锂离子电池建模综述

锂电池很有吸引力，因为在元素周期表中，锂是一种非常正电的元素，它也恰好是最轻的金属，密度是水的一半。通常，电池由串联/并联的电化学电池组成。每个电池都包含一个负极（放电时为阳极）和一个由电解质层隔开的正极（放电时为阴极）。还存在一个隔膜，它起到阴极和阳极之间的屏障的作用。

设计、实施和管理并网BESS，需要准确的电池模型。基本上，文献中的电池模型可分为电化学模型、等效电路模型和经验模型。上述建模方法的相关优缺点见下图。

电化学模型可以深入了解充电和放电过程中电池内部的电池动力学。内部传质过程由一系列高度非线性的微分方程描述。因此，电化学模型可以达到非常高的精度。然而，由于高非线性、高耦合和众多参数，它遭受了高计算负担，这使得电化学模型不适合在线实现（即在能源管理系统中）。作为黑匣子模型，经验模型主要描述电池能量的输入和输出。它们通常是充电和放电功率的线性函数。较低的复杂度使经验模型易于在线实现，并有助于在并网储能中的大多数应用。然而，由于缺乏对内部电池动力学的了解，经验模型的准确性最差。在等效电路模型（ECM）中，由电阻器和电容器组成的集总元件电路表示电池的行为。ECM 能够在模型复杂性和准确性之间保持平衡，以便将电池模型嵌入微处理器中以进行实时应用。ECM 通常被采用，因为它们只有几个参数需要调整。它们执行速度快，分析简单直观，更重要的是，可以直接与系统中的其他电气模型（即功率转换器）集成，以进行电网级仿真。

尽管锂离子电池是最流行的BESS形式，但尚未提出完美的锂离子ECM来最好地代表其三个主要操作领域，包括充电、放电和空闲模式。一般来说，使用的RC电路越多，模型就越能捕捉到电池的瞬态。

上图的电路参数通常是SOC和温度（以及老化、电流方向和充电速率）的非线性多变量函数。由于电池的数据表中没有给出这些详细数据，因此必须估计这些参数。单RC等效电路的参数化非常简单。然而，由于缺乏针对多RC等效电路的系统参数识别方法，人们不得不使用临时方法和迭代数值优化技术。这些参数识别方法可以分为两大类：频域（阻抗谱）和时域方法，两者都是为了最小化在电池端子测量的实际电压与等效电路估计的电压之间的差异。在前者中，电池在一定频率范围（从Hz到kHz）上用小电压/电流信号激励。然后分析电池在该频率范围内的阻抗。该方法使用的简单原理是，在低频时，阻抗是电阻的总和，在高频时，阻抗对应于Ro。尽管该技术可以准确地表示电池特性，但该方法的在线实现被认为是繁琐的，因为它涉及额外的复杂电路。与前一种方法不同，时域方法很有吸引力，因为它不需要阻抗测量。在时域方法中，用放电（或充电）脉冲电流激励电池，如下图所示，以检测内阻以及电荷转移和扩散现象的时间常数。

上述两种方法的主要挑战是电阻和电容参数不是恒定的，而是随着工作条件（如温度和SOC）的变化而变化。

内容参考文献：A Review of Modeling, Management, and Applications of Grid-Connected Li-Ion Battery Storage Systems