鋰離子電池憑其重量輕、體積小、壽命長、電壓高和無污染等優(yōu)勢，逐步取代鉛酸、鎳氫、鎳鎘等電池，并且憑其充放電效率高的特點在電網(wǎng)儲能應用中得到了重視。但是，受動力鋰離子電池技術的限制，為滿足電網(wǎng)儲能應用的要求，需將電池串聯(lián)到一定的電壓等級，再將電池組并聯(lián)，以達到較高容量。

　　同時，通過研究大容量儲能技術和儲能拓撲結構，發(fā)現(xiàn)先串后并的電池拓撲結構有利于對儲能系統(tǒng)各個單體電池進行檢測和管理。以比亞迪深圳總部儲能示范系統(tǒng)為例，系統(tǒng)由16個并聯(lián)支路組成，每個支路由252個單體串聯(lián)連接至800V直流母線，再接功率變換器系統(tǒng)（power conversionssystem，PCS）與電網(wǎng)連接，所構成的1MW（兆瓦）儲能系統(tǒng)的性能與各單體的狀態(tài)參數(shù)密切相關。

　　顯然，當電池性能存在不一致性，并將動力電池組串并聯(lián)使用時，性能指標往往達不到單體電池原有水平，所以評價電池系統(tǒng)的性能并不能將單體電池性能進行簡單疊加，而是需要對電池儲能系統(tǒng)中串聯(lián)支路的能量利用率以及并聯(lián)支路的電流不平衡度進行準確評估，從而保證系統(tǒng)的效率和安全性。

　　本文在錳酸鋰電池和磷酸鐵鋰電池電學模型的基礎上，提出基于等效電路微分方程的串并聯(lián)仿真方法，通過試驗驗證串并聯(lián)仿真精度，研究影響動力鋰離子電池組電流不平衡度的各項因素，擬出有效的電池組性能預測及評價手段。

　　電池模型與精度分析

　　本文以電動汽車用90A·h錳酸鋰LiMn2O4和60A·h磷酸鐵鋰LiFePO4能量型電池為測試對象，實驗使用美國Arbin公司BTS2000及其數(shù)據(jù)采集系統(tǒng)進行電池測試。

　　研究人員為分析動力鋰離子電池的特性設計了大量等效電路模型，通常分析單體電池在不同倍率、不同溫度和不同老化程度下的充放電特性。

　　以電流作為輸入量，并以電池電壓作為輸出量，通過等效元件的串并聯(lián)來模擬電池的電學性能。如電池在充放電過程中表現(xiàn)出的歐姆內(nèi)阻、電化學極化以及濃差極化等現(xiàn)象，均可以通過模型參數(shù)以較高的精度表示。

　　由于電池極化電壓的建立和靜置過程消退均呈現(xiàn)指數(shù)函數(shù)增加或者衰減的特性，同時為便于電學仿真和計算，通常使用Rc阻容的模型對電池的極化電壓進行建模。

　　電池組串并聯(lián)仿真中電池外電壓Uo決定了并聯(lián)的各個支路的電流大小，而Uocv可以通過OCV-SOC曲線實際測量得到，因此對極化電壓的準確建模和仿真是研究電池串并聯(lián)特性的關鍵。對錳酸鋰電池充電狀態(tài)（state of charge，SOC）為40％～50％的充電過程和50％測試點的靜置過程分別進行模型狀態(tài)參數(shù)的辨識，極化電壓Up試驗數(shù)據(jù)和擬合結果如圖1（a）所示。

磷酸鐵鋰電池SOC為35％～40％的充電過程和40％測試點極化電壓Up的試驗數(shù)據(jù)和擬合結果如圖1（b）所示。

　　從圖中可以看出，通過1階模型得到的擬合指數(shù)曲線與實際電池測試曲線相關的系數(shù)不高，其中靜置過程的幅值和擬合程度分別擬合均有較大誤差。

　　為了提高極化電壓的仿真精度，進一步分析2階模型及其參數(shù)辨識。如圖2所示，根據(jù)動力鋰離子電池阻抗譜及特性模型參數(shù)分析，可以將極化阻抗Rp分為Rp1和Rp2，分別表示電化學極化以及表示擴散作用的濃差極化，并得到Rp1和Rp2共同作用的2階Rc模型對電池的極化電壓進行建模分析。

　　通過2階模型得到的擬合指數(shù)曲線與實際電池測試曲線相關系數(shù)大于0.999，而且在極化電壓的幅值和擬合程度上都具有較高的精度。因此利用2階Rc模型進行電池串并聯(lián)仿真可以提高串聯(lián)單體的SOC估計精度，并提高并聯(lián)各支路電流分配的計算準確度。

　　三方面研究電池串并聯(lián)

　　對于電動汽車和儲能系統(tǒng)的新電池篩選或舊電池梯次利用而言，研究電池串并聯(lián)的特性主要通過三個方面開展：電池不一致性及參數(shù)分布造成的影響；電動汽車和儲能系統(tǒng)運行工況造成的影響；串并聯(lián)電池組的性能如何評價。

　　本文提出的串并聯(lián)仿真工具采用2階等效電路模型辨識電池性能具有較高的仿真精度，同時通過改變串并聯(lián)電池組的內(nèi)阻分布、SOC分布以及電池容量分布，可以分析支路電流的不平衡情況，并可作為新電池篩選和舊電池梯次利用的篩選分析軟件。該方法適用于動態(tài)分析電動汽車的電池組和儲能系統(tǒng)的支路運行狀況，并可對支路電流超限以及不平衡環(huán)流的恢復時間等影響整個系統(tǒng)穩(wěn)定性的指標做出準確預測。