第2章电池储能系统建模

第2章电池储能系统建模：锂电池等效电路模型、参数辨识方法

各位好，咱们接着聊储能电站的仿真。上一章我讲了储能系统的整体架构，这一章咱们扎进去，聊聊最核心的部件——锂电池的建模。

说实话，电池建模这事儿，我入行头三年一直觉得挺玄乎的。直到有一次做微电网仿真，模型不准，导致整个系统的稳定性分析全偏了。从那以后，我花了大半年时间，把电池模型从头到尾捋了一遍。今天就把这些经验分享给你。

2.1 为什么要建电池模型？

你想想看，储能电站里几十个电池簇并联，每个电池的电压、温度、SOC都不一样。如果你没有一个准确的模型，怎么去设计BMS的均衡策略？怎么去评估系统的寿命？

说白了，电池模型就是我们在仿真世界里的「替身」。它要能准确反映电池的：

外特性：端电压随SOC和电流的变化
动态响应：充放电切换时的电压跳变
老化特性：循环次数增加后的容量衰减

我个人习惯把电池模型分成三类：电化学模型、等效电路模型、数据驱动模型。在工程仿真中，等效电路模型是应用最广的，因为它计算量小、参数容易获取、精度也够用。

2.2 锂电池等效电路模型

等效电路模型，就是用电阻、电容这些基本元件，去模拟电池的电气行为。最常见的几种，我一个个说。

2.2.1 Rint模型（最简单的）

这个模型就一个理想电压源串一个内阻。公式很简单：

V_t = V_oc - I * R_0

其中V_oc是开路电压，R_0是欧姆内阻。

嗯，这个模型太粗糙了。它完全忽略了电池的极化效应。我在早期做快速仿真时用过一次，结果电压曲线跟实测差了5%以上。后来再也不敢用了。

2.2.2 Thevenin模型（工程首选）

这个模型在Rint基础上，加了一组RC并联网络，用来模拟极化效应。一阶Thevenin模型长这样：

V_t = V_oc - I * R_0 - V_p

其中V_p满足：
dV_p/dt = I/C_p - V_p/(R_p * C_p)

这里R_p是极化内阻，C_p是极化电容。V_p就是极化电压。

我的经验：一阶Thevenin模型在大多数场景下够用了。如果你做的是高频动态仿真（比如微秒级的功率波动），可以考虑二阶模型。但说实话，二阶模型参数多了将近一倍，精度提升却有限，性价比不高。

2.2.3 PNGV模型（考虑开路电压变化）

这个模型在Thevenin基础上，又加了一个电容来模拟开路电压随SOC的变化。公式我就不列了，你记住一点：PNGV模型适合长时间尺度仿真，比如一天的充放电循环。

模型类型	复杂度	精度	适用场景
Rint	★☆☆☆☆	低	概念验证
一阶Thevenin	★★☆☆☆	中	工程仿真（推荐）
二阶Thevenin	★★★☆☆	中高	高频动态分析
PNGV	★★★★☆	高	长时间尺度仿真

2.3 参数辨识方法

模型建好了，参数从哪来？这就是参数辨识要干的事。说白了，就是通过实验数据，反推出模型里的R_0、R_p、C_p这些值。

2.3.1 混合脉冲功率特性（HPPC）测试

这是最经典的参数辨识方法。怎么做呢？

把电池充到满电，静置1小时
用1C电流放电10秒，记录电压响应
静置40秒，记录电压恢复曲线
用1C电流充电10秒，再记录
放电到下一个SOC点（比如90%），重复以上步骤

为什么这么做？因为电压的瞬间跳变对应欧姆内阻R_0，而缓慢恢复的部分对应极化参数R_p和C_p。

避坑指南：我曾经在HPPC测试时，静置时间只给了20秒。结果极化电容的参数辨识出来偏差很大。后来查资料才发现，锂电池的极化时间常数通常在30-60秒。所以静置时间至少40秒，最好60秒。

2.3.2 最小二乘法拟合

拿到HPPC数据后，怎么提取参数？我一般用最小二乘法。具体步骤：

1. 提取电压跳变ΔV_0，计算R_0 = ΔV_0 / I
2. 提取电压恢复曲线V(t)，用指数函数拟合：
   V(t) = V_∞ - A * exp(-t/τ)
   其中τ = R_p * C_p
3. 从拟合结果得到R_p和C_p

在MATLAB里，我习惯用lsqcurvefit函数。Python的话，scipy.optimize.curve_fit也很好用。

2.3.3 卡尔曼滤波在线辨识

HPPC是离线方法，参数是固定的。但电池用久了，内阻会变大，容量会衰减。这时候就需要在线辨识。

扩展卡尔曼滤波（EKF）是主流方法。它把参数当作状态变量，随着新数据不断更新。我做过一个项目，用EKF在线辨识内阻，精度能控制在2%以内。

注意：EKF对初始值敏感。如果初始参数设得离谱，滤波器可能发散。我建议先用HPPC测一组离线参数作为初值，再切换到在线模式。

2.4 模型验证与精度评估

参数辨识完了，怎么知道模型准不准？我一般用三个指标：

均方根误差（RMSE）：反映整体偏差，一般要求< 20mV
最大绝对误差（MAE）：反映最坏情况，要求< 50mV
电压跟踪误差：动态工况下的实时跟踪能力

验证工况我推荐用DST（动态应力测试）或UDDS（城市道路循环工况）。这些工况包含频繁的充放电切换，能充分暴露模型的短板。

我记得有一次，模型在恒流工况下精度很好，RMSE只有10mV。但一上DST工况，误差直接飙到80mV。后来发现是极化电容的参数在动态工况下变化很大。从那以后，我坚持用动态工况做最终验证。

2.5 本章知识体系

下面这张图，是我梳理的本章知识结构。你可以把它当作一个思维导图来看：

这张图把本章的核心内容串起来了。从左到右，从模型选择到参数获取，再到验证闭环。你照着这个思路走，基本不会跑偏。

好了，电池建模这块就聊到这儿。下一章咱们会讲储能变流器的建模，那又是另一番天地了。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录