Mathematical model of the electrochemical battery with physical constraints of available capacity

Cover Page

Cite item

Full Text

Abstract

The article presents a universal combined model of the electrochemical battery, built on the basis of the modified Shepherd equation and the kinetic model. The proposed model provides the adequate mapping of the basic characteristics of the battery in operating mode, taking into account the physical constraints of the capacity available. The results of verification of the developed mathematical model using lead-acid and lithium-iron-phosphate batteries are presented. These results prove its higher accuracy in comparison with the basic model of MATLAB/Simulink electrochemical battery.

About the authors

Sergey Gennad'evich Obukhov

National Research Tomsk Polytechnical University

30, Lenin Ave., Tomsk, 634050

Denis Yur'evich Davydov

National Research Tomsk Polytechnical University

ORCID iD: 0000-0003-2998-6304
Scopus Author ID: 57224213241
30, Lenin Ave., Tomsk, 634050

References

  1. Renewables 2022 Global Status Report. Paris : REN21 Secretariat, 2022. 312 p. URL: https://www.ren21.net/wp-content/uploads/2019/05/GSR2022_Full_Report.pdf (дата обращения: 18.06.2023).
  2. Shivarama K. K., Sathish K. K. A review on hybrid renewable energy systems // Renewable and Sustainable Energy Reviews. 2015. Vol. 52(C). P. 907–916. https://doi.org/10.1016/j.rser.2015.07.187
  3. Обухов С. Г., Плотников И. А., Масолов В. Г. Анализ режимов работы накопителей энергии в автономных гибридных электростанциях с возобновляемыми источниками энергии // Международный научный журнал Альтернативная энергетика и экология. 2018. № 13–15. С. 55–67. https://doi.org/10.15518/isjaee.2018.13-15.055-067
  4. Kebede A. A., Kalogiannis T., Van Mierlo J., Berecibar M. A comprehensive review of stationary energy storage devices for large scale renewable energy sources grid integration // Renewable and Sustainable Energy Reviews. 2022. Vol. 159. Article number 112213. https://doi.org/10.1016/j.rser.2022.112213
  5. Behabtu H. A., Messagie M., Coosemans T., Berecibar M., Anlay Fante K., Kebede A. A., Van Mierlo J. A Review of Energy Storage Technologies’ Application Potentials in Renewable Energy Sources Grid Integration // Sustainability. 2020. Vol. 12 (24). Article number 10511. https://doi.org/10.3390/su122410511
  6. Мартьянов А. С., Гриценко А. В., Шепелев В. Д., Граков Ф. Н., Плетухина В. С. Имитационная модель накопителя электрической энергии // Транспорт. Транспортные сооружения. Экология. 2020. № 4. С. 60–70. https://doi.org/10.15593/24111678/2020.01.08
  7. Кулова Т. Л., Николаев И. И., Фатеев В. Н., Алиев А. Ш. Современные электрохимические системы аккумулирования энергии // Kimya Problemlеri. 2018. Т. 16, № 1. С. 9–34.
  8. Tamilselvi S., Gunasundari S., Karuppiah N., Razak R. A., Madhusudan S., Nagarajan V. M., Sathish T., Shamim M. Z. M., Saleel C. A., Afzal A. A. Review on Battery Modelling Techniques // Sustainability. 2021. Vol. 13. Article number 10042. https://doi.org/10.3390/su131810042
  9. Hu X., Li S., Peng H. A comparative study of equivalent circuit models for Li-ion batteries // J. Power Sources. 2012. Vol. 198. P. 359–367. https://doi.org/10.1016/j.jpowsour.2011.10.013
  10. Волков С. С., Ильин М. Е., Рогачёв В. Д., Набатчиков А. В. Моделирование процессов изменения электрических характеристик свинцово-кислотного аккумулятора // Вестник РГРТУ. 2020. № 71. C. 196–208. https://doi.org/10.21667/1995-4565-2020-71-196-208
  11. Стеганов Г. Б., Чудновский Ю. А. Математическая модель аккумуляторной батареи для зарядного процесса ступенчатым током // Труды Военно-космической академии имени А. Ф. Можайского. 2017. № 657. С. 34–40.
  12. Song X., Lu Y., Wang F., Zhao X., Chen H. A coupled electro-chemo-mechanical model for all-solid-state thin film Li-ion batteries: The effects of bending on battery performances // J. Power Sources. 2020. Vol. 452. Article number 227803. https://doi.org/10.1016/j.jpowsour.2020.227803
  13. Борисов П. В., Воробьев А. А., Константинов К. В., Самаркина И. К. Исследование характеристик литий-ионной аккумуляторной батареи // Известия Петербургского университета путей сообщения. 2023. Т. 20, № 1. С. 207–221. https://doi.org/10.20295/1815-588X-2023-1-207-221
  14. Nejad S., Gladwin D. T., Stone D. A. A systematic review of lumped-parameter equivalent circuit models for real-time estimation of lithium-ion battery states // J. Power Sources. 2016. Vol. 316. P. 183–196. https://doi.org/10.1016/j.jpowsour.2016.03.042
  15. Барсегян К. Р., Перепелица М. А., Онищенко Д. О. Разработка математической модели литий-ионной аккумуляторной батареи и ее сравнение с существующими аналогами // Известия МГТУ «МАМИ». 2022. Т. 16, № 1. С. 81–88. https://doi.org/10.17816/2074-0530-104574
  16. He H., Xiong R., Fan J. Evaluation of Lithium-Ion Battery Equivalent Circuit Models for State of Charge Estimation by an Experimental Approach // Energies. 2011. Vol. 4, № 4. P. 582–598. https://doi.org/10.3390/en4040582
  17. Добрего К. В., Бладыко Ю. В. Моделирование аккумуляторных батарей и их сборок с учетом деградации параметров // Энергетика. Изв. высш. учеб. заведений и энерг. объединений СНГ. 2021. Т. 64, № 1. С. 27–39. https://doi.org/10.21122/1029–7448-2021-64-1-27-39
  18. Zhang S., Guo X., Zhang X. Modeling of back-propagation neural network based state-of-charge estimation for lithium-ion batteries with consideration of capacity attenuation // Advances in Electrical and Computer Engineering. 2019. Vol. 19, № 3. Article number 10. https://doi.org/10.4316/AECE.2019.03001
  19. Kashkooli A. G., Fathiannasab H., Mao Z., Chen Z. Application of artificial intelligence to state-of-charge and state-of-health estimation of calendar-aged lithium-ion pouch cells // J. Electrochem. Soc. 2019. Vol. 166, № 4. Article number A605. https://doi.org/10.1149/2.0411904jes
  20. Tremblay O., Dessaint L. A. Experimental Validation of a Battery Dynamic Model for EV Applications // World Electric Vehicle Journal. 2009. Vol. 3, № 2. P. 289–298. https://doi.org/10.3390/wevj3020289
  21. Фоменко Н. С., Григорьев А. С., Динисилов А. С. Особенности моделирования свинцово-кислотного аккумулятора // Электрохимическая энергетика. 2019. Т. 19, № 2. С. 81–89. https://doi.org/10.18500/1608-4039-2019-19-2-81-89
  22. Campagna N., Castiglia V., Miceli R., Mastromauro R. A., Spataro C., Trapanese M., Viola F. Battery Models for Battery Powered Applications: A Comparative Study // Energies. 2020. Vol. 13, № 16. Article number 4085. https://doi.org/10.3390/en13164085
  23. Song D., Sun C., Wang Q., Jang D. A Generic Battery Model and Its Parameter Identification // Energy and Power Engineering. 2018. Vol. 10, № 1. P. 10–27. https://doi.org/10.4236/epe.2018.101002
  24. Raszmann E., Baker K., Shi Y., Christensen D. Modeling Stationary Lithium-Ion Batteries for Optimization and Predictive Control // IEEE Power and Energy Conference. Champaign, Illinois, February 23–24, 2017. Conference paper NREL/CP-5В00-67809. https://doi.org/10.1109/PECI.2017.7935755
  25. Manwell J. F., McGowan J. G. Lead acid battery storage model for hybrid energy systems // Solar Energy. 1993. Vol. 50, № 5. P. 399–405. https://doi.org/10.1016/0038-092X(93)90060-2
  26. Компания CS Battery Energy CO Limited [сайт]. URL: https://www.csbatterycn.com/ (дата обращения: 18.06.2023).
  27. Компания Yellow Battery [сайт]. URL: https://yellow-battery.ru/ (дата обращения: 18.06.2023).
  28. Bindner H., Cronin T., Lundsager P., Manwell J. F., Abdulwahid U., Baring-Gould I. Lifetime modelling of lead acid batteries. Denmark : Forskningscenter Risoe, 2005. Risoe-R, No. 1515(EN).

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».