电动汽车大功率充电过程动力电池充电策略与热管理技术综述(5)

1.2充电策略的优化
基于大功率充电的需求，电动汽车动力电池的充电倍率要尽量提高。然而由于热管理系统和电池的耐久性，安全性所限，从电池管理系统的角度而言，电池的充电倍率应受到充电温升、电池寿命等一系列约束条件的限制。
这些限制和大功率充电的最终目标，即加快充电速率，减小充电时间矛盾，所以在现有的充电策略适用过程中，常通过对充电策略进行多目标优化，解决大功率充电过程中存在的问题。目前的优化策略主要有两种，一种是基于电池的耐久性实验数据，优化充电策略。另一种是基于电池模型，建立起电池外特性和内部机理之间的联系，从而通过控制充电过程中的极化实现充电策略的控制。
1.2.1基于优化算法的策略
在大功率充电模式下，虽然缩短了充电时间，提高了充电效率，但充电倍率较高会导致锂离子电池极化电压较大、温升较高、老化加速等一系列问题。基于优化算法的充电策略可实现任意多目标的优化与平衡，从而解决大功率充电过程中存在的问题。
1.2.2基于电池模型的策略
基于电池模型的充电策略主要通过采用等效电路模型(图7)或电化学模型(图8)来预测最佳充电电流。他们将外部的电行为与内部的反应机制结合起来，通过控制极化电压达到优化充电的目的。

等效电路模型以其计算速度快的优点得到了广泛关注。Ouyang等基于Rint电池模型提出了一种两层递阶充电控制策略。顶层控制通过多目标优化来调度最优充电电流，该优化考虑了用户需求、电池均衡、温度和运行约束，利用无源性理论开发了底层控制，使充电器能够很好地跟踪预定的充电电流，经证明该策略在控制温升、缩短充电时间等方面具有很好的效果。Hu等基于一阶阻容模型提出了一种考虑充电时间和充电损耗冲突的双目标最优充电策略，该策略采用伪谱技术和自适应网格细分算法很好地实现了充电时间和充电损耗二者之间的平衡。Perez等[基于二阶等效电路模型和电池热模型建立了一个非线性电-热-老化耦合模型，提出了一种健康的快速安全充电策略。该策略采用自适应多网格区间配置的勒让德-高斯-拉多伪谱法求解高非线性六状态最优控制问题，实现了充电时间和电池健康状况的最佳平衡。