電動汽車動力電池剩余電量的常用估算方法

雷 鈞

(山西省機電設計研究院有限公司，山西 太原 030009)

0 引言

隨著汽車尾氣污染和石油危機問題的日益突出,在世界各國掀起了對新能源汽車的研發熱潮,節能減排已成為世界各國汽車產業的共同努力目標。新能源汽車尤其是電動汽車、油電混合動力汽車、燃料電池電動汽車等，能有效提高能源利用效率，降低尾氣排放污染，減少對石油資源的依賴，促進節能減排，成為了各國研發的熱點。而動力電池是關系到電動汽車能否實現產業化的關鍵，解決不了動力電池的成本和性能的矛盾，就難以實現電動汽車大范圍的普及。如果能夠解決動力電池能量密度和功率密度的矛盾、成本和使用性能的矛盾、節能與充電時間的矛盾，從而開發出一款能量密度高、功率密度高、成本低廉、性能優越、充電時間短的動力電池，則電動汽車將實現快速普及。

電池荷電狀態(SOC，State of Charge，也叫剩余電量)是防止動力電池過充和過放的主要依據，能夠準確估算出動力電池剩余電量是進行動力電池均衡控制的基礎，是電動汽車電池管理系統中的關鍵技術，只有準確估算電池組的SOC才能有效提高動力電池組的利用效率，保證電池組的使用壽命。為此，本文將詳細論述電動汽車動力電池剩余電量的估算方法。

1 動力電池剩余電量及精確估計剩余電量的作用

1.1 動力電池剩余電量

剩余電量是指電池使用一段時間或長期擱置不用后的剩余可放電電量與其完全充電狀態的電量的比值，常用百分數表示。其一般用一個字節也就是兩位的十六進制表示(取值范圍為0～100)，含義是剩余電量為0%～100%，當SOC=0時表示電池放電完全，當SOC=100%時表示電池完全充滿。目前較統一的是從電量角度定義SOC，如美國先進電池聯合會(USA)在其《電動汽車電池實驗手冊》中定義SOC為電池在一定放電倍率下剩余電量與相同條件下額定容量的比值，即：

SOC=Cu/C額.

其中：Cu為電池剩余的按額定電流放電的可用容量；C額為電池額定容量。

由于SOC受充放電倍率、溫度、自放電、老化等因素的影響，實際使用中應對SOC的定義進行調整，如日本本田公司電動汽車EV Plus定義SOC為：

SOC=剩余容量/(額定容量×容量衰減因子)。

剩余容量=額定容量-(凈放電量+自放電量+溫度補償容量)。

1.2 精確估計剩余電量的作用

在電動汽車中，準確估算電池剩余電量的作用包括以下4點：

(1)保護蓄電池。對于蓄電池而言，過充電和過放電都可能對蓄電池造成永久性的損害，嚴重縮短電池的使用壽命。如果可以提供準確的SOC值，整車控制策略可以將SOC控制在一定的范圍之內(如20%～80%)，起到防止對電池過充電或過放電的作用，從而保證電池的正常使用，延長電池的使用壽命。

(2)提高整車性能。在沒有提供準確的SOC值的情況下，為了保證電池的安全使用，整車控制策略需要保守地使用電池，防止電池出現過充電和過放電的情況，這樣不僅充分發揮了電池的性能，因而提高了整車的性能。

(3)降低對動力電池的要求。在準確估算SOC的前提下，電池的性能可以被充分使用，選用電池時，針對電池性能設計的余量可以大大減小。例如，在準確估算SOC的前提下，只需要使用容量為40 A·h的動力電池組，如果不能提供準確的SOC值，為了保證整車的性能和可靠性，可能需要選擇60 A·h甚至更高容量的動力電池組。

(4)提高經濟性。選擇較低容量的動力蓄電池組可以降低整車的制造成本。同時，由于提高了系統的可靠性，后期的維護成本也將大大降低。

2 動力電池剩余電量的估算

2.1 剩余電量估算精度的影響因素

由于動力電池剩余電量(SOC)的非線性，并且受到多種因素的影響，導致電池剩余電量估計和預測方法復雜，因此準確估計剩余電量比較困難。對SOC估算精度的影響因素有：

(1)充放電倍率：一般充放電電流的大小常用充放電倍率來表示，即充放電倍率=充放電電流/額定容量。充放電電流相對于額定充放電工況，動力電池一般表現為大電流可充放電容量低于額定容量，小電流可充放電容量大于額定容量。

(2)溫度。不同溫度下電池組的容量存在著一定的變化，溫度段的選擇及校正因素直接影響到電池性能和可用電量。

(3)電池容量衰減。電池的容量在循環過程中會逐漸減少，因此，對電量的校正條件就需要不斷地改變，這也是影響剩余電量估算模型精度的一個重要因素。

(4)自放電。電池內部的化學反應產生自放電現象，使其在放置時電量發生損失。自放電大小主要與環境溫度有關，需要按實驗數據進行修正。

(5)一致性。電池組的建模和容量估算與單體電池有一定的區別，電池組的一致性差別對電量的估算有重要的影響。電池組的電量估算是按照總體電池的電壓來估算和校正的，如果電池差異較大，將導致估算的誤差很大。

2.2 常用的SOC估算方法

2.2.1 開路電壓法

開路電壓法是最簡單的SOC測量方法，主要根據電池組的開路電壓來判斷SOC的大小。由電池的工作特性可知，電池組的開路電壓與電池的剩余容量存在著一定的對應關系。某動力電池組的電壓與容量的對應關系如圖1所示。

圖1 某動力電池組電壓與容量的對應關系

由圖1可以看出：隨著電池放電容量的增加，電池的開路電壓降低。由此，可以根據一定的充放電倍率時電池組的開路電壓和SOC的對應關系，通過測量電池組開路電壓的大小，插值估算出電池SOC的值。

該方法簡單易行，但由于不同充放電倍率時電池組的電壓不一致，因此，在電流波動比較大的場合，這種方式的計量將失去意義。另外，不同應用工況下電池組的內阻大小不一樣，導致了同樣充放電倍率下不同時期電池組的電壓不一致，使得該測量方式的測量精度很低。同時，溫度對電池組的放電平臺影響也較大，因此，單靠電壓來估算SOC的方法難以滿足實際需求。

2.2.2 容量積分法

容量積分法是通過對單位時間內流入流出電池組的電流i進行累積，從而獲得電池組每一輪放電能夠放出的電量，從而確定電池SOC的變化。設電池滿充電狀態下電量為QM、完全放電后電池電量為0，則有：

該計算方式雖然可行，但是由于電池放電的特殊性，不同放電倍率狀態下的QM值不同。在大電流放電時，電池電壓下降到電池工作截止電壓以下，但顯示的SOC計算值大于0；而在小電流放電時，電池的SOC計算值減小到0時電池還能工作。同時，電流積分法存在著一定的誤差，多次循環之后會出現一些誤差積累，使該誤差越來越大。因此需要校正，目前的方法大多利用電池組電壓來校正因電流積分導致的累積誤差，即通過電池組放電到放電終止電壓時，無論SOC值為多少都置為0，這樣可以避免長時間積分的累積誤差。也有的在電池組靜態時采用電壓法來校正SOC，而在工作時用電流積分的方法，然而由于電壓和容量的對應關系，受到了溫度、放電電流、電池組均衡性的影響，因此，僅僅通過電壓法校正SOC的精度仍然較低，需要作進一步的改進。

2.2.3 電池內阻法

電池內阻有交流內阻(常稱交流阻抗)和直流內阻之分，它們都與SOC有著密切的關系。電池交流阻抗為電池電壓與電流之間的傳遞函數，是一個復數變量，表示電池對交流電的反抗能力，要用交流阻抗儀來測量,其受溫度影響較大，對電池處于靜置后的開路狀態和對電池在充放電過程中進行交流阻抗測量存在爭議，所以很少在實際測量中使用。直流內阻表示電池對直流電的反抗能力，是同一很短的時間段內電池電壓變化量與電流變化量的比值,實際測量中，將電池從開路狀態開始恒流充電或放電，相同時間里載電壓與開路電壓的差值除以電流值就是直流內阻。直流內阻隨SOC的變化規律如圖2所示。

圖2 直流內阻隨SOC的變化規律

直流內阻的大小受計算時間段影響，若計算時間段短于10 ms，只有歐姆內阻能夠檢測到，極化內阻檢測不到；若計算時間段較長，內阻將變得復雜。準確測量電池單體內阻比較困難，這是直流內阻法的缺點。在某些電池管理系統中，將電池內阻法與容量積分法組合使用來提高SOC估算的精度。

2.2.4 模糊邏輯推理和神經網絡法

模糊邏輯推理和神經網絡是人工智能領域的兩個分支，模糊邏輯接近人的形象思維方式，擅長定性分析和推理，具有較強的自然語言處理能力；神經網絡采用分布式存儲信息，具有很好的自組織、自學習能力。它們共同的特點是采用并行處理結構，可從系統的輸入、輸出樣本中獲得系統輸入、輸出關系。電池是高度非線性的系統，可利用模糊推理和神經網絡的并行結構和學習能力估算SOC。

采用神經網絡預測SOC的典型結構為多輸入單輸出的三層前饋網絡,輸入量為電流、電壓、溫度、充放電容量、內阻等，輸出量為SOC值,中間層神經元個數取決于問題的復雜程度及分析精度。神經網絡輸入變量的選擇是否合適、變量數量是否恰當直接影響模型的準確性和計算量。神經網絡法適用于各種電池，其缺點是需要大量的參考數據進行訓練，估計誤差受訓練數據和訓練方法的影響很大。

2.2.5 卡爾曼濾波法

卡爾曼濾波理論的核心思想是對動力系統的狀態作出最小方差意義上的最優估算。卡爾曼濾波法應用于電池SOC估算時，電池被稱為動力系統，SOC是系統的一個內部狀態，系統狀態方程為：

xk+1=Akxk+Bkuk+wk.

觀測方程為：

yk=Ckxk+vk.

其中：xk為k時刻的系統狀態；yk為k時刻的測量值，即輸出;uk為外加激勵，即輸入；Ak、Bk、Ck為系統參數;wk和vk為過程和測量的白噪聲。

系統的輸入uk中通常包含電流、溫度、剩余容量和內阻等變量，系統的輸出yk通常為電池的工作電壓，電池SOC包含在系統的狀態量xk中，wk和vk為互不相關的系統噪聲，一般而言，它們為系統傳感器的誤差以及系統建模、系統參數不精確引起的誤差。

卡爾曼濾波方法適用于各種電池，與其他方法相比尤其適合于電流波動比較劇烈的混合動力汽車電池SOC的估計，它不僅給出了SOC的估計值，還給出了SOC的估計誤差。該方法的缺點是要求電池SOC估計精度越高，電池模型越復雜，涉及大量矩陣運算，工程上難以實現，且該方法對于溫度、自放電率以及放電倍率對容量的影響考慮的不夠全面。

3 結語

本文分析了準確估算動力電池剩余電量的幾種常用方法，隨著新型動力電池技術的發展會有更加適合估算動力電池剩余電量的方法。能夠準確估算出動力電池剩余電量是進行動力電池均衡控制的基礎，是電動汽車電池管理系統中的關鍵技術，只有準確估算電池組的SOC才能有效提高動力電池組的利用效率，保證電池組的使用壽命。