電池SOC估計(jì)方法分析

孫路

摘 要：鋰離子動(dòng)力電池系統(tǒng)的荷電狀態(tài)直接反應(yīng)電池的使用情況。尤其對(duì)于以鋰電池為能量來(lái)源的新能源汽車，該參數(shù)常用來(lái)衡量電動(dòng)汽車的續(xù)航里程。為此，研究電池荷電狀態(tài)的估計(jì)方法，以及國(guó)內(nèi)外在荷電狀態(tài)上的研究進(jìn)度具有重要意義。本文就近年來(lái)國(guó)內(nèi)外在電池荷電狀態(tài)上的研究進(jìn)行分析，介紹了目前主流的電池荷電狀態(tài)狀態(tài)估計(jì)方法，以及每種方法的特點(diǎn)。

關(guān)鍵詞：電池荷電狀態(tài) 動(dòng)力電池系統(tǒng)

1 引言

隨著環(huán)境污染和能源危機(jī)的不斷加劇，各國(guó)政府都在努力尋找新的能源利用方式，以緩解環(huán)境污染和提高能源利用效率。以鋰離子電池為代表的能量存儲(chǔ)裝置具有很高的能量效率和能力比以及其安全可靠、使用周期長(zhǎng)，而被廣泛的應(yīng)用在各類產(chǎn)品上包括：便攜式電子元器件、混合電動(dòng)汽車、純電動(dòng)汽車以及智能電網(wǎng)。

為此，準(zhǔn)確的獲取電池運(yùn)行過(guò)程中的工作狀態(tài)，對(duì)于電池安全、合理、高效的運(yùn)用具有重要意義。但鋰離子電池高度的非線性特性，導(dǎo)致電池工作的狀態(tài)尤其是電池的荷電狀態(tài)（SOC），很難采樣常規(guī)的方法直接測(cè)量獲取。

2 電池SOC估計(jì)方法

電池的SOC反映了當(dāng)前電池所剩容量的使用情況，定義為當(dāng)前剩余容量與電池充滿電時(shí)存儲(chǔ)容量的比值，如公式（1）所示：

其中，SOC（t）表示t時(shí)刻的SOC值;SOC（t0）表示t0時(shí)刻的SOC值;ηc表示庫(kù)倫效率;i（τ）表示τ時(shí)刻的電流值;CN表示電池的標(biāo)稱容量。

常用的電池狀態(tài)估計(jì)方法有：

2.1 安時(shí)積分法

該方法在電池初始剩余狀態(tài)已知的條件下，利用電池剩余容量與標(biāo)稱容量的比值表示電池的SOC[1]。該方法是應(yīng)用最簡(jiǎn)單且廣泛的一種SOC工程估計(jì)方法。在傳感器的精度和采用頻率都滿足一定要求，且初始SOC準(zhǔn)確的情況下，該方法具有較好的估計(jì)精度。然而，它存在如下缺點(diǎn)：（1）電池的初始狀態(tài)無(wú)法準(zhǔn)確獲取，將會(huì)造成SOC估計(jì)的誤差累積;（2）溫度、電流等因素會(huì)影響電池的庫(kù)倫效率的大小，而這些因素導(dǎo)致的電池庫(kù)倫效率變化很難在實(shí)際中計(jì)算;（3）電流傳感器的精度，尤其是測(cè)量漂移將導(dǎo)致累積效應(yīng)，影響SOC的估計(jì)精度。因此，這種方法難以滿足SOC估算精度要求較高的場(chǎng)合。

2.2 開路電壓法

建立SOC與OCV的關(guān)系模型，利用查表或插值方法準(zhǔn)確的計(jì)算在實(shí)時(shí)工況下電池的SOC[2][3]。然而這種方法通常電池在非工作情況下進(jìn)行不短于兩個(gè)小時(shí)的靜置，使得電池內(nèi)部電化學(xué)反應(yīng)達(dá)到平衡。因此，為了得到準(zhǔn)確的SOC，該方法很難在實(shí)際中使用。

2.3 狀態(tài)估計(jì)法

利用系統(tǒng)狀態(tài)方程估計(jì)SOC。該方法依據(jù)電池的外特性，采用電池電路原理，利用電壓源、電阻、電容等元件組合來(lái)建立電池的行為表達(dá)模型，常用的建模方法包括：Shepherd模型、Unnewehr模型、Nernst模型等，如圖1所示的一種常用的電池建模方法。

2.4 神經(jīng)網(wǎng)絡(luò)法

該方法是模擬人腦對(duì)于外界信號(hào)的分析，將復(fù)雜的信號(hào)處理分解為若干簡(jiǎn)單的信號(hào)，通過(guò)對(duì)這些簡(jiǎn)單信號(hào)的數(shù)據(jù)融合，得到復(fù)雜信號(hào)輸入與輸出之間的關(guān)系[4]。如圖2所示的一種常用的三層神經(jīng)網(wǎng)絡(luò)處理架構(gòu)。借助神經(jīng)網(wǎng)絡(luò)算法，在分析復(fù)雜信號(hào)時(shí)，無(wú)需研究研究對(duì)象內(nèi)部復(fù)雜的物理或化學(xué)原理而實(shí)現(xiàn)對(duì)信號(hào)輸入與輸出的準(zhǔn)確表征。但是，神經(jīng)網(wǎng)絡(luò)也存在自身的不足，在數(shù)據(jù)訓(xùn)練時(shí)往往需要大量的數(shù)據(jù)樣本且受訓(xùn)練樣本測(cè)試工況的制約。

2.5 最小二乘法

利用最小二乘法辨識(shí)電池的狀態(tài)參數(shù)，同時(shí)使用狀態(tài)估計(jì)器運(yùn)用自適應(yīng)算法實(shí)時(shí)辨識(shí)電池的狀態(tài)參數(shù)。其中的遞歸最小二乘算法是對(duì)一次最小二乘法進(jìn)行修正得到的一種辨識(shí)方法，通過(guò)調(diào)整自適應(yīng)濾波器系數(shù)，使得辨識(shí)期間輸出信號(hào)與期望信號(hào)之間的誤差平方最小，可以實(shí)現(xiàn)電池SOC的準(zhǔn)確估計(jì)，如圖3所示。

3 結(jié)語(yǔ)

為了分析電池的使用情況，電池荷電狀態(tài)的評(píng)估方法起到非常重要的作用。為此，文中分析了近年來(lái)國(guó)內(nèi)外在電池荷電狀態(tài)評(píng)估上采用的主要方法，以及對(duì)每種方法的優(yōu)點(diǎn)和缺點(diǎn)做了簡(jiǎn)要描述。可以有效的指導(dǎo)電池SOC估計(jì)相關(guān)工作的開展。

參考文獻(xiàn)：

[1]Plett G L. Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs：Part 2. Modeling and identification[J]. Journal of power sources， 2004，134（2）：262-276

[2]Ng K S，Moo C S，Chen Y P，et al. Enhanced coulomb counting method for estimating state-of-charge and state-of-health of lithium-ion batteries[J]. Applied energy，2009，86（9）：1506-1511.

[3]Lee S，Kim J，Lee J，et al. State-of-charge and capacity estimation of lithium-ion battery using a new open-circuit voltage versus state-of-charge[J]. Journal of power sources，2008，185（2）：1367-1373.

[4]Kim J，Lee S，Cho B H. Discrimination of Li-ion batteries based on Hamming network using discharging-charging voltage pattern recognition for improved state-of-charge estimation[J]. Journal of Power Sources， 2011，196（4）：2227-2240.