車載鋰電池SOC管理方法分析

佘亞楠 朱紀春

1.南京林業大學 汽車與交通工程學院 江蘇省南京市 21003 7 2.南京郵電大學 后勤車隊 江蘇省南京市 210003

1 引言

純電動汽車的能量完全由動力電池組提供，電池管理系統（BMS）在確保電池的運行安全和為駕駛員在用車過程中制定合適的控制策略，起著至關重要的作用。而汽車續行里程、動力電池性能的一個重要指標便是電池的荷電狀態，它的數據準確性對于電池動力優化管理和充電控制有著很重要的意義，同樣也是電池管理系統的核心和關鍵部分。所以對動力電池進行荷電狀態估計，并能在電池使用中進行有效的管理和控制，進而降低電動汽車的運營成本、最終形成商業化和產業化，同時也關系到電動汽車的未來發展。

2 鋰離子電池的SOC影響因素

影響鋰電池SOC估算精確性的因素有許多，其主要因素有四個方面，即充放電倍率、自放電、溫度、老化程度等。

2.1 充放電倍率因素

因為鋰離子電池內部存在著內阻，所以鋰電池在整個放電期間的總容量低于其初始容量，但是可以采用不同充放電倍率來進行補償。相關研究表明，在不同恒流放電倍率下，多組磷酸鐵鋰電池，其釋放的總電量各不相同。另外，在相同環境條件下，若電池采用恒流高放電倍率放電，所釋放的電量比用恒流低放電倍率釋放的電量低；若電池采用恒流高放電倍率進行充電，所儲存的電量比用恒流低放電倍率儲存的電量低[1]。

2.3 自放電因素

鋰電池的自放電是指在電池外部沒有接通任何負載的情況下，致使電池的相對容量逐漸降低的現象，鋰電池在開路時的自放電率稱為自放電率。一般很難直接測量電池的自放電率，通常需要查閱商家的電池數據手冊來獲取。因為鋰電池的自放電率很低，所以常忽略不計[2]。

2.2 溫度因素

溫度高低直接影響鋰電池內部電解液的流動速度，從而影響其容量。當溫度升高時，電池內部化學反應速度加快，造成電池內阻較小，所以電池的容量有所增加；當溫度降低時，電池內部的化學反應速度變慢，致使電池內阻增大，從而電池的容量也有所減少。

2.4 老化因素

鋰電池充放電循環次數的增加將導致電池的容量和性能下降，鋰電池老化的主要原因有：充放電倍率，充放電的循環次數，充放電程度，電池所用材料，溫度等。使用鋰電池的方法不當，將會損壞鋰電池的內部結構，從而影響其內部的正常化學反應[3]。

3 幾種電池SOC管理方法

3.1 安時積分法

安時積分法是最早也是最常用的電池SOC的估計方法。設置電池初始值SOC0，當前SOC：

其中，Ct表示電池額定容量，η表示電池充電效率，I表示充放電電流。

安時積分法簡單可靠，操作方便，在車輛SOC估計中可以實時估計電池SOC值，可以直觀顯示電動汽車的運行充放電情況。該方法分析電池的性能，沒有研究電池的內部變化，忽略了工作溫度，充放電倍率，電池本身，電池SOC的老化程度。因為采用積分估計，所以每次誤差都會累積，所以此方法只能應用在實驗室等場合。

3.2 神經網絡法

通常把使用過程中的動力電池在看作是非線性系統，所以要建立準確的電池模型比較困難，因為電池內部存在著很復雜的物理化學反應，所以獲取電池內部的參數也是非常困難[4]。

神經網絡的出現很好地解決了此問題，該網絡可以通過特定的學習能力和特殊的并行網絡結構來更好地處理非線性問題，以估計電池SOC。神經網絡由輸入層、輸出層和中間層三部分組成。由線性函數構成了輸入和輸出層，可以根據實驗的不同要求來確定神經元數量。通過實際問題和估計精度來確定中層神經元的數量。神經網絡應用廣泛，可應用于各種類型的電池，該方法準確估計SOC的關鍵是數據的選擇必須具有合理性。

神經網絡算法用于估算電池SOC，速度快并且精度很高，適用范圍很廣可用于各類電池，而且實時地、動態地預估SOC。但是該算法對于硬件要求較高，這對數據處理能力提出了很高的要求，實驗成本會過于昂貴。

3.3 開路電壓法

開路電壓法的理論依據是：電池在經過長時間充分靜置后，其各項的數值相對穩定，此時開路電壓和電池電動勢數值接近，電池端電壓又和SOC有著相對固定的函數關系，因此，計算一段時間內電流雨充放電時間的積分，算出變化的百分比，用初始SOC與變化的電量做差，就能夠求出剩余電量SOC[5]。由此，我們可以就可依據開路電壓的數值估計電池SOC，尤其需指出的是在電池充放電初期與末期兩個階段，此時電池端電壓數值變化較大，更適合采用開路電壓法，相關研究表明該方法取得了較好的效果。

此方法較為簡單，可操作性強和估計值更準確。但使用該方法的前提條件是必須允許電池長時間靜置，并且放置時間通常很長電壓才可以恢復到穩定狀態，考慮電動汽車現實條件，不能滿足其實時要求，只能用于汽車長時間駐車狀態。

3.4 卡爾曼濾波法

卡爾曼濾波法是一種處理非線性系統的有效方法。該方法先對實驗數據進行分析，并將實驗數據與系統的理論數值進行比較，然后得出最優的誤差值，再次更新各組數據并進行計算，接著進一步估算下一時刻的誤差，不斷地的更新與選取最優值，與其他算法相比，它的穩定性與精確性比較高[6]。

該方法可以消除隨機噪聲和意外測量誤差對預測結果的不利影響。適用于電池狀況復雜，輸出電流明顯波動的場合。但是該方法僅適用于線性系統，同時受到模型精度的影響，當設置的模型參數與實際值偏差較大時，卡爾曼濾波算法會不收斂，SOC的估計結果將偏離真實值，而且估計誤差會隨著時間的推移而增加。

3.5 基于電化學模型法

這是一種根據電極極化理論、電化學熱力學理論和濃度非穩態擴散定理進而建立數學模型，這個方法能從本質上說明電池SOC發生變化的原因：因為在充放電過程中使陰陽兩電極材料中Li離子濃度發生了變化，從而導致SOC值的變化。

此法根據理化反應理論建立的數學方程式反映了電池SOC變化的實質，可以更準確地預測SOC值。但是，模型較為復雜，模型參數多，一些參數必須使用專業儀器才可以獲得，且不能確定模型中某些參數的函數關系，所以只能根據具體的應用情況進行假設和猜想。

4 結語

本文論述了影響鋰離子電池SOC的主要因素，闡述了五種常用電池SOC的管理方法，并對其優缺點進行分析，得出每種管理方法都有其明顯的特點和適用范圍，當前更多地采用兩種或多種方法結合使用來提高預測的準確性。SOC管理方法未來的發展應使估算SOC的環境能夠更加自由，最大限度地消除影響其估算結果的條件，建立更為簡潔的模型參數以及減少估算的成本，引入一些新的理念和方法進一步提高SOC預測的準確性和實時性。