影响因子：6.215

作者：庞辉，牟联晶，郭龙，张风奇

论文介绍：

准确的参数识别和电荷状态（SOC）估计是有效监控和控制电动汽车锂离子电池工作状态的关键。尽管现有考虑电解质动力学的单粒子模型（SPMe）的可以准确地描述锂离子电池的宏观-微观尺度的动态行为，但模型在某些特定动态条件下适应性较差，仿真精度不足。为了解决这个问题，本文基于锂离子电池的增强电化学老化模型提出了一种参数识别方法并对其进行了系统验证。首先，考虑负极固体电解质界面（SEI）的形成机制，本文开发出一种基于SPMe的老化模型，称为eSPMA模型。其次，使用常规遗传算法辨识eSPMA模型中的关键参数。最后，通过比较eSPMA模型和Doyle-Fuller-Newman（DFN）模型在相同输入电流曲线下的仿真电压和SOC值，验证了所识别参数的有效性。这项研究的结果有助于电池容量衰减的实验设计，并有助于对锂离子电池健康状态进行准确的估算。该研究成果发表在中科院SCI一区期刊Electrochimica Acta上。

 相关图片：

图1.  eSPMA模型结构示意图

              图2. 室温23℃在HPPC工况下的DFN和eSPMA模型验证结果 (a)电压；(b)电压误差；(c)SOC；(d)SOC误差