基于EKF-Ah-OCV的鋰電池SOC估算策略

徐洪超, 沈錦飛

(江南大學輕工過程先進控制教育部重點實驗室,江蘇無錫214122)

基于EKF-Ah-OCV的鋰電池SOC估算策略

徐洪超, 沈錦飛*

(江南大學輕工過程先進控制教育部重點實驗室,江蘇無錫214122)

準確估算鋰電池荷電狀態(tài)是電池管理系統(tǒng)最重要的一個方面,可以為電池管理系統(tǒng)提供控制策略。從鋰電池的性能和它的工作環(huán)境來看,在擴展卡爾曼濾波算法、安時積分法和開路電壓法的基礎上,提出一種新的擴展卡爾曼濾波-安時積分-開路電壓法算法,這種方法在SOC估算的復雜環(huán)境中具有良好的性能,并且能滿足動力鋰電池的要求。實驗結果表明,最大的SOC估算誤差不到2.18%,從而驗證了該方法的可靠性與可行性。

鋰電池;擴展卡爾曼濾波-安時積分開路電壓法算法;電池管理系統(tǒng)

目前,汽車行業(yè)正遭受著經濟危機和環(huán)境變差的雙重壓力,傳統(tǒng)的石油驅動正在逐步被電力驅動所取代。電動汽車的電池性能直接影響著整部車的優(yōu)劣,如一次充電行駛的距離。相較于傳統(tǒng)的蓄電池,鋰電池具有能量密度高、工作電壓大、壽命長等諸多優(yōu)點[1],文中選擇鋰電池作為研究對象。

電池管理系統(tǒng)[2]是電動汽車工作電池的管理者,不僅要準確估算電池的荷電狀態(tài),還要防止電池過度充電或者過度放電給電池帶來的損傷,甚至毀滅,同時還要優(yōu)化電池,使電池保持較高的工作效率,如要精確估算鋰電池荷電狀態(tài)(SOC)存在較大難度。

Email:xhc_kobe24@163.com

現如今,SOC估算方法主要有開路電壓法、安時積分法、神經網絡法和卡爾曼濾波法等。開路電壓法精確、簡單,但是電池需要長時間的靜置才能估算出來,不符合在線估算;安時積分法是目前比較常用的一種方法,短時間雖能較精確地估算,但是為開環(huán)估算,且SOC的初始值不能確定,還有誤差累計增大;神經網絡法基于模型的基礎上,需要采集大量的數據進行估算,精確度很高,但這種方法對數據的依賴性很大,當下在實際中用得很少;卡爾曼濾波法由采集到的電壓電流,通過遞推得到SOC最小方差估計,初始估計精確且沒有累計誤差,但是對模型的依賴性很高,且對計算機的運算速度要求也很高[3]。

基于上述幾種方法,文中提出一種基于擴展卡爾曼濾波-安時積分-開路電壓法(EKF-Ah-OCV)綜合算法,主要使用了卡爾曼濾波算法的校正特性,提高了安時積分法和開路電壓法的估算精度,不僅克服了安時積分法SOC初始值估算不精確的缺陷,還解決了由于長時間電流測量不準確造成的SOC估算累計誤差問題。與此同時,對比單獨使用擴展卡爾曼濾波算法,EKF-Ah-OCV算法并不主要取決于軟件和硬件的性能,降低了系統(tǒng)的成本。

1 鋰電池組的模型建立

1.1 SOC定義

SOC是指充電電池的剩余容量占總容量的百分比[4],它是電池管理系統(tǒng)中最重要的一個參數。

SOC的計算公式如下:

式中,Qr和Qn是指電池的剩余容量和標稱容量,工作溫度為室溫(25℃),Qm是在這個環(huán)境下放出的電量,Qt是在室溫條件下的放電速度,η是電池的效率系數(受放電速度、溫度、自放電、電池老化等多重因素影響),實際消耗的能量乘以η等于標準消耗的能量。

1.2 鋰電池建模

常見的電化學模型有3種。

Shepherd模型:

Unnewehr通用模型:

Nernst模型:

上述公式中:yk為鋰電池工作電壓;E0為電池組的初始端電壓或者開路電壓;R0為電池內阻;Ki為極化電阻;K2,K3為模型匹配系數。

將上述3種電化學模型結合在一起[5],得到基于電化學模型的復合鋰電池模型,該模型單一地把SOC看成系統(tǒng)的狀態(tài)變量xk,充放電電流和環(huán)境溫度看成輸入量Uk,鋰電池的工作電壓看做輸出量yk:

其中:Δt為采樣周期,通常為1 s;ik為放電電流;R0為鋰電池內阻;R為極化內阻;K1～K4為符合鋰電池模型的擬合參數;ηi由Peukert方程計算出[6],鋰電池復合模型的擬合參數可以由最小二乘估算理論估算出。

2 基于EKF-Ah-OCV的SOC估算

2.1 基于OCV的SOC初始值估算

鋰電池的開路電壓與電池的電動勢在數值上非常接近,其端電壓與SOC有相對固定的函數關系,所以根據開路電壓可以估計SOC,特別是在充放電的初期和末期。

開路電壓法用開路電壓和SOC之間的關系來估算SOC[7],關系式如下:

文中用一個二次函數F來描繪開路電壓UOC和SOC之間的關系。

SOC初始值SOC0由開路電壓法獲得,計算如式(5),并通過一段時間的迭代達到最優(yōu)估計,逼近真實值:

2.2 基于EKF的SOC初始值修正

在上述過程得到的SOC初始值SOC0,但是考慮到鋰電池都有自恢復效應,即鋰電池端電壓在電流結束后有一個恢復過程,必須長時間靜置,開路電壓才能穩(wěn)定。這時對開路電壓法求得的SOC初始值進行擴展卡爾曼濾波修正,得到一個更加逼近真實值的SOC初始修正值[8]SOC1。這種方法可以將初值的估算時間和估算誤差降到最低,使得結果更加精確。

擴展卡爾曼濾波算法是線性系統(tǒng)的最佳估算方法,是對動態(tài)系統(tǒng)狀態(tài)估計的一個成熟的技術。電池組中每個電池被看做是一個動態(tài)系統(tǒng),輸入包括電流和溫度,輸出是電池的端電壓,用卡爾曼濾波器估算SOC。若系統(tǒng)是非線性的,可以對每一個步長的非線性系統(tǒng)進行線性化,這樣就可以構成一個隨時間變化的線性系統(tǒng)。在遞歸濾波處理過程中,此方法用測試的數據來校正估算值和最小方差,并以此來減小估算誤差。離散線性模型如下:

狀態(tài)方程:

輸出方程:

其中,xk為系統(tǒng)k時間點的狀態(tài),也就是k時間點的SOC,uk是系統(tǒng)已知的輸入(充放電電流和環(huán)境溫度),yk是系統(tǒng)的輸出,也就是電池的端電壓,wk是影響系統(tǒng)且不能測量的隨機噪聲輸入,vk模擬的是傳感器的噪聲,但是不改變系統(tǒng)的狀態(tài)。Ak,Bk,Ck和Dk描述的是系統(tǒng)可能隨時間變化的系統(tǒng)動態(tài)。

基于上述鋰電池復合模型,用于SOC估算的擴展卡爾曼濾波算法如下:

1)初始化:

2)更新時間:

在此得到T=K時的SOC初始修正值SOC1,其中, uk是在時刻k時測量的鋰電池端電壓,預測估計值是在前次狀態(tài)估計值的基礎上,利用狀態(tài)方程向后遞推得到[9]。根據方程(6),(7),再結合方程(9),(10),可以推導出:

2.3 基于Ah的SOC估算及EKF修正

安時積分法是通過計算鋰電池在充放電時累積電量來估算電池的SOC,且用溫度、放電倍率對SOC估計值進行補償。

上述SOC的初始值修正值為SOC1,那么當前的SOC可以用下面的公式計算出來:

其中,ηi是由Peukert方程推導和計算出來的電流效率系數。

在安時積分法里,離散Peukert方程用來估算SOC,根據ηi的定義,ηi可以通過下面的方程求出:

基于安時積分法可以由SOC初始修正值SOC1估算出SOC2,其中Qn是電池的標準總容量,Qi是電池放電電流為i時的實際總容量,文中用起始充滿電的鋰電池,不同的放電電流i得到一系列不同的Qi,然后擬合Qi與i的二次方程:

最后,用擴展卡爾曼濾波算法修正安時積分法估算出來的SOC2,得到修正值為SOC3,修正方法與2.2相同,在此不再贅述。

2.4 基于EKF-Ah-OCV算法鋰電池SOC估算

EKF-Ah-OCV組合算法包含了卡爾曼濾波算法、安時積分法和開路電壓法這3種算法,用于估算鋰電池動態(tài)系統(tǒng)隨時間變化的狀態(tài)。流程圖如圖1所示。

圖1 SOC估算流程Fig.1 SOC estimation process

具體算法步驟:

1)t0時刻,電池處于靜置狀態(tài),用開路電壓法測量出電池的開路電壓并以此來計算出SOC的初始值SOC0。

2)在t0～t1階段,用擴展卡爾曼算法修正SOC0,SOC在t1時刻為SOC1也包含在這個時間段。

3)在t1～t2階段,這個階段SOC初始值為SOC1,用安時積分法估算出SOC,t2時刻SOC為SOC2。

4)在t2～t3階段,用擴展卡爾曼濾波算法修正SOC2,在時刻t3得到估算值SOC3。

5)重復步驟3)和步驟4),直至電池放電結束。

文中對初始值進行擴展卡爾曼修正,輔以安時積分法并進行擴展卡爾曼修正,相較于單獨使用上述3種算法或者兩兩組合算法,通過對初值修正使得估算值更加接近真實值。把此算法應用到電池管理系統(tǒng),鋰電池的能量就能被更加高效地利用,并且無須考慮鋰電池的過度充電或者過度放電[10]。在線SOC最優(yōu)估計是通過上述鋰電池復合模型結合擴展卡爾曼濾波算法、安時積分法和開路電壓法來實現。

3 仿真分析

為了驗證EKF-Ah-OCV算法的實際效果,在室溫25℃下對一節(jié)3.2 V,15 Ah的鋰電池進行充放電實驗,獲得鋰電池模型的參數,在參數基礎上進行Matlab仿真。

以4.5 A的電流對鋰電池進行恒流放電。以10%的SOC進行,SOC從100%到0%相鄰脈沖放電試驗之間電池靜置3 h并測量出開路電壓。用Matlab擬合函數得到開路電壓和SOC之間的關系表達式為

UOC=F(SOC)=-0.71SOC2+1.16SOC+2.87

開路電壓與SOC之間的關系如圖2所示。

圖2 開路電壓與SOC之間的關系Fig.2 Relationship between Open circuit voltage and SOC

方程(10)中電池模型參數如表1所示。

表1 鋰電池模型參數Tab.1 Lithium battery model parameters

鋰電池輸出方程:

鋰電池放電的電壓電流動態(tài)變化如圖3和圖4所示。

圖3 鋰電池恒流放電電流與時間的關系Fig.3 Relationship between constant discharging current and time of lithium battery

圖4 鋰電池放電電壓與時間的關系Fig.4 Relationship between discharging voltage and tim e of lithium battery

圖5中的曲線分別是安時積分法SOC估算輸出和文中EKF-Ah-OCV法SOC估算輸出。開路電壓法計算初始SOC0為95.6%,鋰電池放電一段時間后靜置3 h,用開路電壓法測出電池的實際SOC為55%;用安時積分法和EKF-Ah-OCV法分別估算電池的SOC,安時積分法的估算值為51.4%,估算誤差為6.55%;而EKF-Ah-OCV法的估算值為53.8%,估算誤差為2.18%。可見文中的EKFAh-OCV法對單獨使用安時積分法有修正作用,還可以解決安時積分法不能估算SOC初始值和累計誤差問題,同時解決了OCV不能在線估算的弊端。

圖5 EKF-Ah-OCV和Ah法估算鋰電池SOC誤差比較Fig.5 Estim ation of SOC between EKF-Ah-OCV and Ah of lithium battery

仿真表明,文中通過EKF-Ah-OCV法對安時積分法的修正明顯消除了電量累積誤差的影響,同時解決了安時積分法不能估算SOC初始值和開路電壓法不能在線估算。采用鋰電池復合模型提高了電池模型的精度,也有利于提高估算SOC的精確度,使得終止時刻SOC更加接近于真實值。

4 結 語

文中考慮了電池模型、極化現象對狀態(tài)估算的重要影響,為了使鋰電池的狀態(tài)估計更加準確,選擇復合鋰電池模型作為鋰離子電池的等效電路模型,并使用開路電壓法、安時積分法和擴展卡爾曼濾波算法這3種方法結合起來估算鋰電池的SOC,用EKF法對初始值和安時積分法進行實時修正,并得到很好的仿真結果,誤差較小,滿足電池管理系統(tǒng)的要求。EKF-Ah-OCV方法不僅降低了系統(tǒng)的成本和鋰電池估算的可行性,而且使SOC估算更為精確。

[1]肖蕙蕙,王志強,李山,等.電動汽車動力鋰離子電池建模與仿真研究[J].電源學報,2012(1):41-44. XIAO Huihui,WANG Zhiqiang,LIShan,et al.Modeling and simulation of dynamic lithium-ion battery for electric vehicle[J]. Journal of Power Supply,2012(1):41-44.(in Chinese)

[2]毛華夫,萬國春,汪鐳,等.基于卡爾曼濾波修正算法的電池SOC估算[J].電源技術,2014,38(2):298-302.

MA0 Huafu,WAN Guochun,WANG Lei,et al.Estimation of battery SOC based on Kalman filter correction algorithm[J].Chinese Journal of Power Sources,2014,38(2):298-302.(in Chinese)

[3]劉浩.基于EKF的電動汽車用鋰離子電池SOC估算方法研究[D].北京:北京交通大學,2010.

[4]俞云峰,沈錦飛.基于EKF的鋰電池狀態(tài)估算策略[J].電源技術,2014,38(2):237-238,244.

YU Yunfeng,SHEN Jinfei.Strategy of estimating state of lithium-ion based on extended Kalman filter[J].Chinese Journal of Power Sources,2014,38(2):237-238,244.(in Chinese)

[5]周曉鳳,趙又群.電動汽車動力電池SOC估算研究[J].機械科學與技術,2014,33(2):263-266.

ZHOU Xiaofeng,ZHAO Youqun.Study on the SOC estimation of power battery for electric vehicle[J].Mechanical Science and Technology for Aerospace Engineering,2014,33(2):263-266.(in Chinese)

[6]Hiroyuki Miyamoto,Masayuki Morimoto,Katsuaki Morita.Online SOC estimation of battery for wireless tramcar[J].Electrical Engineering in Japan,2014,186(2):83-89.

[7]吳鐵洲,胡麗萍.基于ukf的動力電池SOC估算算法研究[J].電力電子技術,2014,48(4):23-26.

WU Tiezhou,HU Liping.Study of SOC estimation algorithm of power battery based on UKF[J].Power Electronics,2014,48(4): 23-26.(in Chinese)

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

BAO Hui,YU Yang.State of charge estimation calibration based on ampere-hour method[J].Computer Simulation,2013,30 (11):148-151,159.(in Chinese)

[9]潘衛(wèi)華,劉曉丹.基于改進卡爾曼濾波的鋰電池SOC估算研究[J].計算機仿真,2014,31(3):148-150,247.

PANWeihua,LIU Xiaodan.Research on estimating SOC of lithium-ion battery based on improved kalman filter[J].Computer Simulation,2014,31(3):148-150,247.(in Chinese)

[10]Rudi Kaiser.Optimized battery-management system to improve storage lifetime in renewable systems[J].Journal of Power Sources,2007,168(1):58-65.

(責任編輯:楊 勇)

Strategy of Estim ating State of Charge of Lithium-Ion Based on Extended Kalm an Filter-Am pere Hour-Open Circuit Voltage

XU Hongchao, SHEN Jinfei*
(Key Laboratory of Advanced Process Control for Light Industry,Education Ministry,Jiangnan University,Wuxi214122,China)

Estimate the state of charging of the lithium battery is important for a battery management system.It can provide a control strategy for a battery management system.Considering the performance of the lithium battery and its working environment,this paper provide a new extended Kalman filter Ah integration-open circuit voltagemethod based on the extended Kalman filterm ampere hour countingmethod and open circuit voltagemethod.Thismethod has a good performance for estimating SOC under the complex environmentand satisfies the requirementof power lithium battery. Experimental results show that the maximum SOC estimation error is less than 2.18%and verify the reliability and feasibility of themethod.

lithium battery,EKF-Ah-OCV,batterymanagement system

TM 912

A

1671-7147(2015)01-0064-05

2014-09-10;

2014-10-14。

徐洪超(1990—),男,江蘇鹽城人,電氣工程專業(yè)碩士研究生。

*通信作者:沈錦飛(1955—),男,江蘇南通人,教授,碩士生導師。主要從事電力電子與電力傳動研究。