鋰電池健康狀態(tài)估算平臺的搭建

史艷霞， 祖林祿

(1.天津中德職業(yè)技術(shù)學(xué)院電氣與能源學(xué)院，天津300350；2.天津大學(xué)電氣與自動化工程學(xué)院，天津300072)

鋰電池健康狀態(tài)估算平臺的搭建

史艷霞1， 祖林祿2

(1.天津中德職業(yè)技術(shù)學(xué)院電氣與能源學(xué)院，天津300350；2.天津大學(xué)電氣與自動化工程學(xué)院，天津300072)

通過對現(xiàn)有電池健康狀態(tài)(SOH)估算方法進(jìn)行分析，提出應(yīng)用MATLAB軟件平臺搭建SOH估算平臺的方法。對SOH的估計使用電壓曲線擬合法，通過BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練并預(yù)測電壓值，然后計算得到SOH的大小。算法的設(shè)計過程應(yīng)用MATLAB的圖形用戶界面(GUI)實現(xiàn)，降低了SOH估算方法的使用門檻。仿真結(jié)果表明，該平臺能夠準(zhǔn)確預(yù)測SOH，為SOH估計系統(tǒng)的創(chuàng)建奠定了基礎(chǔ)。

SOH；MATLAB；BP神經(jīng)網(wǎng)絡(luò)；圖形用戶界面

1 電動汽車電池健康狀態(tài)估算方法概述

近年來，電動汽車以其優(yōu)良的節(jié)能環(huán)保特性成為未來汽車發(fā)展的重要方向。而電動汽車電池組健康狀態(tài)(State-of-Health，SOH)的下降成為制約電動汽車發(fā)展的重要瓶頸。SOH的標(biāo)準(zhǔn)定義是指使動力電池從充滿電狀態(tài)以一定倍率放電，當(dāng)電壓到達(dá)截止電壓時放出的容量與其總?cè)萘康谋戎礫1]。隨著電池循環(huán)使用次數(shù)的增加，電池組健康狀態(tài)會不斷下降，健康狀態(tài)下降的程度主要由健康狀況下降最嚴(yán)重的單體電池決定。所以通過準(zhǔn)確的估算電池組每個單體電池的SOH，及時更換SOH到達(dá)臨界值的單體電池，即可確保電動汽車的整個電池組都工作在最佳狀態(tài)。研究具有較高精度的SOH估算方法，將有助于推進(jìn)電動汽車產(chǎn)業(yè)的發(fā)展。

現(xiàn)有的電池SOH估算方法主要有以下幾種[2]：

(1)完全放電法。也稱為定義法，指以一定的放電倍率，將被測電池全部放電，測量出放電時間，然后根據(jù)安時法計算出電池總?cè)萘浚瑥亩玫诫姵氐腟OH。這種方法是業(yè)界公認(rèn)的最可靠的辦法，但測量時需將電池離線，對于電動汽車電池組來說比較困難，而且需要專門的設(shè)備反復(fù)充放電，操作時間長且實用性不強。

(2)電阻折算法。內(nèi)阻是電池的本質(zhì)屬性之一，電池內(nèi)阻會隨著電池的使用和老化而不斷增加，從而導(dǎo)致電池的最大容量下降。從電池內(nèi)阻的角度出發(fā)，可以根據(jù)內(nèi)阻與電池健康狀態(tài)的關(guān)系來估算SOH。此方法存在一定的缺陷：一是電池內(nèi)阻的大小一般為毫歐，不易測量；二是電動汽車的電池工作環(huán)境非常復(fù)雜，電池內(nèi)阻與SOH的關(guān)系并不是很明確。

(3)阻抗分析法。這種方法相對來說比較復(fù)雜，首先通過大量的實驗得到電化學(xué)阻抗譜。然后用電池專用阻抗譜分析儀器或軟件得到阻抗數(shù)據(jù)，將數(shù)據(jù)進(jìn)行分析及處理，得出阻抗模型與電池SOH的相關(guān)性，從而預(yù)測電池的SOH。此種方法對設(shè)備儀器要求比較高，成本很高，且算法復(fù)雜，非常不適合用于電動汽車。

(4)電壓曲線擬合法。純電動汽車動力電池在使用過程中，電池的老化即電池容量的衰減，會引起電池在充放電過程中端電壓的變化。電壓曲線擬合法就是利用不同健康度下電池充入或放出相同電量時，會有不同的電壓表征這一特點，來估算電池當(dāng)前的SOH。相對于以上幾種方法而言，電壓曲線擬合法的優(yōu)點是運算量小，不需要大量的實驗數(shù)據(jù)支持，成本比較低，易實現(xiàn)，且相對準(zhǔn)確。但是SOH估算的準(zhǔn)確性對估計算法的依賴性較強。

本文采用電壓曲線擬合法對SOH進(jìn)行估算，并通過使用擬合能力較強的BP神經(jīng)網(wǎng)絡(luò)算法，實現(xiàn)SOH的準(zhǔn)確估算。為了提高此方法的通用性，本文應(yīng)用MATLAB設(shè)計圖形用戶界面(GUI)實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)估算SOH，大大降低了此方法的應(yīng)用門檻。

2 電壓曲線擬合法估算電池SOH

用電壓曲線擬合法來估算電池SOH流程如圖1所示。

圖1 電壓曲線擬合法估算SOH的流程框圖

如圖1所示，首先進(jìn)行電池的充電與放電實驗，得到電池充放電數(shù)據(jù)，其中，不同充放電循環(huán)次數(shù)代表不同的電池SOH。將這些不同SOH的充電電壓曲線分別進(jìn)行歸一化處理，然后在同一坐標(biāo)軸中畫出，選取相對來說比較居中的一條充電曲線作為BP神經(jīng)網(wǎng)絡(luò)擬合的訓(xùn)練曲線。將選好的訓(xùn)練曲線用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合，得到充電電壓和SOH之間的定量關(guān)系式。選取其它部分曲線作為驗證曲線，將電壓值帶入到定量關(guān)系式中，可求得估計的SOH數(shù)值，通過將估計值與真實的SOH值進(jìn)行比較，驗證BP神經(jīng)網(wǎng)絡(luò)得到的定量關(guān)系的正確性。最后，可以通過實時測取充電時端電壓的數(shù)值，實現(xiàn)對SOH的估算。整個過程可以概括為：建模-模型驗證-模型應(yīng)用。

2.1 電池充放電數(shù)據(jù)采集

本文利用恒溫箱及專用的電池測試系統(tǒng)，對磷酸鐵鋰單體電池進(jìn)行循環(huán)充放電實驗，電池標(biāo)稱容量為200 Ah。用單體電池，按照充電-擱置-放電-擱置-充電的循環(huán)模式對電池進(jìn)行循環(huán)實驗[3]。一般認(rèn)為當(dāng)電池容量下降到80%左右，即SOH為80%時電池報廢。在本實驗中，當(dāng)電池容量到達(dá)160 Ah時循環(huán)結(jié)束。在充放電循環(huán)期間，每隔5 s記錄一次數(shù)據(jù)。本次實驗采用最常用的先恒流再恒壓的方式對電池進(jìn)行充電。按照上述步驟，循環(huán)450次得到單體電池的充放電數(shù)據(jù)如表1。

表1 220 Ah電池充放電循環(huán)數(shù)據(jù)(部分)

由表1所知，隨著電池充放電的不斷循環(huán)，電池的SOH會逐漸下降，此時的充電和放電電壓曲線也會變化，本文選用電池充電電壓曲線進(jìn)行SOH估算，充電電壓隨時間的變化如圖2所示，由圖可得，隨著充電次數(shù)的增加，電池電壓達(dá)到3.9 V的時間逐漸減少。

圖2 不同循環(huán)次數(shù)時充電電壓曲線

2.2 充電電壓曲線歸一化

如圖2所示，電池充電電壓曲線會隨著SOH的不同而發(fā)生變化，但幾根線的整體變化趨勢是相同的。因此可以把充電電壓曲線歸一化，這里采用尺度變換的方法。歸一化的過程如下式所示[4]：

2.3 基準(zhǔn)充電電壓曲線的選取

為評估不同SOH(即不同循環(huán)次數(shù))時歸一化后充電電壓曲線的一致性，計算出每根曲線和坐標(biāo)軸所圍圖形的面積。計算時，可用方便又較為準(zhǔn)確的線性插值法[5]。計算公式如下：

根據(jù)公式(5)，計算出歸一化后五個不同SOH對應(yīng)的充電電壓曲線所包圍的面積，結(jié)果如表2所示。一般選取面積居中的曲線作為基準(zhǔn)充電電壓曲線。根據(jù)表2，按歸一化后的曲線所包圍的面積進(jìn)行排序。可見第100次的充電曲線誤差最小，選其作為基準(zhǔn)曲線。

表2 充電電壓歸一化曲線一致性對比分析

2.4 GUI估算平臺的搭建

應(yīng)用MATLAB的GUI設(shè)計基于BP神經(jīng)網(wǎng)絡(luò)的電池電壓估算系統(tǒng)[6]。在MATLAB命令窗口輸入nntool并按Enter鍵，就可以打開Neural Network窗口，如圖3所示。

圖3 MATLAB GUI界面實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)估計

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程：點擊Import按鈕，可以從工作空間或數(shù)據(jù)文件中導(dǎo)入輸入時間變量(Input data)及輸出的目標(biāo)電壓變量(Target data)；然后應(yīng)用New按鈕，在打開的窗口中選擇應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)訓(xùn)練；訓(xùn)練完成后可以通過Export按鈕，將訓(xùn)練得到的估計輸出數(shù)據(jù)(Output data)以及誤差數(shù)據(jù)(Error Data)導(dǎo)入到右側(cè)窗口，即可查看網(wǎng)絡(luò)的估計效果。訓(xùn)練結(jié)束后，可以通過在Input data窗口輸入測試的時間變量，應(yīng)用訓(xùn)練得到的網(wǎng)絡(luò)，得到估計的電壓值。

2.5 根據(jù)基準(zhǔn)曲線計算SOH

根據(jù)擬合好的電壓曲線，計算SOH的公式為：

3 實驗驗證

任意選取六組電池進(jìn)行充放電實驗，根據(jù)上文方法進(jìn)行SOH估算，并與實驗組電池的SOH進(jìn)行對比分析，得出結(jié)果如表3所示。

從表3可以看出，選用BP神經(jīng)網(wǎng)絡(luò)擬合歸一化電壓曲線為基準(zhǔn)曲線，SOH估算精度較高，滿足實驗要求。

表3 估算結(jié)果誤差分析

4 結(jié)論

本文通過分析現(xiàn)有電池SOH估計方法，提出一種使用門檻較低、精度較高的估計方法，即通過MATLAB GUI界面，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法擬合充電電壓曲線，通過測量的充電電壓數(shù)值求解SOH的方法。仿真結(jié)果表明，該方法的精度和可靠性均滿足設(shè)計要求，為電動汽車SOH估算的系統(tǒng)化奠定了基礎(chǔ)。

[1]李勇，王麗芳，廖承林.電動車鋰離子電池健康狀態(tài)模型研究進(jìn)展[J].電源技術(shù)，2013,37(5):863-866.

[2]徐文靜.純電動汽車鋰動力電池健康狀態(tài)估算方法研究[D].吉林：吉林大學(xué)，2012.

[3]泮國榮，胡桂林，項忠曉，等.質(zhì)子交換膜燃料電池測試系統(tǒng)的設(shè)計與搭建[J].電源技術(shù)，2014,38(8):1469-1471.

[4]唐致遠(yuǎn)，阮艷莉.鋰離子電池容量衰減機理的研究進(jìn)展[D].天津：天津大學(xué)，2005.

[5]朱晨.備用電力系統(tǒng)中VRLA電池SOC及SOH的在線估計方法研究[D].北京：北京交通大學(xué)，2010.

[6]MORENO J,ORTUZAR M E,DIXON J W.Energy-management system for a hybrid electric vehicle[J].Using Ultracapacitors and Neural Networks,2006,53(2):614-622.

Creating of SOH estimation platform for Li-ion battery

By analyzing the current SOH estimation method,the SOH estimation platform using MATLAB was created. Firstly, the BP neural network was used to fit the voltage curve,and the train and prediction of the voltage value were realized.Then,the SOH was calculated by the estimated voltage.The design process of this algorithm was achieved by the GUI of MATLAB,which reduced the using threshold of SOH estimation method.Simulation results demonstrate that this platform can predict the SOH accurately,and lay a foundation for SOH estimation system.

SOH;MATLAB;BP neural network;GUI

TM 912

A

1002-087 X(2015)10-2106-02

2015-07-06

史艷霞(1965—)，女，湖北省人，副教授，主要研究方向為電動汽車設(shè)計、電力電子技術(shù)。