随着锂离子电池的广泛应用,电池功率状态(state of power,SOP)预测作为保障电池高效、安全运行的关键技术,其重要性日益凸显。本文系统综述了SOP预测方法,对查表法、机理模型法、等效电路模型法和数据驱动法四类方法进行了梳理,并对模组SOP预测进行了探讨。查表法简单直接,但需要多次充放电实验、时间成本较高、使用工况单一;机理模型法基于多孔电极理论和浓溶液理论,通过偏微分方程精确描述电池内部反应机制,可对电池内部参数进行考量,但计算复杂度高;等效电路模型法采用电路元件模拟电池动态响应,易与电压、电流、荷电状态等参数约束结合,兼顾精度与计算效率;数据驱动法利用机器学习算法直接从运行数据构建SOP预测模型,或结合传统机理模型构建混合模型实施SOP预测,预测性能依赖于数据质量和数量。在模组SOP预测方面,重点阐述了电池不一致性对模组功率的影响,并对其解决思路进行了分析。最后,对现有挑战和未来发展方向进行总结。当前SOP预测技术仍面临四个主要挑战:一是应用于储能场景时存在局限性;二是预测精度和计算效率难以满足应用需求;三是电池老化过程中易发生模型失配问题,影响预测精度;四是模组层面电池一致性差异,增加了预测难度。为应对上述挑战,未来SOP预测技术将朝着高精度建模和求解策略优化、模型参数与约束边界动态更新以及“短板电池识别-特征单体建模-模型参数动态更新”等方向发展,为储能系统提供更安全、更高效的电池管理解决方案。
