一种轨道交通用车载储能锂离子电池的优化充电方法与流程

文档序号:11587588阅读:377来源:国知局
一种轨道交通用车载储能锂离子电池的优化充电方法与流程

本发明属于锂离子电池充电技术领域,具体涉及一种轨道交通用车载储能锂离子电池的优化充电方法。



背景技术:

根据轨道交通动力系统的需求,选择具有长寿命、宽温度范围、高倍率和轻量化等特性的车载储能系统,不仅响应国家节能、环保的号召,还可以降低人工维护成本,符合我国铁路建设的长远规划目标。锂离子电池以其高能量密度、可模组化和可靠性等优点成为目前最常用的轨道交通车载储能元件。

目前,锂离子电池广泛使用恒流恒压(cc-cv)充电方法。首先,使用恒定的电流(cc)对电池进行充电,当电池电压达到充电截止电压时,再进行恒压充电(cv),充电电流逐渐减小,当电池充电电流减小到某一值时,充电结束。这种充电方法容易控制,在恒压阶段,极化电压和欧姆电压降低,电池能够充满电,但是充电所需时间过长,且存在影响电池寿命等问题,已经成为限制锂离子电池用于轨道交通车载储能系统的技术瓶颈。

锂离子电池的优化充电方法是一个值得研究的热点问题,各种充电方法层出不穷,试图达到提高充电速度同时降低电池衰退速度的目标。各种优化充电方法各有优点和不足,基于电流波形改进的优化充电方法直观,便于控制,但是电流变化的依据不足;基于电池模型的优化充电方法能够把电气特性和电池反应机理联系起来,但是模型参数的辨识更新是难点;基于电池材料改进的优化充电方法在电池的经济性,稳定性,安全性等方面有待进一步测试。

结合锂离子电池的电化学反应机理和其电气特性,优化充电策略,是当前锂离子电池优化充电研究的发展动向。极化电压是联系电池内部电化学反应与电池外部电气特性的桥梁。极化电压过大将使电池充不满电并导致电池内部活性材料的损失进而影响电池寿命。大电流充电将导致极化电压过大,因此,极化电压限制了锂离子电池的最大充电电流。温度是锂离子电池充电过程中需要考虑的重要因素,温度过高,电池正极晶格结构稳定性变差,电池的安全性降低,容易引起电池热失控。



技术实现要素:

为了弥补现有的轨道交通车载储能锂离子电池充电方法无法兼顾充电速度和电池循环寿命的不足,本发明结合锂离子电池电化学反应机理和外部电气特性,基于锂离子电池循环寿命特性,计算电池全生命周期内的最大充电电流和充电截止电压,并以此作为约束,以缩短充电时间和控制电池充电温升为目标,构造优化充电目标函数,通过遗传算法寻找最优充电电流,以兼顾缩短充电时间和降低充电温升这两个相互矛盾的目标,在无损电池寿命的前提下提高充电速度。

为达到以上目的,本发明所采用的技术方案是:

一种轨道交通用车载储能锂离子电池的优化充电方法,包含以下步骤:

s1、基于电池衰退机理计算锂离子电池全生命周期内的最大充电电流,并以最大充电电流作为优化充电电流选择的边界条件;

s2、基于电池衰退机理计算锂离子电池全生命周期内的最大充电截止电压,并以最大充电截止电压作为整个优化充电过程的充电截止电压;

s3、以△soc为间隔划分充电soc区间,划分为n步,在基于极化电压限制的最大充电电流的约束下,确定每步的充电电流;

s4、根据步骤s3中得到的每步的充电电流计算每步充电电流对应的电池充电时间,即每步充电时间,计算公式如下:

公式(3)中,tk表示每步充电时间,ik为每步的充电电流,△soc为每步充电对应的电池荷电状态的变化量,q为电池当前的容量;

然后根据每步充电时间计算n步总充电时间,计算公式如下:

公式(4)中,t为n步总充电时间,qk为每步充电的充电容量,ik为每步的充电电流;

s5、根据步骤s4中的每步充电时间计算电池的每步充电温升,计算公式如下:

其中,r为电池直流内阻,h为电池表面与周围环境间的对流传热系数,a为电池单体与周围环境接触表面积,为熵系数,tcell为电池温度,tamb为周围环境温度,m为电池质量,c为电池的平均比热容,表示第k步充电起始电池温度,tk表示第k步充电过程中电池温度,ik为第k步的充电电流;第k步充电的电池初始温度等于第k-1步充电结束时电池温度;

然后根据电池的每步充电温升,计算电池充电过程中的最大温升,计算公式如下:

△t=tmax-t1st(6)

公式(6)中,△t表示最大温升,tmax表示电池充电过程中的最大温度,t1st表示电池充电时的初始温度;

s6、根据步骤s4计算得出的n步总充电时间和步骤s5计算得出的电池充电过程中的最大温升构造优化充电目标函数,优化充电目标函数采用归一化线性打分制;

优化充电目标函数的公式如下所示:

其中,δtmax为最大允许温升,δt0.05c为1/20c充电温升,δt为最大温升,t为n步总充电时间,tmax为最长允许充电时间,tmin为以极化电压限制的最大充电电流对应的充电时间;加权系数α为时间加权系数,代表充电时间的重要程度,加权系数β为温升加权系数,代表充电温升的重要程度;加权系数α和加权系数β满足如下关系式:

α+β=1(8);

s7、采用遗传算法,寻找使优化充电目标函数的分值最高的充电电流,该充电电流就是最优充电电流。

在上述方案的基础上,步骤s1中,所述最大充电电流的计算方法具体为:

在电池未出现材料加速损失时,充电倍率为临界充电倍率,在电池出现加速损失之后,使电池在加速损失之后的循环充电中容量衰退速率等于电池出现加速损失时刻的衰退速率,然后使用公式(1)计算电池在加速损失之后在不同老化阶段的充电电流,电池在充电过程中,充电电流不能超过计算得出的充电电流的最大值,此充电电流的最大值即为电池的最大充电电流;

公式(1)中:capacityloss为容量损失,ds为容量衰退速率,a、b和c为电池容量衰退速率模型参数,ic为不同老化阶段的充电电流。

在上述方案的基础上,步骤s2中,所述最大充电截止电压的计算方法具体为:

刚开始使用时,电池以厂家给出的充电截止电压进行充电,以锂离子电池出现加速损失时刻为转折点降低充电截止电压;

通过容量衰退速率与充电截止电压之间的定量关系即公式(2),使电池在加速损失之后的循环充电中容量衰退速率等于转折点时的衰退速率,然后计算电池在加速损失之后不同老化阶段的充电截止电压,电池在充电过程中,充电电压不能超过计算得出的充电截止电压的最大值,此充电截止电压的最大值即为电池的最大充电截止电压;

公式(2)中:capacityloss为容量损失,ds为容量衰退速率,vc为不同老化阶段的充电截止电压。

在上述方案的基础上,步骤s3中,所述充电soc区间为0%-90%,△soc=10%,n等于9。

在上述方案的基础上,步骤s6中,所述优化充电目标函数采用归一化线性打分制,以最大允许温升δtmax为60分,1/20c充电温升δt0.05c为100分;以最长允许充电时间tmax为60分,以极化电压限制的最大充电电流对应的充电时间tmin为100分,最长允许充电时间是从用户角度定制的。

在上述方案的基础上,步骤s7中,所述遗传算法的具体过程为:每步充电电流用相应不同位数的二进制数表示,二进制位数的大小保证分辨率小于1a,一共需要47位二进制数表示一组充电制式;每代共有二十个个体,在迭代100代后,遗传算法迭代终止,输出的结果即为最优充电电流。

本发明的有益效果:以随soc阶梯变化的充电电流对锂离子电池进行充电,在充电初期以大电流充电,提高充电速度,在充电末期用小电流充电,以降低充电末期极化,从而充入更多容量,同时末期小电流充电可以减小温升速度,从而限制电池充电温升,防止电池热失控,提高电池寿命和充电安全性。不同soc区间的充电温升速率不同,在温升速率小的区间提高充电电流,在温升速率大的区间降低充电电流,从而实现全程充电时间和充电温升的平衡。

附图说明

本发明有如下附图:

图1是综合考虑充电时间和充电温升的优化充电方法策略流程图。

图2是锂离子电池全生命周期内的最大充电电流和充电截止电压示意图。

图3是综合考虑充电时间和充电温升的最优充电电流电压曲线。

具体实施方式

以下结合附图对本发明作进一步详细说明。

s1、基于电池衰退机理计算锂离子电池全生命周期内的最大充电电流,并以最大充电电流作为优化充电电流选择的边界条件。

在电池未出现材料加速损失时,充电倍率为临界充电倍率,在电池出现加速损失之后,使电池在加速损失之后的循环充电中容量衰退速率等于电池出现加速损失时刻的衰退速率,然后使用公式(1)计算电池在加速损失之后不同老化阶段的充电电流,电池在充电过程中,充电电流不能超过计算得出的充电电流的最大值,此充电电流的最大值即为电池的最大充电电流;

式中:capacityloss为容量损失,ds为容量衰退速率,a、b和c为电池容量衰退速率模型参数,ic为不同老化阶段的充电电流。

s2、基于电池衰退机理计算锂离子电池全生命周期内的最大充电截止电压,并以最大充电截止电压作为整个优化充电过程的充电截止电压。

刚开始使用时,电池以厂家给出的充电截止电压进行充电,以锂离子电池出现加速损失时刻为转折点降低充电截止电压。通过容量衰退速率与充电截止电压之间的定量关系即公式(2),使电池在加速损失之后的循环充电中容量衰退速率等于转折点时的衰退速率,然后计算电池在加速损失之后不同老化阶段的充电截止电压,电池在充电过程中,充电电压不能超过计算得出的充电截止电压的最大值,此充电截止电压的最大值即为电池的最大充电截止电压。

式中:capacityloss为容量损失,ds为容量衰退速率,vc为不同老化阶段的充电截止电压。

s3、以△soc为间隔划分充电soc区间,划分为n步,在基于极化电压限制的最大充电电流的约束下,确定每步的充电电流;

其中优化充电soc区间为0%-90%,△soc=10%,所以n等于9。

s4、根据步骤s3中得到的每步的充电电流计算每步充电电流对应的电池充电时间,即每步充电时间,计算公式如下:

公式(3)中,tk表示每步充电时间,ik为每步的充电电流,△soc为每步充电对应的电池荷电状态的变化量,q为电池当前的容量;

然后根据每步充电时间计算n步总充电时间,计算公式如下:

公式(4)中,t为n步总充电时间,qk为每步充电的充电容量,ik为每步的充电电流;

s5、根据步骤s4中的每步充电时间计算电池每步充电温升,计算公式如下:

其中,r为电池直流内阻,h为电池表面与周围环境间的对流传热系数,a为电池单体与周围环境接触表面积,为熵系数,tcell为电池温度,tamb为周围环境温度,m为电池质量,c为电池的平均比热容,表示第k步充电起始电池温度,tk表示第k步充电过程中电池温度,ik为第k步的充电电流;第k步充电的电池初始温度等于第k-1步充电结束时电池温度;

然后根据电池的每步充电温升,计算电池充电过程中的最大温升,最大温升为充电过程中的最大温度减去初始温度;计算公式如下:

△t=tmax-t1st(6)

公式(6)中;△t表示最大温升,tmax表示电池充电过程中的最大温度,t1st表示电池充电时的初始温度;

s6、根据步骤s4计算得出的n步总充电时间和步骤s5计算得出的电池充电过程中的最大温升构造优化充电目标函数,优化充电目标函数采用归一化线性打分制;

优化充电目标函数的公式如下所示:

其中,δtmax为最大允许温升,δt0.05c为1/20c充电温升,δt为最大温升,t为n步总充电时间,tmax为最长允许充电时间,tmin为以极化电压限制的最大充电电流对应的充电时间,加权系数α为时间加权系数,代表充电时间的重要程度,加权系数β为温升加权系数,代表充电温升的重要程度;加权系数α和加权系数β满足如下关系式:

α+β=1(8);

构造优化充电目标函数,优化充电目标函数包含两部分:总充电时间和充电温升,使总充电时间越短越好,充电温升越小越好。优化充电目标函数采用归一化线性打分制,以最大允许温升δtmax为60分,1/20c充电温升δt0.05c为100分。以最长允许充电时间tmax为60分,以极化电压限制的最大充电电流对应的充电时间tmin为100分,最长允许充电时间从是用户角度定制的。

s7、采用遗传算法,寻找使优化充电目标函数的分值最高的充电电流,该充电电流就是最优充电电流。

遗传算法的具体过程为:每步充电电流可变范围在最大电流与最小电流之间。每步充电电流用相应不同位数的二进制数表示,二进制位数的大小保证分辨率小于1a,一共需要47位二进制数表示一组充电制式。每代共有二十个个体,在迭代100代后,终止迭代,输出的结果即为最优充电电流。

在划分出的每一个soc区段内有m个可选充电电流值,这样一共有mn种充电电流组合方式,每一种充电电流组合方式对应一个目标函数分值,则分值最高的就是最优充电电流。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1