基于物理的锂硫电池模型的在线状态估计
系统与控制
2021-02-17 v1 系统与控制
摘要
本文研究锂硫（Li-S）电池状态估计问题。此类估计对于这种高能量密度化学体系的在线管理十分重要。文献中使用等效电路模型（ECMs）进行 Li-S 状态估计。本文的主要目标是改用基于物理的模型进行估计。该方法颇具吸引力，因为它可在线估计给定 Li-S 电池中各种物质的质量。估计使用了一个经实验验证、计算易处理的零维模型。重新表述将该模型从微分代数方程（DAEs）转换为常微分方程（ODEs），简化了估计问题。本文的第一个贡献是表明该模型可观测性较差，尤其在低平台区，电池电压对析出硫质量的低灵敏度使得该质量的估计复杂化。第二个贡献是利用质量守恒推导出一个降阶模型，该模型在高、低平台区均具有良好的可观测性。最后的贡献是使用无迹卡尔曼滤波器（UKF）估计 Li-S 电池内部状态，同时考虑物质质量的约束。与本文的可观测性分析一致，当使用降阶模型时，UKF 实现了更好的低平台区估计精度。
引用
@article{arxiv.2010.13277,
title = {Online State Estimation for a Physics-Based Lithium-Sulfur Battery Model},
author = {Chu Xu and Timothy Cleary and Daiwei Wang and Guoxing Li and Christopher Rahn and Donghai Wang and Rajesh Rajamani and Hosam K. Fathy},
journal= {arXiv preprint arXiv:2010.13277},
year = {2021}
}