基于ARM的電動汽車充放電管控系統

神華國能集團公司 張建生

0 引言

電動汽車充電站是電動汽車的動力能源補充裝置，然而過分密集的集中充電可能導致充電站瞬時負荷過大，引起供電系統電能質量下降等問題。充放電過程控制不合理可能導致電池永久性損壞，甚至導致爆炸。本文設計了一種基于ARM的電動汽車充放電管控系統，采用安時法與電動勢法加權的改進型混合式SOC估計算法[1-2]，實時監(jiān)測與分析電動汽車電池的充放電電壓與電流的參數指標，并通過以太網傳輸到監(jiān)控與管理中心，從而加快了檢測速度，了解電池的充放電狀態(tài)，做到對電池健康狀況的準確估計，能夠保證汽車電池充放電過程的安全。

1 總體設計

電動汽車電池充放電管控系統的硬件部分包括電源電路、AD數據采集電路、以太網通信電路、數據顯示電路等部分組成。硬件裝置框圖如圖1所示。軟件部分包括安時法與電動勢法加權的電池荷電狀態(tài)（SOC）估計算法、傳感器控制與數據采集算法。

硬件電路以ARM9架構的中央處理器S3C2440為主控制器，控制數據采集電路采集電動車電池的充放電電壓和電流等數據[3]。充放電數據經改進SOC算法的估計后，由電池健康狀況估計算法進行處理，最終顯示在顯示屏上，并將處理結果經由以太網上傳至總監(jiān)控與管理中心。

圖1 硬件裝置框圖

2 硬件電路與改進SOC估計算法

2.1 核心處理電路簡介

根據電動車電池充放電檢測的實際需要，以及為加快檢測速度，做到實時檢測與估計，本系統選用了SAMSUNG公司的S3C2440作為核心處理器。S3C2440處理器優(yōu)勢在于它是專門為小型設備提供的高性價比、低功耗的小型微處理器。主要作用是控制AD芯片采集充放電電壓、電流信號，應用改進SOC算法與電池健康狀況估計算法處理采集到的數據，將結果顯示在LCD顯示屏上，并將檢測數據與處理結果傳送到監(jiān)控與管理中心。

2.2 信號采集電路

圖2 放大濾波電路

圖3 直流電壓、電流采集電路

圖4 AD7606信號采集電路

信號采集電路使用交流電壓傳感器SPT204B，電流信號經由OP07轉換成電壓信號，由OP07與電容C3、C4組成的二階低通混疊電路濾除高頻噪聲，實現交流電壓的采集。同理，使用交流電流傳感器SCT224AX，經過放大濾波電路實現交流電流的采集。放大濾波電路如圖2所示。

通過電阻分壓方式，采集直流電壓，并使用電流傳感器TBC0PS5采集直流電流。直流電壓、電流采集電路如圖3所示。

高采樣率與后級數據處理速度的匹配程度決定了實時檢測與估計的準確性，為此選用模數轉換器AD7606，它是16位同步采樣ADC，內置二階抗混疊濾波器、跟蹤保持放大器、靈活的數字濾波器；正常工作模式下功耗為l00mW，待機模式下為25mW。本系統使用AD7606通過串行外設總線SPI和ARM進行數據傳輸，并對50Hz電網信號每周期采樣256個點，采樣率為12.8ksps，對于51次諧波，每周期仍然可以釆5個點。AD7606信號采集電路圖如圖4所示。

2.3 改進SOC估計算法

2.3.1 鋰電池模型選取

在SOC估計算法中普遍使用等效電路模型進行估算，而適用于靜態(tài)表征的PNGV一階模型很難準確表征電池的充放電等動態(tài)特性。為此，提出改進的二階等效電路模型，如圖5所示，它是在一階模型的基礎上增加了一個阻容環(huán)節(jié)，因此對電池充放電的動態(tài)過程可以更準確地進行估計，通過實驗證明，盡管在電池靜置過程中二階模型與一階模型的估算結果基本一致，但在電池的充放電之后再次進入靜置時，其估算效果要明顯好于一階模型，估算的SOC值更準確。

圖5 PNGV改進模型電路圖

其中：R0 表示電池等效內阻； R1、R2表示等效極化電阻；C1、C2表示等效極化電容；C0表示電池等效電容；U1、U2表示電池等效電容電壓。

由圖5可得如下關系式：

由此可得改進的PNGV模型SOC估計算法：

其中：

2.3.2 加權的安時-電動勢法

SOC估計算法的實際應用中，安時法雖然測量精度高，自身影響小，但容易積累誤差，而電動勢法在整個充電過程中都表現出很好的估計效果，但缺點是電池需要長時間靜置[4]，綜合分析兩種方法的優(yōu)缺點，本文提出加權的安時-電動勢法。算法原理圖如圖6所示。算法流程圖如圖7所示。

圖6 加權的安時-電動勢法原理圖

加權的安時-電動勢法的值由三部分相加得出，第一部分為電動勢法SOCV估算值，第二部分為安時法估算出的當前拍SOC增量，第三部分就是圖中虛線框中的部分，它是截止到上一拍為止估算出的SOC值，由于電池充放電過程中電動勢法SOC占的權重僅為0.0005，故將其約等于截止到上一拍為止安時法估算出的SOC值。最后加權的SOC的計算公式如下式：

當w=0時，公式表示為電動勢法：

當w=1時，公式表示為安時法，傳遞函數為：G(z)=z/(z-l)，屬于純積分環(huán)節(jié)，初值的誤差無法消除，不會收斂于真值。離散化后的遞推迭代公式是：

當0＜w＜1時，公式表示為改進SOC估計算法：加權的安時-電動勢法。算法會收斂于真值，w決定收斂速度。離散化后的遞推迭代公式是：

汽車啟動時，電池充放電管控系統上電，初始化w=0，此時電池電動勢與開路電壓接近，改進算法完全由電動勢法計算起始值，調整0＜w＜1，使CPU進行遞推運算，就實現了加權的安時-電動勢估計算法。

圖7 加權的安時-電動勢估計算法流程圖

表1 電壓采集值與實際測量值比較

3 實驗結果

實驗用額定電壓為3.3V的汽車鋰離子電池，使用文中系統對其進行電壓采集，并與萬用表實際測量值做對比。實驗結果如表1所示。

由表1證明5號電池誤差最大為0.38%，小于國標的0.5%，因此電池充放電管控系統對電池的電壓檢測精度較高，且運行可靠。

4 結論與展望

基于ARM的充電管理與控制系統的實際應用地點為山西省電力公司大同供電分公司，該系統實現了傳感器的數據采集、控制與顯示，可實時監(jiān)測電池的電壓、電流數據，并通過網絡傳送至監(jiān)控與管理中心。實驗結果證明檢測結果準確，該系統能充分了解電動汽車電池的充放電狀態(tài)，估計電池的健康狀況，且在很大程度上減輕了CPU的負擔。

[1]沈佳妮,賀益君,馬紫峰.基于模型的鋰離子電池SOC及SOH估計方法研究進展[J/OL].化工學報,1-11(2017-10-24).http：//kns.cnki.net/kcms/detail/11.1946.TQ.20171024.1148.008.html.

[2]姬偉超,傅艷,羅欽.三種常用動力鋰電池模型分析與比較[J].農業(yè)裝備與車輛工程,2015,53(05)：37-41.

[3]管利佳,楊永杰.電動車蓄電池智能充電監(jiān)控系統[J].電源技術,2017,41(01)：30-33.

[4]楊夢勤,樊紹勝.基于電動車用蓄電池荷電狀態(tài)估測的充電方法[J].電源技術,2014,38(11)：2070-2072+2084.

[5]王志福,彭連云,孫逢春,等.電動車用鋰離子動力電池充放電特性[J].電池,2003(03)：167-168.