filing date: 2019-01-31
Publication date: 2022-04-08
Anticipated expiration: 2039-01-31
Also published as: CN109802190A

Abstract

本发明公开了一种电池组多目标充电方法，包括电池充电模型及参数获取和电池多目标优化充电方法两个部分；通过不同倍率、不同SOC状态下的电池特征参数提取，插值得到电池特征参数集；然后建立电池温度估计模型估计电池充电过程中的最大温度差；最后以电池总体充电时间最短和充电温度变化差最小为目标对每个5％SOC充入电量内的电流进行优化，从而实现在充电时间尽量短的前提下尽量减小充电温度变化的目的。本发明适用于电动汽车、储能***以及电动工具等电池单体和成组应用。

Description

一种电池组多目标充电方法

技术领域

本发明涉及电池温度估计和充电时间双重目标的优化充电方法，具体涉及一种电池组多目标充电方法。

背景技术

由于受生产制造工艺、日历老化、充放电电流大小及使用环境温度等因素的制约，动力电池单体之间不可避免的会出现特性差异。而电池单体特性差异在长期使用后将造成电池单体的电量不均衡。

对于串联电池组来说，单体电量的不均衡直接导致电池组的可用容量降低，并且对电池组的充放电功率特性产生影响。此外，电量不均衡单体串联构成的电池组在循环充放电过程中还会造成生热和温度的不一致，加剧电池老化差异。极端情况下甚至可能出现热失控的安全问题。因为电池的电量不均衡往往在定期维护时发现并在超过一定阈值的条件下进行均衡，因此串联电池组容易出现在电量不均衡状态下充电的情况。

为了保证电池组使用安全，需要在电池组充电过程中估计电池温度并调整充电电流，以提高电池充电安全性和可靠性。现有技术大多关注单体电池充电效率、时间以及温升问题，提及均衡也只是关注均衡电路结构和控制方法，少有提到串联电池组考虑温度的不均衡电池组充电方法。

发明内容

本发明的目的在于提供一种电池组多目标充电方法，解决电量不均衡单体构成串联电池组在不具备均衡条件时的考虑温度的优化充电问题，避免充电过程中出现单体过温或者温度不均引发的电池老化程度不一致等问题。

实现本发明目的的技术方案为：一种考虑温度的不均衡电池组充电方法，包括以下步骤：

步骤1，在不同倍率下进行5％-90％SOC范围内以5％SOC为间隔的HPPC测试，获取电池模型所需的欧姆内阻、极化内阻、极化电容和开路电压参数；

步骤2，利用安时积分法对电池SOC进行估计，得到电池模型中各参数与充电倍率、SOC的关系曲线；

步骤3，结合电池温度估计模型实时估计电池温度；

步骤4，利用多目标优化控制策略，结合充电限制因素，以充电时间短和充电过程中温度差小为目标对充电过程进行优化，从而确定各5％SOC充电区间内的充电电流。

与现有技术相比，本发明的有益效果为：

(1)本发明提供了串联电池组在电量不均衡情况下考虑温度的充电方法，能够保证在电池组电量不均衡的情况下仍然能够安全充电，该方法根据温度变化调整充电电流，减小生热从而降低电池温度，简单实用，具有普遍适用性；

(2)本发明所提出的电池组电量不均衡时的充电方法，可以保证单体最大温度不超过60℃，保证电池组内最大温差低于5℃；降低充电温度过高造成的电池老化不一致风险，减小充电热失控的风险。

附图说明

图1为充电HPPC测试电流曲线图。

图2为考虑温度的不均衡电池组充电流程图。

图3为电池温度估计模型仿真与实验结果图。

图4为考虑各因素确定的Pareto前沿及通过TOPSIS算法得到的理想解示意图。

具体实施方式

本发明的一种电池组多目标充电方法，包括以下步骤：

步骤2，利用安时积分法对电池SOC进行估计，分别得到电池模型中各参数与充电倍率、SOC的关系曲线；电池模型中各参数包括上述的欧姆内阻、极化内阻、极化电容和开路电压参数；

步骤3，结合电池温度估计模型实时估计电池温度；

步骤4，利用多目标优化控制策略，结合充电限制因素(最大充电电流、电压上下限、电池温度)，以充电时间短和充电过程中温度差小为目标对充电过程进行优化，从而确定各5％SOC充电区间内的充电电流，实现对不均衡单体串联构成的电池组充电过程的优化。

在进行充电优化前，首先，在不同倍率下进行电池HPPC测试，获得不同电流应力下的电池数据。然后，将这些获得的在不同倍率和SOC区间范围内的实验数据进行参数辨识，获得离散的模型参数，并对这些参数进行插值处理。第三步，建立电池温度估计模型，获得不同充电电流情况下电池充电过程中的温度曲线以及这个过程中的最大温度差。最后，以充电时间短和充电温度差小为优化目标，对充电过程中的充电电流进行优化。

进一步的，步骤1具体为：

电池单体首先进行一次循环充放电，恒流-恒压充满后恒流放电到达下限截止电压，测定电池容量Q；静置1小时以上后进行充电HPPC测试，采用最小二乘法辨识充电内阻和OCV-SOC曲线；

步骤1-1，以1C倍率充入电池容量的5％电量后，静置2小时；记录电池端电压作为该点的开路电压OCV；

步骤1-2，特定倍率放电10s，静置40s，相同特定倍率的0.75倍充电10s；

步骤1-3，返回步骤1-1，进行循环10％，15％，20％……90％SOC状态的脉冲功率测试当步骤1-1或者步骤1-2过程中任意时刻单体电压超过充电上限截止电压时结束；图1是1C充放电倍率下HPPC测试电流曲线。

步骤1-4，在不同倍率下重复步骤1-1～1-3，得到不同倍率下HPPC测试结果。

进一步的，步骤2利用步骤1得到的不同倍率的HPPC测试结果，通过安时积分法计算得到SOC值，分别辨识得到以SOC作为x轴，以充电倍率为y轴，分别以Ro、Rp、Cp、OCV为z轴建立相对应的三维图，并利用线性插值的方法获得每间隔5％SOC和每间隔1A电流的对应插值三维图。具体为：

根据下述公式估计各单体电池的SOC：

其中下标k代表k单体，n和0分别代表第k个单体充电阶段中的任意时刻和初始时刻；SOC_k,0表示k单体充电初始时刻的SOC，I为充电电流，Q为电池容量。SOC_k,0可用静置2小时以上的OCV通过查找SOC-OCV对应曲线获得。

利用HPPC测试数据，获得每间隔5％SOC状态下的开路电压OCV、欧姆内阻Ro、极化内阻Rp和极化电容Cp信息。得到以SOC作为x轴(从SOC5％到90％)，以倍率为y轴以Ro、Rp、Cp、OCV对应的三维图，并利用线性插值的方法获得每间隔5％SOC和每间隔1A电流的对应插值三维图，方便以后的数据读取。图2为HPPC测试获得的不同充电倍率下各参数随SOC变化曲线图。

进一步的，步骤3计算各单体温度的具体步骤为：

电池热平衡方程为

其中m为电池质量，C为电池热容量，T_s为电池表面温度，这里认为单个电池表面温度均一，Q_g为电池生热功率，Q_d为电池散热功率；

Q_g＝I²R (2)

其中I为充电电流，R为步骤1中获得的等效充电内阻，其值等于欧姆内阻和极化内阻之和；

Q_d＝hA(T_s-T_a) (3)

其中h为热传递系数，A为电池表面积，T_a为环境温度；

根据公式(1)-(3)，求解线性微分方程，通过前一时刻温度计算当前时刻温度迭代公式；

其中T_sample为采样时间，p表示第p次采样。图3为电池温度估计模型与实验实测数据图。

进一步的，步骤4中多目标优化方法的目标函数和约束条件如下：

所述目标函数表达式为

minJ_w＝w₁C_ct+w₂C_tm。

目标函数中C_ct为充电过程所需的时间，C_tm为充电过程中电池上升的温度，w₁为充电时间函数的权重系数，w₂为充电温升函数的权重系数；

C_ct＝g₁(I,U,SOC)

C_tm＝g₂(m,I,C,A,T_a)

式中，U表示充电电压；SOC表示电池荷电状态。

所述约束条件，体现在以下三个方面：

1)充电时间与温度平衡：当电池温度低于第一阈值时，采用大于设定阈值的电流充电；在电池温度高于第二阈值时，减小当前充电电流；

2)充电电压与电流约束：各电池充电过程中的电压电流应保持在电池所允许的最大上下限范围内；

3)荷电状态约束：电池充电过程中SOC应保持在设定范围内。

4)电池温度约束：电池充电过程中的自身温度应不高于允许最大温度。

进一步的，在步骤4中，所述的优化算法，其优化目标不只一个，包括充电时间短和充电温升小两个相互矛盾的目标，即每个阶段充电电流大时会缩短充电时间，但将会带来温升大的问题。

在步骤4中的多目标优化问题，虽然无法获得两个目标都取最优的解，但可以找到一组兼顾两个目标的非劣最优解。获得Pareto前沿，得到两个目标下的函数值曲线，如图4所示。

最终的优化方案确定在获得Pareto前沿的基础上，利用TOPSIS算法，寻找充电时间和充电温升之间的理想解，其具体步骤如下：

(1)将充电过程中的温升和充电时间分别对应y轴和x轴，由此可以构造出一个2维空间，则每个非劣最优解依照其数据就对应2维空间中一个坐标点；

(2)针对各项指标从所有非劣最优解中选出该指标的最优值(理想解，对应最优坐标点)和最差值(负理想解，对应最差坐标点)，依次求出各个非劣最优解的坐标点分别到最优坐标点和最差坐标点的距离d^*和d⁰。

(3)构造评价参考值

则f值越大代表评价结果越优。

下面将结合附图对本发明实施例中的技术方案进行清楚、完整地说明。

实施例

下面以磷酸铁锂电池组为例对本发明进行具体说明。

选用若干个电池单体，首先按照厂家提供的手册进行一次标准循环充放电，恒流-恒压(CC-CV)充满后恒流放电到达下限截止电压，测定电池容量Q；静置1小时以上后按图1所示方法进行充电HPPC测试。参数获取过程为：

(1)以1C倍率充入电池容量的5％电量后，静置2小时。记录电池端电压作为该点的开路电压OCV；

(2)以1C倍率放电10s，静置40s，0.75C倍率充电10s；

(3)返回步骤(1)，进行循环10％，15％，20％……90％SOC状态的脉冲功率测试HPPC，当(1)或者(2)过程中任意时刻单体电压超过充电上限截止电压时结束。

(4)以不同充放电倍率0.3C,0.5C,2C,3C,4C,5C重复上述实验过程，获取不同倍率下HPPC测试实验数据。

采用TOPSIS算法，针对充电时间短和充电过程温升小两个目标，从Pareto前沿上进行方案寻优，从而确定各5％SOC充电区间内的充电电流。

对电池组充电开始前，利用步骤二获取每一个单体的SOC，当最大SOC<20％时，初始充电电流设定为1C倍率，充电达到SOC≥40％时，以0.3C倍率充电；当最大SOC≥80％时，初始充电电流为0.1C倍率。

充电进行过程中，利用步骤3的方法实时估计每一节电池单体的温度，当估计得到的单体最高温度高于60℃或者电池组最大温差高于5℃时，充电电流倍率降低0.2C后继续充电。若再次达到上述限制条件，则继续降低0.2C充电电流进行充电。在电池组充电过程中的任意时刻，任意单体电压达到上限截止电压时充电结束，其中充电上限截止电压为电池生产厂家手册规定的充电最高电压。

本实施例中通过对不同应力下电池参数变化规律的分析，结合电池温度实时估计模型，通过优化不同SOC区间内的充电电流，实现对不均衡单体串联构成的电池组充电过程的优化。

Claims

1.一种电池组多目标充电方法，其特征在于，包括以下步骤：

步骤2，利用安时积分法对电池SOC进行估计，得到电池模型中各参数与充电倍率、SOC的关系曲线；具体为：

利用步骤1得到的不同倍率的HPPC测试结果，通过安时积分法计算得到SOC值，分别辨识得到以SOC作为x轴，以充电倍率为y轴，分别以Ro、Rp、Cp、OCV为z轴建立相对应的三维图，并利用线性插值的方法获得每间隔5％SOC和每间隔1A电流的对应插值三维图；

步骤3，结合电池温度估计模型实时估计电池温度；

步骤4，利用多目标优化控制策略，结合充电限制因素，以充电时间短和充电过程中温度差小为目标对充电过程进行优化，从而确定各5％SOC充电区间内的充电电流；多目标优化方法的目标函数和约束条件如下：

目标函数表达式为

minJ_w＝w₁C_ct+w₂C_tm

C_ct＝g₁(I,U,SOC)

C_tm＝g₂(m,I,C,A,T_a)

式中，U表示充电电压，SOC表示电池荷电状态；

约束条件包括以下三个方面：

3)荷电状态约束：电池充电过程中SOC应保持在设定范围内；

2.根据权利要求1所述的电池组多目标充电方法，其特征在于，步骤1具体为：

步骤1-3，返回步骤1-1，进行循环10％，15％，20％……90％SOC状态的脉冲功率测试，当步骤1-1或者步骤1-2过程中任意时刻单体电压超过充电上限截止电压时结束；

步骤1-4，在不同倍率下重复步骤1-2～步骤1-3，得到不同倍率下HPPC测试结果。

3.根据权利要求1所述的电池组多目标充电方法，其特征在于，步骤3计算各单体温度的具体步骤为：

电池热平衡方程为

其中m为电池质量，C为电池热容量，T_s为电池表面温度，Q_g为电池生热功率，Q_d为电池散热功率；

Q_g＝I²R (2)

Q_d＝hA(T_s-T_a) (3)

其中h为热传递系数，A为电池表面积，T_a为环境温度；

其中T_sample为采样时间，p表示第p次采样。

4.根据权利要求1所述的电池组多目标充电方法，其特征在于，步骤4中所述充电限制因素包括最大充电电流、电压上下限和电池温度。

5.根据权利要求1所述的电池组多目标充电方法，其特征在于：在步骤4中，所述的优化方法，其优化目标包括充电时间短和充电温升小，在获得Pareto前沿的基础上，利用TOPSIS算法，寻找充电时间和充电温升之间的理想解，具体步骤如下：

(1)将充电过程中的温升和充电时间分别对应y轴和x轴，由此构造出一个2维空间，则每个非劣最优解依照其数据就对应2维空间中一个坐标点；

(2)针对各项指标从所有非劣最优解中选出该指标的最优值和最差值，依次求出各个非劣最优解的坐标点分别到最优坐标点和最差坐标点的距离d^*和d⁰；

(3)构造评价参考值：

则f值越大代表评价结果越优。