基于自恢复效应电池放电模型及其应用研究

作者:张朋;贺焕林;肖俊明;王晓雷;范福玲;常静 刊名:电测与仪表 上传者:杨群

【摘要】现有电池SOC预测方法,大都基于开路电压、开路电流等外电路或者测量电源内阻的方法,而没有考虑到电源的内在特性,尤其没有考虑电池的自恢复效应的影响,且大都采用恒压、恒流放电的工作模式,难以实现对电池SOC的动态预测。针对电池SOC预测方法的缺点,提出了一种包含有电池自恢复效应的电池SOC动态预测方法:提出一款包含有电池自恢复效应的动态电池模型,基于此电池模型提出了计及电池自恢复效应的动态放电模型,并论述了此放电模型与自恢复效应的关系,仿真结果表明,本预测方法具有较高的预测精度,且可实现动态预测。

全文阅读

0引言分布式微电网技术的核心思想是协同设计不同控制策略以便平衡和优化分布式发电、储能、用电等资源的综合性能[1-3]。微电网中都需配置储能系统来平衡微电网的出力和提高电能质量,而蓄电池因技术成熟,成本低,可重复使用,在微电网中得到了广泛应用。这些供电和储能蓄电池本身是复杂的化学物理系统[3-5],并且电池的充放电特性具有明显非线性。当电池以脉冲电流放电时,在放电间隙,电解质溶液的扩散可以提高电极附近电荷的富集浓度。这个扩散过程可称为电池恢复效应,可以部分恢复电池的容量[6-7]。所以,脉冲电流放电可增加实际电池的容量和使用寿命。电池建模的目标是用各种计算模型来模拟和分析电池的特性[8-12]。现有电池模型可划分为物理模型、经验类模和抽象分析类模型。物理类模型解算工作量大,耗时较长。实验类模型过于简单,模型的精度大都较低。抽象分析类模型利用电路组件来模拟电池的特性和行为,基于数学分析的方法进行电池特性的仿真和解算。例如,文献[7]提出一种抽象电池模型,可分析电池内部的自恢复效应。但此模型需要假设电池的放电电流必须知道。同时,文献[11,13-16]又指出,为了进一步提高模型的精度,还需要已知放电电流的轮廓规律。文章将构建一个动态电池模型,用以分析电池的自恢复效应,并利用此模型来进行电池SOC的动态预测。1电池工作机理和自恢复电池模型此小节将研究电化学电池的工作机理以及具有自恢复效应的抽象电池模型。1.1电池电化学过程电化学电池都具有一个阳极和一个阴极,并且在电池内部与电解质相连。放电过程,阴阳两极的正负电荷将会复合。电池电化学过程要素有电荷e-,氧化类物质O,还原类物质R,此过程如下:阴极:O+e-R阳极:R-e-{O开始,电池内部物质类O均匀分布。放电时,物质类O将接受来自外部电极的电子,而转化为物质类R,这将导致阴极附近物质类O减少和物质类R增加,从而在整个电池内部将形成O,和R的浓度梯度。这种浓度梯度将进一步导致O物质类和R物质类的扩散,以便增加阴极的O物质类浓度。最终这种扩散和消耗将达到平衡,而导致电池恒流供电。而电池整体的O物质类浓度将降低,随着放电过程的深入,O物质类浓度将不断降低,一旦浓度低于一定水平,电池将不能对外供电。如果负载在电池失效前被关闭,阴极将无法从外电路得到电子,则阴极附近物种类O向物种类R的转变将提至。然而,电池内部的物质O浓度梯度仍然存在,扩散仍将继续,直到电池内部物质类浓度梯度消失。此时,电池内部物质类O以较低的浓度均匀分布在电池内部。对于物质类O的浓度位置指示如图1所示。图1电极附近电解质浓度变化曲线Fig.1Electrolyteconcentrationcurvenearelectrode电池以脉冲电流和恒定电流放电的特性是差别很大的[3]。当脉冲电流放电时,将可以使更多的物质扩散到电极。1.2自恢复电池模型自恢复电池模型中,电池内部电荷浓度可用一维微分方程表示:J(x,t)=-DC(x,t)xC(x,t)t=D2C(x,t)x2(1)式中C(x,t)表示在t时刻距离电极x处电解液的浓度;J(x,t)表示电解质梯度,为电解液恒定扩散常数。假设电池的长度为2W,则,方程(1)的电池的边界条件可由下面方法推出:(1)X=0:根据法拉第电磁感应定律,在电极处的电解液密度J(0,t)正比于电池所能提供的供电电流:-J(0,t)vAF=i(t)(2)式中F表示法拉第常数;A代表的电极的横截面;v为电池界面变化系数,一般为常数。(2)X=W:电池中心处的浓度梯度电池是零。因此,可以推导出边界条件为:DC(x,t)xx=w

参考文献

引证文献

问答

我要提问