电池SOC／SOH(2)

电池SOC／SOH

1.2.3 遗传算法模型

文献[8]研究了基于遗传算法的锂离子电池模型，一般情况下可以分析实验数据，求解方程等方法建立模型，模拟电池的特性。但是由于电池内部的化学反应非常复杂，很难找到合适的函数来描述电池模型。遗传算法计算方便，输出函数形式十分灵活，可以用来建立锂离子电池的模型。

1.2.4 神经网络模型

Shen WX[9-10]等人研究了使用神经网络算法建立电池模型的可行性，建立了锂离子电池的模型，并且成功地预测电动汽车中电池的剩余电量。K.T.Chau[11]将神经网络算法与模糊算法联合使用，取长补短，弥补两个算法各自的不足，用来估计锂离子电池的剩余容量，提高了单一算法的估计精度。

1.2.5 电化学模型

电化学模型是根据电池基本化学原理建立的模型，锂离子电池原理性模型是从1982年west[12]的研究基础上逐步建立起来的。West在研究纤维状活性物质颗粒所组成的多孔电极时，建立了一个准二维的多孔电极模型，假定电池中的溶液相为二元溶液体系，将扩散系数默认为常数，固相扩散过程为控制步骤，电化学过程忽略不计。由于锂电池也是多孔电极体系，因此Mao[13]等人在研究Li:LiClO4:TIS2电池模型时，采用了相似的处理方式，考虑到电池的构造，模型中引入了隔膜这一结构。Mao等人的研究结果表明，隔膜越薄，电池能够释放出更多地电量。但是由于该模型不是真正的电池模型，仅仅对单个电极的原理进行研究，没有将电池看成一个整体进行建模，因此模型并不能完全模拟电池的化学特性。在上述模型中，都假设锂离子嵌入过程无限快，因此在电极/电解液界面是存在电化学平衡体系的。也就是说，电池的OCP(Open Circuit Potential)与颗粒表面浓度和附近电解液浓度相关。Spotniztz[14]在随后的模型中考虑了电化学影响。

Doyle[15]在研究Li:PEO8_LiCF3SO3:TiS2电池时，根据多孔电极模型建立真正意义上的电池模型。采用巴特勒-沃尔默方程来描述每个电极上发生的电化学反应，用Fick定律来描述电极内部锂颗粒的扩散现象，并默认扩散系数为常数，在