文章标题：基于模型的电池充电优化框架 - 平衡充电时间和电池退化

作者团队：克兰菲尔德大学 Abbas Fotouhi 团队

通讯作者：a.fotouhi@cranfield.ac.uk

引用：Appleton, S.、Fotouhi, A.：基于模型的电池充电优化框架，用于在时间和性能下降之间进行适当的权衡。Automot. Innov. 6(2)，204–219 (2023)。

全文概览

本研究提出了一种兼顾电池衰减与充电时间的电池充电设计优化框架。以LFP电池为例，考虑充电和冷却功率的实际限制，建立更为详细的健康模型，并在不同工况下进行仿真，得到优化框架对充电曲线的影响，验证了该框架的有效性。

1. 提出的充电优化框架基于圆柱形LFP电池的二阶等效电路模型和热模型。考虑两种电池健康模型（Wang模型和Naumann模型）来估算不同温度和电池放电C速率下的SoH。然后，将所有模型集成到一个优化框架中，以考虑目标函数和某些约束条件来生成最佳电池充电曲线。提出了两种不同的充电策略：“最佳健康充电”和“最佳时间充电”。

2. 在最佳健康充电场景下，首先比较了Wang模型与Naumann模型之间的充电和冷却功率要求。其次，针对两种健康模型讨论了C-rate、电池电压、SoH和温度等其他变量。比较了有限和无限充电时间两种情况。结果表明，当时间无限时，充电时间约为99分钟，可将电动汽车电池从25％充电至75％SoC；当充电时间限制为60分钟时，C-rate增加，但充电曲线形状保持不变以补偿所需的最终电量。此外，还研究了环境温度的影响。结果表明，对于较高的环境温度，较高的C-rate是最佳选择，因为它可以缩短充电时间。C-rate在较高温度下增加，从而实现循环衰减和存储衰减之间的最佳平衡。

3. 在最佳时间充电方案中，首先研究了各种功率限制对充电曲线的影响。观察到当没有功率限制时，优化曲线受到最大电压的限制。因此，考虑150 kW的充电功率限制并将冷却功率限制为5 kW，最佳时间充电大约需要12分钟才能将电动汽车电池从25％SoC充电至75％。介绍并讨论了两种健康模型的其他变量，例如C速率，电池电压，SoH和温度。将最佳时间充电曲线与CCCV充电曲线进行了比较。将最佳时间算法与CCCV充电曲线进行了比较，实现了更严格的参数控制，充电时间缩短了6.82％。

4、在电池健康方面，“快充”策略会让电池的SoC略高，充电后电池温度会快速上升，导致电池衰减。考虑到车辆再次使用前的损耗，最好的充电方案应该是尽可能慢速充电，以减少因充电速度超过要求而导致的损耗，以及在较高SoC下衰减。因此，为了保护电池的健康，充电速度的一个重要因素是可用的充电时间。

（以上内容由编辑部整理，仅供参考）

【作者团队简介】

文章访问