動力鋰電池SOC估算方法綜述

陳元麗 趙振東 陳素娟 張廣輝

摘要：由于動力電池內(nèi)部狀態(tài)不可以直接測量，只能通過內(nèi)阻、電流等參數(shù)來估計，所以狀態(tài)估計是電池管理與控制中的重點和難點。準確估計電池的SOC（State ofcharge）不僅可以節(jié)約成本，還對電池的使用壽命有延長的功效，具有重要現(xiàn)實意義。本文對動力鋰電池SOC估算方法進行綜述，首先從SOC的定義人手，其次分析了影響SOC估算的因素，重點比較了常用的SOC估算方法，分析了各方法的優(yōu)缺點，最后對其進行了總結(jié)。

關鍵詞：動力電池;SOC估計;影響因素;估算方法

中圖分類號：TM912 文獻標識碼：A 文章編號：1005-2550（2019）05-0065-05

陳元麗

畢業(yè)于南京工程學院，碩士研究生學歷，主要研究領域為節(jié)能與新能源汽車。

引言

隨著世界經(jīng)濟的快速發(fā)展，全球焦點問題已從如何飛速發(fā)展經(jīng)濟轉(zhuǎn)移到了如何綠色、迅速地發(fā)展經(jīng)濟。所以在汽車動力電池領域的大環(huán)境中，“綠色”二字也是重中之重。只有大力倡導綠色，才能有效地緩解當今世界能源危機與環(huán)境污染的世界性難題。因此對汽車動力電池需要研究出一款安全性與經(jīng)濟性并存的產(chǎn)品?，F(xiàn)大多數(shù)新能源汽車動力電池主要有三種：三元銼電池、磷酸鐵鋰電池和錳酸鋰電池[1]。表一為這三種電池各有其優(yōu)缺點[2]。

由于受目前我國的新能源汽車的補貼政策的影響，現(xiàn)如今市場上三元鏗電池由于高能量密度的優(yōu)點已逐步取代了磷酸鐵鋰電池。但是，磷酸鐵鋰電池也有著明顯的優(yōu)點，比如，電池耐高溫、安全穩(wěn)定性強、成本低、循環(huán)性能好等。而三元鋰電池電壓平臺很高，相同的體積或者重量下，三元鋰電池的比能量、比功率更大。另外，在大倍率充電和耐低溫性能等方面，三元鋰電池有著更大的優(yōu)勢。

BMS為電池管理系統(tǒng)，是Battery ManagementSystem的縮寫[3]。BMS的基本功能是測量、評估、管理、保護和警示[4]。BMS要實現(xiàn)準確估測SOC，動態(tài)監(jiān)測和電池間的均衡的功能。其中準確估測SOC是BMS的核心功能，也是優(yōu)化系統(tǒng)能量管理，提高動力電池的使用效率，延長電池使用壽命的關鍵。而對SOC的不準確估計會導致SOC大的波動，從而減少動力電池的循環(huán)壽命。

在許多應用場合，SOC估算設備必須不受外界的干擾。假定只有電池的電壓和電流可以進行測量，那么在進行SOC估算時，輸人為電壓、電流和溫度，輸出則為電池的SOC，圖1為SOC估算原理圖。

針對上述背景，本文對動力鋰電池SOC估算方法進行綜述。

1 動力理電池的工作原理

鋰離子電池的充放電原理（以石墨為負極，LiCoO₂為正極為例）簡示圖如圖2所示（其他類型鋰離子電池與它類似）。

電極反應如下：

正極：LiCoO₂←→Li_1-xCoO₂+xLi⁺+xe^-

負極：C+xLi⁺+xe^-←→CLi_x

總的反應：LiCoO₂+C←→Li_1-xCoO₂+CLi_x

鋰離子電池在原理上實際是一種鋰離子濃差電池，正、負電極由兩種不同的鋰離子嵌人化合物組成，正極采用鋰化合物，如LixCo02等，負極采用鋰碳層間化合物Li_xC₆，電解質(zhì)為LiPF₆等有機溶液[5]。經(jīng)過Li⁺在正負極間的往返嵌人和脫嵌就形成了電池的充電和放電的過程[6]。正常充放電情況下，鋰離子在層狀結(jié)構(gòu)的碳材料和層狀結(jié)構(gòu)氧化物的層間嵌人和脫出，一般只引起層面間距的變化，不破壞晶體結(jié)構(gòu);在放電過程中，負極材料的化學結(jié)構(gòu)基本不變[7]。由于充放電具有可逆性，則鋰離子電池反應是一種理想的可逆反應。

2 SOC定義

SOC一般顯示一個百分比數(shù)，就用剩余電量除以電池容量[8]，公式如下所示：

SOC=Q₁/Q⁰（1）

式中Q₁-電池剩余容量，A·h

Q⁰-基準容量，A·h

對SOC的定義有個必要前提，必須先確認它的基準容量。soc的理論解釋是剩余容量與電池實際容量的比值，但是電池的實際容量受到使用情況的影響會有所變化，所以將它定義為變量。并且隨著電池使用時間變長，實際容量會不斷下降。在實際應用中，由于這種變量的存在不可能知道電池的實際容量，因此為了便于計算及管理，對電池基準容量的概念轉(zhuǎn)化為電池的額定容量或者標稱容量。但是在實際情況中，對新電池來講其實際容量會低于額定容量。根據(jù)SOC的理論定義（剩余容量與電池實際容量的比值），計算出來的數(shù)值明顯會大1。反之，對處于壽命末尾的電池，其實際容量會低于額定容量，計算出的數(shù)值會小于1，所以需要根據(jù)實際情況去修正。

3 SOC估計方法

3.1 SOC影響因素分析

（1）充放電電流大小對電池SOC的影響[9]

在相同的實驗條件下，發(fā)現(xiàn)充放電大小對電池SOC有以下影響：

①控制變量的前提下，只改變電流的倍率對電池進行充電，會發(fā)現(xiàn)電池的充電效率與充電電流的大小成反比。即充電電流的增大，帶來了充電效率的降低。換句話說就是充人的電量與電池實際吸收電量之差會隨著充電電流倍率的增大而增大。

②在控制變量的前提下，只改變電流的倍率對電池進行放電，會隨著放電電流的增大，帶來放電效率的降低。換句話說就是輸出電量與電池實際放電電量之差會隨著放電電流倍率的增大而增大。

（2）溫度對電池SOC的影響

溫度也是電池充電效率的關鍵要素之一。并且在實際應用中溫度因素會影響到SOC的判斷，因為電池的放電電壓以及放電容量受溫度的影響而改變[10]。例如，在對Ni/Mh實驗后，發(fā)現(xiàn)高溫度伴隨而來的就是低充電效率。所以這里與充放電電流一樣，需要根據(jù)實際情況對溫度要素進行修正。

（3）自放電對電池SOC的影響

電池的固有特性之一就是電池的自放電，通常會由實驗測得。現(xiàn)實環(huán)境溫度以及電池老化的程度都會對自放電有影響。當電池充滿電后一直擱置，電池在此期間會自行進行放電，就會造成電量損失。所以在計算SOC時候應考慮改電池的實際擱置情況對自放電系數(shù)進行修正。當然這僅限于該電池充滿電后擱置時間大于一周，如果時間小于一周，則影響忽略不計。

（4）老化對電池SOC的影響

人無法避免衰老，電池也是。電池在老化后會導致電池的性能急劇下降，所有老化的影響在進行判斷的時候必須結(jié)合SOH（State of Health）來進行校準。

此外還有電池內(nèi)阻、電池初始SOC、電池電壓等都會對電池的SOC造成影響。

3.2 SOC算法分類

（1）安時積分法

安時積分法主要是從soc的定義中得來的，通過對電流進行積分并且要知道開始時刻的SOC可計算出此刻的SOC[11]，公式如下所示：

SOC=SOC（0）-1/C∫^0tI（τ）dτ（2）

這種方法受兩方面的約束限制，把SOC（0）稱之為開始時的SOC，這個數(shù)值在電池充滿電后并放置一段時間即可測得。另外電流傳感器的噪聲可能會影響SOC的偏移[12]。但是這種方法由于并沒有考慮當前電池的使用環(huán)境及使用情況，所以精確度并不理想，會造成累計誤差。劉從臻[13]等人研究基于改進的安時計量法的卡爾曼濾波算法在估算電池soc中的應用。

（2）開路電壓法

在電池放置足夠長的時間后，電池內(nèi)部達到了完全平衡，這個時候電池的端電壓就等于其靜態(tài)電動勢，這與SOC有著準確的對應關系，將這種方法稱之為開路電壓法。但是前面提到了“放置足夠長的時間”這一句。實際使用中是不可能讓動力電池放置這么久的（即使是用于校準SOC）。所以這個方法也就有了其局限性：無法用于車輛SOC實時估算。那么電池的端電壓就成為考慮的參數(shù)之一。鮑慧、于洋[14]提出了將安時積分法與開路電壓法相結(jié)合來估算電池SOC。

（3）負載電壓法

電池在放電瞬間，電壓的狀態(tài)迅速完成從開路電壓狀態(tài)到負載電壓狀態(tài)的轉(zhuǎn)變。在電池負載電流保持不變時，負載電壓隨SOC變化的規(guī)律與電壓隨SOC的變化規(guī)律具有相似性。所以在電池放電時，根據(jù)放電電壓和電流可以得到SOC估計值。

在恒流放電時具有較好的效果是負載電壓法的優(yōu)點。但是在現(xiàn)實情況下“恒流”二字談何容易，往往伴隨著的就是劇烈的電池電壓波動，這就給負載電壓法帶來了困難。所以該方法很少運用于實際，但常用來作為電池充放電截止的依據(jù)。

（4）內(nèi)阻法

內(nèi)阻法與開路電壓法具有相似性，都是利用函數(shù)關系來判定電池的SOC（電池電阻與電池電量的關系）。這種方法一般用于鉛酸電池和Ni/MH電池，但是這個方法同樣的運用的比較少。原因是電池整個系統(tǒng)的交流內(nèi)阻數(shù)據(jù)測量的不便，所以通常只能運用單個電池的交流內(nèi)阻去處理，但是個體并不能代表整體。在整個復雜的電池系統(tǒng)中單從單個電池去推斷整體，本身這個方法就是不嚴謹?shù)?，會產(chǎn)生較大的誤差，所以內(nèi)阻法可用于電池放電后期的SOC估計，可以與安時積分法綜合使用。

（5）神經(jīng)網(wǎng)絡法

前兩年AlphaGo機器人橫空出世，在圍棋界“大殺四方”。人們在嘆為觀止的同時也領略到了一個詞的風采，就是“深度學習”。同理對于動力電池的SOC狀態(tài)估計方法中有一個方法與其類似，就是神經(jīng)網(wǎng)絡法。這是將測量值和計算值通過神經(jīng)網(wǎng)絡來估算的一種方法。當然跟AlphaGo-樣需要大量的自學與積累來完善它，所以目前這方法并不能被熟的運用。

神經(jīng)網(wǎng)絡處理方法就是通過兩個數(shù)據(jù)，一是被優(yōu)化過的正常數(shù)據(jù)，二是實驗過程中的輸入輸出數(shù)據(jù)。用這兩個數(shù)據(jù)建立起神經(jīng)網(wǎng)絡模型。將神經(jīng)網(wǎng)絡模型當成一個“黑匣子”。這個“黑匣子”中記錄著此次關鍵數(shù)據(jù)以及關鍵處理方法。時間久了之后就記錄無數(shù)個“黑匣子”，然后通過上面談到的“深度學習”，在學習中不斷地調(diào)整之前記錄的數(shù)據(jù)的偏差，不斷降低模型的誤差率，這就是自主學習的過程。神經(jīng)網(wǎng)絡模型的計算只要有電池電壓、放電電流、電池內(nèi)阻等數(shù)據(jù)就可以，這是它的優(yōu)點，缺點則是需要大量的訓練數(shù)據(jù)。圖3為神經(jīng)網(wǎng)絡模型。徐艷明提出[15]用BP神經(jīng)網(wǎng)絡的自學習能力和逼近能力，優(yōu)化和補償EKF算法的非線性誤差。

（6）卡爾曼濾波法

想要利用卡爾曼濾波法對電池SOC進行最優(yōu)化估計還必須要運用到卡爾曼濾波的遞推公式，當然還需要知道兩個方程，即SOC信號模擬方程及測量方程?？柭鼮V波法可以消除更多的誤差，但缺點是單體的離散等問題無法解決。Plett[16]最先提出利用Kalman濾波器來建立等效的電池模型，Santhangopalan和White[17]提出用擴展Kalman和無痕物理模型濾波器對鋰離子電池進行SOC估計，Smith[18]分別對利用Kalman濾波器進行SOC估計的不同模型進行了探討，Wang[19]等提出了一種基于SOC估計的等效電路。劉欣博[20]等人基于擴展卡爾曼濾波方法對銼電池的SOC進行預估，結(jié)果與傳統(tǒng)方法比較，減小了SOC的估算誤差。李爭、張麗萍瀏提出基于無跡卡爾曼濾波算法的自適應鋰離子電池荷電狀態(tài)（SOC）估算方法。

4 結(jié)論

本文從SOC的定義出發(fā)，論述了影響SOC的因素，發(fā)現(xiàn)SOC估算方法有很多，但是各方法都有其優(yōu)缺點，從實際應用中來看，安時積分法常與開路電壓法、內(nèi)阻法等結(jié)合來消除累計誤差，而神經(jīng)網(wǎng)絡法還沒有完善，但常與卡爾曼濾波法結(jié)合使用來優(yōu)化其非線性誤差;卡爾曼濾波法作為近年來常用來估算soc的方法，受到大家的廣泛關注。目前，研究了基于安時積分法策略的擴展卡爾曼濾波算法，再將開路電壓作為修正依據(jù)，減少累計誤差的影響，提高估計模型的精度，經(jīng)MATLAB/SIMULINK驗證發(fā)現(xiàn)SOC誤差在3%左右，能很好的估計SOC。本文主要是梳理了常用的估算SOC的方法，以期待更具有創(chuàng)新性的方法。

參考文獻：

[1]王麗君.動力電池SOc佑計復雜方法綜述[J].計算機產(chǎn)品與流通，2018（10）：75.

[2]胡曉松，唐小林.電動車輛鋰離子動力電池建模方法綜述[J].機械工程學報，2017，53（16）：20-31.

[3]黃凱，郭永芳，李志剛.動力鋰離子電池荷電狀態(tài)估計綜述[J].電源技術(shù)，2018，42（09）：1398-1401.

[4]孫冬，許爽，李超，紀阿芳.鋰離子電池荷電狀態(tài)估計方法綜述[J].電池，2018，48（04）：284-287.

[5]王光英.電動汽車鋰離子電池SOC估計研究綜述[A].中國自動化學會控制理論專業(yè)委員會、中國系統(tǒng)工程學會.第35屆中國控制會議論文集（A）[c].中國自動化學會控制理論專業(yè)委員會、中國系統(tǒng)工程學會：中國自動化學會控制理論專業(yè)委員會，2016：8.

[6]宋凱，陳旭，成艾國.考慮溫度影響和滯回效應的鋰電池特性建模[J].汽車工程，2019，41（03）：334-339.

[7]史永勝，史祿培，魏浩，于森杰一種改進型鋰離子電池SOc佑算方法Q/OL].電子器件，2019p）：1-4[2019-04-28].http：//kns.cnki，net/kcms/detail/32.1416.tn.20190227.0948.010.html.

[8]馬澤宇，姜久春，王占國，時瑋，鄭林鋒，張言茄.基于容量增量分析的石墨負極磷酸鐵鋰電池SOC估算方法研究[J].汽車工程，2014，36（12）：1439-1444.

[9]劉征宇，湯偉，王雪松，黎盼春.基于雙時間尺度擴展卡爾曼粒子濾波算法的電池組單體荷電狀態(tài)佑計[J].中國機械工程，2018，29（15）：1834-1839.

[10]吳鐵洲，向富超，常春.基于增益調(diào)整的joint-EKF算法佑算電池SOc[J].電池，2018，48（03）：150-153.

[1]]楊陽，殷時蓉，張棟省.基于改進EKF的鋰離子電池SOC估算[J].電池，2018，48（03）：182-18.

[12]劉偉龍，王麗芳，廖承林，王立業(yè).基于模型融合與自適應無跡卡爾曼濾波算法的鋰離子電池SOC估計[T].汽車工程，2017，39（09）：997-1003.

[13]劉從臻，趙淑紅，劉慶新.基于改進Ah計量法的電池SOC卡爾曼濾波估計[J].山東理工大學學報（自然科學版），2015，29（03）：32-36.

[14]鮑慧，于洋.基于安時積分法的電池SOC佑算誤差校正[J].計算機仿真，2013，30（11）：148-151+159.

[15]徐艷民.基于BP-EKF算法的電池SOC估計[J].汽車技術(shù)，2018（02）：19-23.

[16]Plenty，G.L.Extended Kalman filtering for batterymanagement systems of LiPB-based HEV batterypacks：Part 2.Modeling and identification[J].Journal ofPower Sources.2004，134：262-276.

[17]Santhanagopalan，S.and White，R.Onlineestimation of the state charge of a lithium ion cell[J].journal of Power Sources.2006，161：1346-1355.

[18]Smith，K.，Rahman，C.，and Wang，C.Y.Model-based electrochemical estimation and constraintsmanagement for pulse operation of lithium ionbatteries[J].IEEE Transactions on Control SystemsTechnology.2010，18（3）：654-663.

[19]Wang，S.，Verbrugge，M.，Wang，J.S.，and Liu，P.Multi-parameter battery state estimator based on theadaptive and direct solution of the governingdifferential equations[J].Journal of PowerSources.2011，196（20）：8735-8741.

[20]劉欣博，王乃鑫，李正照.基于擴展卡爾曼濾波法的鋰離子電池荷電狀態(tài)佑算方法研究[J].北方工業(yè)大學學報，2016，28（01）：49-56.

[21]李爭，張麗平.基于無跡卡爾曼濾波的41離子電池SOC佑計[J].電池，2018，48（05）：313-317.