购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

1.5 动力电池仿真技术进展

电池模拟研究主要分为两大类:一是基于第一性原理建立模型进行的理论计算,方法包括Hartree-Fock(HF)和Density Functional Theory(DFT),使用软件有Materials Studio(MS)、VASP(Vienna Ab-initioSimulation Package)、Gaussian、WIEN2K、ABINIT、PWscf、SIESTA、CRYSTAL等;二是基于有限元或有限体积思想,通过联立方程推导近似解进行仿真模拟研究,主要软件包括COMSOL Multiphysics、ANSYS、ABAQUS、ADINA等。

总体来说,第一性原理计算擅长于电池材料的微观电子结构及能量计算和预测;有限元及有限体积方程更适合在拥有了电池材料微观参数的基础上需要进一步考虑电池整体宏观性能时的研究,通过建立数学物理模型对电池系统进行多场耦合分析,选取合适的网格和方程,缩短计算时间,减少大量的预实验,对电池各方面性能提供优化方案。

现有关于电池仿真的模型主要包含热模型、电学特性模型和老化模型等。这些模型可对电池热效应、容量衰减以及荷电状态等方面展开探索。

1.5.1 热模型

电池热模型用于探索电池产热特性,常见的电-热耦合模型、电化学-热耦合模型和热滥用模型多是基于Bernardi等 [3] 的生热速率模型,用于描述产热率与电流、电池体积、开路电压、工作电压和温度的关系,又可分为不可逆阻抗热和内部熵变引起的化学反应热。Lai等 [5] 基于此将准二维电化学模型和三维热模型耦合,发现热量主要来源于电池内部反应热、极化热和欧姆热。反应热是可逆热且熵变对其有巨大影响。极化热由破坏内部平衡时释放的能量转化而来。欧姆热作为总热量的重要来源之一,主要包括3部分:Li + 在固体相中嵌入嵌出的热量;Li + 在电解液中的迁移热;集流体产生的欧姆热。结果显示正极可逆热对总可逆热的贡献比负极大,而不可逆热则主要由负极贡献。

Ghalkhani等 [6] 建立了电化学-热耦合瞬态模型,研究电池内部热量和电流密度分布,发现电池极耳处温度高于其他部位温度,且由于正极极耳处的电流密度最大,导致最高温度出现在正极极耳附近。该研究结果可为降低最高温度和提升温度均匀性提供参考,且表明电池设计中一定要考虑极耳的放置问题。

电池在高倍率、碰撞、针刺、短路、过充/放等极端情况下运行时会放出大量热量,容易使温度升高,造成热失控。Dong等 [7] 建立一个包含电化学热耦合模块和热滥用模块的模型,对大于8C的高倍率充放电情况进行了研究。发现放电过程更容易使电池过热,导致热失控;较高倍率充电时电阻损失较大,会导致截止电压提前到来,降低电池容量。这项研究重点探索了超过8C充放电时的电池放热情况和热失控机理,对于解决快速充电产热量大的问题有着指导作用。Zhang等 [8] 利用机械-电-热耦合模型研究机械碰撞引起的瞬间短路情况,发现短路瞬间产生的焦耳热是温升主要原因,这是因为接触面积越大,短路电阻越小,电流密度越大,完成相同的电压降所需时间较短,导致升温幅度较大;较小接触面积不会造成热失控,因为电压降非常慢,产生的热量有足够的时间消散。这项工作综合考虑力学、电化学以及热力学多种因素,在研究机械滥用下锂离子电池的安全性能时非常有参考价值,有助于设计更高效安全的电池结构。

电池热模型阐明了生热机理和温度分布,便于设计合理的散热方式,保证电池的正常运行。此类模型以热耦合模型研究为主,模型的准确性较好。然而针对针刺等情况的研究较少,且随着电池功率和体积的增大,电池内部的不均匀性会更加明显,上述的简化模型是否符合实际情况则需进一步研究。

1.5.2 电学特性模型

电学特性模型主要有黑箱模型、等效电路模型(Equivalent Circuit Model,ECM)和电化学机理模型,旨在研究不同工况下的电池电压特性。黑箱模型利用电流、电压等数据,通过建立神经网络模型、支持向量机模型、模糊逻辑模型等描述电流、温度、电池荷电状态(SOC)及端电压间的关系。此类模型计算效率高,支持在线估计,但其泛化能力和预测准确度仍需进一步改善。

等效电路模型用电路元件等效电池电化学反应,此模型直观性强,准确性可通过和多种算法结合而提高,因此实用性较强。主要有频域模型和时域模型,后者因设备简单而在成本方面具有较大的优势,然而其结构优化及模型准确度与RC阶数的关系仍需进一步探索。Hu等 [9] 对多种常用ECM进行比较,指出RC阶数在一定范围内时可以提高模型准确度和计算效率,但超出2阶之后反而会起到相反作用。ECM可以与扩展卡尔曼滤波器(EKF)类算法、粒子滤波(Particlefiltering,PF)类算法、滑模观测法、H∞观测法等相互结合,以实现不同准确度的SOC在线估算,EKF类算法因其在非线性过程中独特的优势而与ECM结合最为广泛,然而它的部分参数通过假设获得,使得校准时间过长且计算准确度较低。鉴于此,Wang等 [10] 提出一种双无迹卡尔曼滤波器(DUKF)类新算法,考虑了参数的实时变化,在运行过程中补偿了噪声信号,避免了环境因素的影响,与ECM结合可以同时满足参数的在线识别和SOC的估计,误差值保持在3%之内。Din等 [11] 则提出无迹卡尔曼滤波器(UKF)类算法与ECM结合用以快速估计SOC,UKF内嵌一种人工神经网络(ANN)控制器,可以自动在线捕捉最优参数,进而在线测量噪声数据,且将自协方差最小二乘(ALS)技术用于测量噪声协方差中的最小二乘估计,该模型SOC估计范围在0~100%,且误差均小于1%,显示出优异的准确性。新型EKF类算法的提出实现了在线估计的同时,保证了计算效率、算法稳定性和准确度,使模型应用于电动汽车的管理系统成为可能。

电化学机理模型由Newman等 [12] 基于多孔电极和浓溶液理论提出,因其可精确地描述锂离子浓度以及电化学反应变化而具有较大优势。该准二维(P2D)模型多作为平台,实现多物理场的耦合仿真,然而大量的非线性方程使其计算复杂度较大。单颗粒模型(Single Particle Model, SPM)以单个颗粒为研究对象,纬度低、尺度小、计算效率高,可有效说明小颗粒具有较快的扩散动力学;若可使球形颗粒接近真实颗粒形状,便会进一步增强模型的真实性,且在大倍率时需在其中嵌入电解液扩散动力学方可使用。多颗粒模型(Multiple Particle Model,MPM)在SPM的基础上考虑了颗粒尺寸对于电化学性能的影响,使结果更加准确。Zou等 [13] 从模型方程入手,使用了奇异扰动和平均化方法简化P2D模型,简化的模型能够有效地预测电池动态特性,但该模型在研究电池快速充电状态时仍然需要进一步改进。王靖等 [14] 建立了MPM,分2种、3种和4种颗粒尺寸分布研究颗粒直径对放电过程的影响。通过对比几个模型发现,四颗粒模型的结果与实验结果最为吻合。不同模型结果均表明:放电前期,小颗粒因扩散方便而容易嵌入锂离子;放电后期,小颗粒已经接近饱和,此时大颗粒内部有更多的空位而主导锂离子扩散。因此,电极的颗粒直径均匀化有助于减缓放电后期大颗粒上的极化。研究从控制方程到内部机理均作了深入分析,阐释了颗粒尺寸对电池电化学性能影响的内在机理,实现了效率和准确度的共存,对研究电池的电化学性能具有指导意义。

电学特性模型对于预测电池健康状态、阐释材料几何参数对电池性能的影响至关重要,但对蛋黄-蛋壳(yolk-shell)结构材料中颗粒尺寸对材料电化学性能的影响研究较少;应将实际应用中单体电池会受成组和环境的影响纳入考虑范围,使模型尽可能接近真实工况。

1.5.3 老化模型

锂离子电池老化行为主要表现为容量衰减、阻抗增加以及功率减小,该行为严重影响电池的寿命乃至电动汽车的发展。造成该行为的主要原因有固体电解质界面膜(SEI)的增长和负极锂的沉积。

由于SEI膜的多孔特性,部分电解液会透过SEI膜与电极材料发生反应,造成SEI膜增厚及活性锂减少持续发生,表现为电池容量不断衰减。Ramadass等 [15] 首次提出的基于多物理场耦合的锂离子电池容量衰减模型证明了这一问题。Safari等 [16] 证明了SEI膜的增长主要受溶剂扩散的影响,且负载较高或者较低时容量衰减分别与时间的二次方或电荷的嵌入嵌出量成线性关系。Baek等 [17] 建立容量衰减模型,用以研究正极活性材料的损失及负极上SEI膜的形成所导致的容量衰减及阻抗增加的行为,该模型计算效率较高,但考虑因素较少,准确度仍需提高。蒋跃辉等 [18] 利用电化学-热耦合容量衰减模型探讨循环次数、充放电倍率、负极活性物质颗粒粒径、负极固相体积分数对电池循环寿命的影响。结果显示,随着循环次数的增加,SEI膜增厚且电阻增大,电池容量发生衰减,且倍率越高,上述现象越明显;负极颗粒直径和固相体积分数的值在一定范围内时能保持较好的电池循环稳定性和寿命。该模型实现了多物理场的耦合协同作用,并修正了温度对电池容量衰减的影响。

非线性老化理论认为电池循环前期SEI膜的生长是电池老化的主要原因,然而经过长时间的循环之后,负极锂沉积速率加快对电池老化有较大影响,老化行为呈现非线性,充电时的电流和截止电压以及电解质的组成会影响负极锂的沉积。锂沉积准二维多孔电极模型于1999年由Arora等 [19] 首次提出,Tang等 [20] 将Arora的模型扩展到二维,发现如果两个电极均匀对齐,则锂沉积很容易发生在负极边缘附近,表明了使用比正极更大的负极的重要性。Yang等 [21] 分析了影响电池老化的原因,发现放电前2700个循环中,容量从11.63A·h降至9.13A·h,每个循环呈线性趋势下降约0.93mA·h;然而2700~3300个循环后,容量衰减至6.63A·h,每个循环下降约4.17mA·h,呈现非线性趋势。锂沉积发生在负极与隔膜毗邻的一个较小空间内,随着SEI膜的增厚,负极的多孔性降低,使得负极与隔膜毗邻处的电解液电势增加,致使锂沉积电势降低,3000次循环后电解液电势急剧增加,锂沉积电势急剧下降甚至为负,进而导致沉积速率加快,容量衰减呈现非线性加剧;并且当电极更薄、温度更低、倍率更高时,容量衰减从线性到非线性的转折会提前出现。肖忠良等 [4] 利用模型探索了多次循环过程中电池老化的主导原因,详细分析了循环次数、电极厚度、温度和倍率对老化进程的影响,对理解电池容量衰减、优化电池设计至关重要。

电池老化模型可较大程度反映出电池老化机理,并据此优化电池材料,增加电池使用寿命。然而电池内部材料众多,老化机理有待进一步探索;且影响老化的因素繁多,建立模型时各因素之间的耦合程度仍不确定,难免会影响模型的准确性。 UoK3swLte5pDYP7in99MgARvTba0rmB4lrN1a3dfCxi7vmrCArI0iFYHm0SKMr+a

点击中间区域
呼出菜单
上一章
目录
下一章
×