動(dòng)力電池荷電狀態(tài)估算方法淺析

李亞林

（四川交通職業(yè)技術(shù)學(xué)院，四川 成都 611130）

動(dòng)力電池荷電狀態(tài)估算方法淺析

李亞林

（四川交通職業(yè)技術(shù)學(xué)院，四川 成都 611130）

動(dòng)力電池荷電狀態(tài)估算可以方便駕駛員及時(shí)了解電池剩余容量和汽車?yán)m(xù)駛里程，提高電池能量使用效率和整車性能。文章分別介紹了安時(shí)計(jì)量法、開路電壓法、內(nèi)阻法、線性模型法、人工神經(jīng)網(wǎng)絡(luò)法、模糊控制法和卡爾曼濾波法，并分析了各種方法的優(yōu)缺點(diǎn)，提出了估算方法改進(jìn)建議，以期對(duì)后續(xù)研究提供參考。

動(dòng)力電池；荷電狀態(tài)；估算方法

Abstract:The estimation of power battery state of charge can facilitate driver to observe the remaining capacity and driving range, so as to improve battery efficiency and vehicle performance.This paper introduces Ah-integration, open circuit voltage,internal resistance method, linear model method, artificial neural network,fuzzy control method and Kalman filter, and analyzes the advantages and disadvantages of various methods. Then put forward improving suggestions for estimation method to provide reference for the follow-up study.

Keywords: power battery; state of charge; estimation method

CLC NO.: U472 Document Code: A Article ID: 1671-7988 (2017)18-120-03

引言

電池荷電狀態(tài)（State of Charge,SOC），表示電池剩余容量，其在數(shù)值上等于電池剩余容量與額定容量的比值。

式中，Qremain為動(dòng)力電池中剩余電荷容量，Qrated為動(dòng)力電池的額定電荷容量。如果將 Qrated看作是一個(gè)固定不變的值，則SOC還可以表示為：

其中，Qdischarged為最近一次將電池充滿之后電池從開始到此時(shí)所釋放的電荷，并且假設(shè)此時(shí)電池的額定容量總是等于已放出的電荷量與電池中剩余的電荷量之和[1]。

SOC估算是電池管理系統(tǒng)的一項(xiàng)重要參數(shù)，它的準(zhǔn)確估算是電動(dòng)汽車電池充放電控制和動(dòng)力優(yōu)化管理的重要依據(jù)，將直接影響電池的使用壽命和汽車的動(dòng)力性能，并預(yù)測(cè)電動(dòng)車的續(xù)駛里程?？梢奡OC的準(zhǔn)確估算是非常關(guān)鍵的問題。然而它不能直接通過傳感器測(cè)量得到，只能依據(jù)所建立的模型運(yùn)用相應(yīng)的算法，間接估算得到。

1 動(dòng)力電池估算方法

1.1 安時(shí)計(jì)量法

安時(shí)計(jì)量法又稱電荷累計(jì)法或庫倫計(jì)量法，是SOC估算的標(biāo)準(zhǔn)方法[2]。其基本思路是通過對(duì)一段時(shí)期內(nèi)動(dòng)力電池充放電的電量進(jìn)行統(tǒng)計(jì)，根據(jù)上一時(shí)刻電池SOC的狀態(tài)估算得到當(dāng)前時(shí)刻電池SOC的一種方法。具體計(jì)算方法如下：

其中，SOC0是初始狀態(tài)的SOC值；CN是電池額定容量；η為庫倫效率；I為電路回路中的電流。

安時(shí)計(jì)量法估算SOC較為方便，只需知道初始SOC和實(shí)時(shí)測(cè)量回路電流即可。然而回路電流測(cè)量不準(zhǔn)確將會(huì)造成SOC估算誤差，該方法的計(jì)算精度很大程度上取決于電流傳感器的精度。同時(shí)，這種方法比較難準(zhǔn)確預(yù)測(cè)庫倫效率，無法計(jì)算初始 SOC值，不能捕捉自放電或其他因素導(dǎo)致初始SOC值得變化。此外，這種開環(huán)的SOC估算方法無法避免隨時(shí)間增加而造成累積誤差的存在。

1.2 開路電壓法

開路電壓法（Open Circuit Voltage，OCV）是指經(jīng)過較長(zhǎng)時(shí)間的靜置之后，電池端電壓與SOC存在一個(gè)比較固定的函數(shù)關(guān)系，可以依照這個(gè)函數(shù)關(guān)系使用開路電壓估算電池的SOC[3]。

由于在電池充放電初期和末期時(shí)段電壓變化較大，此時(shí)采用開路電壓法估算SOC可取得較好的效果。然而為了獲得開路電壓的穩(wěn)定狀態(tài)值，動(dòng)力電池需要經(jīng)過幾小時(shí)甚至十幾個(gè)小時(shí)的靜置，實(shí)際使用中常發(fā)生的是短暫靜置，所以實(shí)際運(yùn)用中開路電壓法常與其他方法組合使用作為輔助修正。

1.3 內(nèi)阻法

當(dāng)電池的電量低于額定值的50%時(shí)，其內(nèi)阻會(huì)明顯增大，據(jù)此可推斷出動(dòng)力電池的 SOC值和其內(nèi)阻值存在一定的數(shù)學(xué)關(guān)系，基于這個(gè)關(guān)系可以通過測(cè)量動(dòng)力電池內(nèi)阻確定SOC值。但動(dòng)力電池內(nèi)阻值很小，約在毫歐級(jí)，而且電池在正常放電時(shí)其內(nèi)阻變化范圍在5%～6%以下，測(cè)量工具內(nèi)阻大小也會(huì)影響電池內(nèi)阻測(cè)量值。該方法的實(shí)現(xiàn)需要配備具有額外的電路和函數(shù)發(fā)生器，成本增高且不便隨車攜帶，因此不適用實(shí)際測(cè)量。

1.4 線性模型法

線性模型法是根據(jù)當(dāng)前時(shí)刻電流Ik、端電壓Uk、SOC變化量△SOCk，以及上一時(shí)刻的荷電狀態(tài) SOCk-1等電池參數(shù)建立相應(yīng)的線性方程，其方程如下：

其中，SOCk是當(dāng)前時(shí)刻的 SOC；系數(shù) β0～β3可根據(jù)參考數(shù)據(jù)通過最小二乘法辨識(shí)得到。

該方法適用于電流較小和SOC變化緩慢的情況，理論上來說采用線性模型法估算SOC適用于各種類型的電池，且對(duì)測(cè)量誤差和不準(zhǔn)確的初始條件具有較高的魯棒性。但對(duì)非線性特性的電池精度低，由于動(dòng)力電池在工作過程中具有高度的非線性，所以在實(shí)際應(yīng)用中有很大局限性。

1.5 人工神經(jīng)網(wǎng)絡(luò)法

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)，簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，是一種通過建立數(shù)學(xué)模型來模擬互聯(lián)的人腦神經(jīng)元系統(tǒng)的計(jì)算機(jī)體系結(jié)構(gòu)，它能夠仿效人腦處理信息，記憶學(xué)習(xí)的過程。由于電池是一個(gè)非線性系統(tǒng)，對(duì)電池的充電和放電過程建立準(zhǔn)確的數(shù)學(xué)模型難度較大，而人工神經(jīng)網(wǎng)絡(luò)能較好地反映非線性的基本特性，兼具并行結(jié)構(gòu)和訓(xùn)練能力，在有外部激勵(lì)時(shí)，能給出相應(yīng)的輸出，因此能夠在一定程度上模擬電池的動(dòng)態(tài)特性，進(jìn)而估算SOC。人工神經(jīng)網(wǎng)絡(luò)法適用于各種電池，但是輸入變量的選擇是否合適，變量數(shù)量是否恰當(dāng)，直接影響模型的準(zhǔn)確性和計(jì)算量。并且需要大量的參考數(shù)據(jù)進(jìn)行訓(xùn)練，估計(jì)誤差受訓(xùn)練數(shù)據(jù)和訓(xùn)練方法的影響也很大。目前人工神經(jīng)元網(wǎng)絡(luò)法主要用于理論方面研究。

1.6 模糊控制法

模糊控制法是基于模糊邏輯推理理論，模仿人的思維方式，給出的一種描述控制系統(tǒng)的方法，對(duì)于難以建立精確數(shù)學(xué)模型的對(duì)象實(shí)施的一種控制策略[4]。該方法利用阻抗波譜、電流積分和電池恢復(fù)性測(cè)量等方法獲取訓(xùn)練數(shù)據(jù)樣本集合，

經(jīng)過樣本離線訓(xùn)練，然后用于動(dòng)力電池SOC估算。

由于動(dòng)力電池在工作過程中具有高度的非線性，因而很難對(duì)其充放電過程進(jìn)行精確建模，基于模糊控制的估算方法不依賴于動(dòng)力電池的精確模型且具有較高的魯棒性，但模糊規(guī)則較難確定，控制參數(shù)的選取在很大程度上取決于工程經(jīng)驗(yàn)。

1.7 卡爾曼濾波法

卡爾曼濾波法是一種如何對(duì)系統(tǒng)狀態(tài)作出最小方差意義上的最優(yōu)估算的方法。在實(shí)際應(yīng)用中，將動(dòng)力電池看作一個(gè)系統(tǒng)，SOC則是系統(tǒng)中的一個(gè)內(nèi)部狀態(tài)，建立相應(yīng)的動(dòng)力電池模型，通過遞推算法實(shí)現(xiàn)SOC的最小方差。一般而言，動(dòng)力電池模型的卡爾曼濾波方程如下：

系統(tǒng)的輸入向量uk中，通常包含電池電流、溫度、剩余容量和內(nèi)阻等變量，系統(tǒng)的輸出量yk通常為電池的工作電壓，電池SOC包含在系統(tǒng)的狀態(tài)量 xk中。f(xk,uk)和 g(xk,uk)都是由電池模型確定的非線性方程，在計(jì)算過程中要進(jìn)行線性化。SOC估算法的核心，是一套包括SOC估算值和反映估計(jì)誤差的、協(xié)方差矩陣的遞歸方程，協(xié)方差矩陣用于給出估計(jì)誤差范圍。安時(shí)法方程是電池模型狀態(tài)方程，是將SOC描述為狀態(tài)矢量的依據(jù)[5]。

卡爾曼濾波算法適合各種類型的動(dòng)力電池，其估算結(jié)果具有較好的準(zhǔn)確度，對(duì)初始值誤差有較強(qiáng)的修正作用，對(duì)于擾噪聲也有較強(qiáng)的抑制作用，特別適合于動(dòng)力電池劇烈波動(dòng)狀態(tài)下的SOC估算。從中可以看出，動(dòng)力電池模型的準(zhǔn)確性制約著卡爾曼濾波算法的估算準(zhǔn)確度；此外，該算法運(yùn)算量大且復(fù)雜，但建立合適的動(dòng)力電池模型及運(yùn)算速度快的硬件設(shè)備便能克服這些缺點(diǎn)。

2 結(jié)論

目前，動(dòng)力電池SOC估算方法很多，但多屬于傳統(tǒng)方法，均存在一定的局限性。要達(dá)到SOC實(shí)時(shí)在線、高精度的估算效果，需改進(jìn)傳統(tǒng)估算方法，建議從以下方面進(jìn)行完善：

（1）進(jìn)行大量的科學(xué)試驗(yàn)，建立豐富的數(shù)據(jù)庫，使得估算SOC有據(jù)可依；

（2）提高硬件方面的技術(shù)，以提高電壓和電流等的測(cè)量精度，保證用于估算SOC基本數(shù)據(jù)的準(zhǔn)確性；

（3）建立更加準(zhǔn)確的電池模型，更真實(shí)地表征電池在使用過程中的動(dòng)態(tài)特性；

（4）有效綜合各種算法，揚(yáng)長(zhǎng)避短，最大程度上提高其估算的準(zhǔn)確性。

[1] Bai G,Wang P. A self-cognizant dynamic system approach for battery state of health estimation[C]// Prognostics and Health Management(PHM),2014 IEEE Conference on. IEEE,2014:1-10.

[2] 李哲,盧蘭光,歐陽明高.提高安時(shí)積分法估算電池 SOC精度的方法比較[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版,2010(8):1293-1296.

[3] 徐欣歌,楊松,李艷芳等.一種基于預(yù)測(cè)開路電壓的 SOC估算方法[J].電子設(shè)計(jì)工程,2011,19(14):127-129.

[4] 周曉鳳.純電動(dòng)汽車鋰電池剩余電量估計(jì)研究[D].南京航空航天大學(xué),2014.

[5] 朱華.電動(dòng)汽車動(dòng)力電池荷電狀態(tài)計(jì)量方法簡(jiǎn)述[J].測(cè)量與控制,2015(10):96-97.

Analysis on estimation method of power battery stata of charge

Li Yalin
( Sichuan Vocational and Technical College of Communications, Sichuan Chengdu 611130 )

U472 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7988 (2017)18-120-03

10.16638/j.cnki.1671-7988.2017.18.040