A novel hybrid model to describe hysteresis in Li-Ion batteries of electric vehicles

电动汽车已成为全球道路上常见的景象，这得益于全球范围内减少传统汽油发动机造成空气污染的努力。每辆电动汽车的核心都是电池，这是一个存储能量并将其释放以驱动车辆的复杂化学系统。在各种可用的类型中，锂离子电池是标准选择，因为它们高效、耐用且易于充电。然而，这些电池并非完美的能量容器；它们存在一个微小但显著的缺陷，称为滞后现象（hysteresis）。当电池正在充电时，其电压（即推动电流通过电路的电压力）与正在放电时所遵循的路径并不一致。对于特定量的存储能量，充电时的电压会比放电时略高。这种差异在数据中产生了一个环路，使得很难准确知道电池在任何给定时刻还剩余多少能量。

精确追踪这种剩余能量（即荷电状态，state of charge）对于电动汽车的安全性和寿命至关重要。如果汽车的计算机无法精确确定电池的电量，它可能会意外切断动力，或者更糟的是，允许电池过充，从而导致损坏或起火。为了解决这个问题，工程师依赖于电池管理系统，该系统利用数学模型来预测电池的行为。然而，现有的模型往往难以处理锂离子电池中滞后环的具体形状。这些环是不对称的；它们是歪斜且复杂的，违背了许多传统方程旨在描述的简单、平衡的形状。这种复杂性使得创建一个既足够精确以发挥作用，又足够简单以便在汽车计算机上快速运行的模型变得十分困难。

在最近的一项研究中，研究人员 Khogesh K. Rathore 和 Saurabh Biswas 提出了一种通过将两种不同的数学方法结合成单一混合模型来解决这一问题的新方法。他们并没有试图将电池的行为强行套入一种单一的固定形状，而是将一种用于描述机械系统的知名模型与一种旨在处理不对称性的新模型合并在一起。他们组合的第一部分是 Bouc-Wen 模型，这是一种最初用于描述材料在压力下如何变形和恢复（例如金属弯曲）的工具。第二部分是一个专门处理不对称性的模型，具体针对的是滞后环在电池获取功率和失去功率时曲线收缩和偏移方式不同的特性。通过将这两个模型的输出相加，研究人员创建了一个能够模拟真实电池中看到的独特、歪斜环路的新框架。

为了测试这种新方法是否有效，团队将其应用于从以往关于锂离子电池的研究中收集的四组不同实验数据。这些数据集代表了现实世界的充放电循环。通过使用标准的计算机方法来调整模型的设置，研究人员对该混合系统进行了精细调节，直到其预测结果与实验数据尽可能匹配。结果令人瞩目。新模型能够高精度地追踪所有四个测试案例中的复杂、不对称环路。在不同案例中，拟合的最大百分比误差分别报告为 2.7%、1.2%、3.9% 和 0.9%。至关重要的是，研究人员在每次测试中都使用了完全相同的九个内部参数来实现这种准确性，这证明了该模型具有鲁棒性，而不仅仅是针对特定电池的偶然拟合。

该研究表明，这种混合方法为这一持久的工程挑战提供了一个实际的解决方案。与许多要么过于复杂无法实时运行、要么过于简单无法捕捉电池真实行为的现有模型不同，这种新方法取得了平衡。它在计算上是简单的，这意味着它需要的处理能力非常低，同时它能捕捉到滞后环的关键特征，包括其不对称性。研究人员指出，虽然他们的模型成功描述了主要的充放电循环，但未来的工作仍需进一步完善，以应对更复杂的场景，例如电池在完全放空前进行补电的部分充电情况。不过目前来看，这项工作提供了一个清晰、可靠的工具，可以帮助工程师构建更好的电池管理系统，确保电动汽车保持安全、高效且随时待命。