锂离子电池的同步模型选择和参数估计:顺序MINLP求解方法
2015年9月3日
近日,课题组文章《Simultaneous model selection and parameter estimation for lithium-ion batteries: A sequential MINLP solution approach》在期刊《AIChE Journal》上发表。
等效电路模型(ECM)是一种广泛应用于锂离子电池(LIB)荷电状态(SOC)估算与健康状态(SOH)监测的实用建模工具。然而,传统ECM中电路参数与SOC的函数关系通常基于经验确定,缺乏系统性与最优性,难以保证模型在精度与复杂度之间的合理平衡。为解决这一问题,本文提出了一种用于函数形式选择与参数估计的系统化求解框架。该框架通过建立双目标混合整数非线性规划(MINLP)模型,同时考虑模型精度与复杂度两个优化目标。针对该模型,设计了两种互补的求解策略:显式法(将模型复杂度作为约束处理)与隐式法(将复杂度以惩罚形式融入目标函数)。两种方法均采用基于理想解与对偶理想解的判据确定最优函数形式,实现了对模型性能的动态权衡。通过对商业化锂离子电池的脉冲放电测试与混合脉冲功率特性(HPPC)测试进行验证,结果显示所提方法能够在保证预测精度的同时,自动生成结构最简、性能最优的ECM模型。本研究为锂离子电池模型构建提供了一种可自动化、可扩展的优化建模思路,为未来电池的在线状态估计与全寿命管理奠定了重要的理论与方法基础。
原文链接:https://pubs.acs.org/doi/10.1021/ie5044049






