1 .2 电池模型的研究现状 对锂离子电池的建模有两种途径，一种是对电池进行大量的实验，积累实验数据，对采集到的数据进行模拟，总结得出锂离子电池的变化规律；另一种是对锂离子电池的微观行为进行研究，通过对微观行为的描述，借助计算机手段，建立具有理论基础的模型。常用的电池模型主要有内阻模型，等效电路模型，遗传算法模型，神经网络模型以及电化学模型。 1 .2 .1 内阻模型 内阻模型是最简单的电池模型，通常用来预测电池的容量[5]。一般说来，电池容量随着电压和内阻变化。由于电压在不同放电电流下会有不同的变化，研究者们就试图建立内阻与容量之间的关系。 然而内阻并非一个本征的数值，内阻模型需要大量的实验数据。例如电池的最大容量在不同温度下的变化规律，电池输出端电压在不同电流倍率下的变化规律，电池内阻在不同温度下的变化规律。根据实验得到的数据，根据电池使用环境的不同，依靠电池内阻来判定电池的容量，因此该模型更接近于一个数据库。 1 .2 .2 等效电路模型 由于电池在电流的作用下会体现电阻以及电容的部分特征，v.Johsonl[6-7]等人提出可以用等效电路来建立电池模型，模拟电池的动态与静态性能。基本的锂离子电池等效电路如图 1 所示，其中oV 和V 分别代表电池的开路电压和输出电压，R 为电池内阻，1R1C 并联电路模拟电池的外特性。 oV1C1RRV 图1.1 电池等效电路模型 1 .2 .3 遗传算法模型 文献[8]研究了基于遗传算法的锂离子电池模型，一般情况下可以分析实验数据，求解方程等方法建立模型，模拟电池的特性。但是由于电池内部的化学反应非常复杂，很难找到合适的函数来描述电池模型。遗传算法计算方便，输出函数形式十分灵活，可以用来建立锂离子电池的模型。 1 .2 .4 神经网络模型 Shen WX[9-10]等人研究了使用神经网络算法建立电池模型的可行性，建立了锂离子电池的模型，并且成功地预测电动汽车中电池的剩余电量。K.T.Chau[11]将神经网络算法与模糊算法联合使用，取长补短，弥补两个算法各自的不足，用来估计锂离子电池的剩余容量，提高了单一算法的估计精度。 1 .2 .5 电化学模型 电化学模型是根据电池基本化学原理建立的模型，锂离子电池原理性模型是从 1982 年 west[12]的研究基础上逐步建立起来的。West 在研究纤维状活性物质颗粒所组成的多孔电极时，建立了一个准二维的多孔电极模型，假定电池中的溶液相为二元溶液体系，将扩散系数默认为常数，固相扩散过...
