Det finns två sätt att modellera litiumbatterimodellen. Det ena är att utföra ett stort antal experiment på batteriet, ackumulera experimentella data, simulera insamlade data och sammanfatta lagen om förändring av litiumjonbatteriet; Det andra är att utföra ett stort antal experiment på litiumjonbatteriet. Forskning om jonbatteriernas mikroskopiska beteende, genom beskrivningen av mikroskopiskt beteende, med hjälp av datormedel, etablerar en teoretisk modell. Vanliga litiumbatterimodeller inkluderar främst intern resistensmodell, motsvarande kretsmodell, genetisk algoritmmodell, neural nätverksmodell och elektrokemisk modell.
Modell av litiumbatterier
1. Litiumbatterimodellens interna motståndsmodell
Den interna motståndsmodellen är den enklaste batterimodellen, som vanligtvis används för att förutsäga batteriets kapacitet []. Generellt sett varierar batterikapaciteten med spänning och internt motstånd. Eftersom spänningen kommer att förändras annorlunda under olika urladdningsströmmar har forskare försökt fastställa sambandet mellan internt motstånd och kapacitet. Det interna motståndet är dock inte ett inneboende värde, och den interna motståndsmodellen kräver mycket experimentella data. Batteriets maximala kapacitet ändras till exempel vid olika temperaturer, batteriets utgångsspänning ändras vid olika strömhastigheter och batteriets interna motstånd ändras vid olika temperaturer. Enligt de data som erhållits från experimentet används batteriets interna motstånd för att bestämma batteriets kapacitet enligt batteriets olika användningsmiljö, så modellen är närmare en databas.
2. Likvärdig kretsmodell av litiumbatterimodell
Eftersom batteriet kommer att återspegla några av egenskaperna hos motstånd och kapacitans under nuvarande verkan, v.Johson16.] et al. föreslog att motsvarande krets kan användas för att bygga en batterimodell för att simulera batteriets dynamiska och statiska prestanda. Den grundläggande motsvarande kretsen för ett litiumjonbatteri, där V och V representerar batteriets öppna kretsspänning och utgångsspänning, R är batteriets interna motstånd och RG-parallellkretsen simulerar batteriets yttre egenskaper.
3. Genetisk algoritmmodell av litiumbatterimodell
Litiumjonbatterimodeller baserade på genetiska algoritmer kan i allmänhet analysera experimentella data, lösa ekvationer och andra metoder för att bygga modeller för att simulera batteriegenskaper. Men eftersom den kemiska reaktionen inuti batteriet är mycket komplicerad är det svårt att hitta en lämplig funktion för att beskriva batterimodellen. Den genetiska algoritmen är lätt att beräkna, och utgångsfunktionen är mycket flexibel, och den kan användas för att bygga en litiumjonbatterimodell.
4. Neural nätverksmodell av litiumbatterimodell
Undersök möjligheten att använda neurala nätverksalgoritmer för att bygga batterimodeller, bygga en litiumjonbatterimodell och framgångsrikt förutsäga den återstående kraften hos batterier i elfordon.
Den neurala nätverksalgoritmen och den luddiga algoritmen kombineras för att använda de starka punkterna för att åtgärda bristerna i de två algoritmerna för att uppskatta litiumjonbatteriens återstående kapacitet och förbättra uppskattningsnoggrannheten hos den enda algoritmen.
5. Litiumbatterimodellens elektrokemiska modell
Den elektrokemiska modellen är baserad på batteriets grundläggande kemi. Huvudmodellen för litiumjonbatteriet etableras gradvis på grundval av Wests forskning 1982. Vid studier av porösa elektroder bestående av fibrösa aktiva materialpartiklar etablerade West en kvasi-tvådimensionell porös elektrodmodell, förutsatt att lösningsfasen i batteriet är ett binärt lösningssystem, som standard för diffusionskoefficienten till en konstant, och den fasta fasdiffusionsprocessen är Kontrollsteget, den elektrokemiska processen ignoreras. Eftersom litiumbatteriet också är ett poröst elektrodsystem, antogs en liknande bearbetningsmetod när man studerade batterimodellen Li:LiClO4:TIS2. Med tanke på batteriets struktur introducerades membranets struktur i modellen. Resultaten av Mao et al.s forskning visar att desto tunnare avskiljare, desto mer ström kan batteriet släppa. Men eftersom denna modell inte är en sann batterimodell studerar den bara principen om en enda elektrod och modellerar inte batteriet som helhet, så modellen kan inte helt simulera batteriets kemiska egenskaper. I ovanstående modeller antas det att litiumjonintercalationsprocessen är oändligt snabb, så det finns ett elektrokemiskt jämviktssystem vid elektrod/ elektrolytgränssnittet. Med andra ord är OCP(Open Circuit Potential) partikelytans koncentration av batteriet relaterad till den närliggande elektrolytkoncentrationen.
När Doyle studerade Li:PEO3LiCF3SO3:TiS2-batterier etablerade han en sann batterimodell baserad på den porösa elektrodmodellen. Butler-Wolmer-ekvationen används för att beskriva den elektrokemiska reaktionen som uppstår på varje elektrod, och Ficks lag används för att beskriva diffusionsfenomenet litiumpartiklar inuti elektroden, och diffusionskoefficienten antas vara konstant. När en kemisk reaktion inträffar ändras batteriets volym Försummad, vid batterimembranet passerar litiumjoner genom membranet för att bilda ett lager AV SEI-film, vilket förenklas till ett filmmotstånd. Batterimodellen tar inte hänsyn till förekomsten av sidoreaktioner. På grundval av [1] fastställde Fuller [1] et al. en ekvation som beskriver de kemiska egenskaperna hos litiumjonbatterier enligt teorin om utspädd lösning och etablerade en allmän litiumjonbatterimodell. Studien av Fuller et al. förklarade sambandet mellan batteriet ocP:s och SOC:s öppna kretspotential, och detta arbete är av stor betydelse. Forskningen visar att förhållandet mellan OCP och SOc-kurvan är icke-linjärt, och förhållandet mellan strömtäthet och kurvan är mycket nära. Ju högre förändringstakt för OCP- och SOc-kurvan är, desto mer enhetlig är den aktuella densitetsfördelningen. Därefter använde Nalin och Giacomo et al. den finita elementmetoden för att lösa litiumjonbatteriets kemiska modell på grundval av föregångarna och jämförde den lösta modellen med de faktiska batteriurladdningsegenskaperna.
