基于模型的新能源汽車動力電池SOC估算方法的仿真研究

劉承杰

摘? 要：本文對目前動力電池SOC現狀進行了簡要介紹，然后提出了一種基于模型的新能源汽車動力電池SOC估算方法。該方法使用基于化學反應動力學的電池模型來預測動力電池的電荷和放電行為，并利用濾波器和卡爾曼濾波器來估算電池的SOC。仿真實驗結果表明，該方法具有比較高的估算精度和穩定性，最后對動力電池SOC以后的發展進行展望。

關鍵詞：動力電池；SOC；卡爾曼濾波器

中圖分類號：TM912? ? ? 文獻標志碼：A? ? ?文章編號：1005-2550（2023）06-0016-05

Simulation Research on Model Based SOC Estimation Method? for New Energy Vehicle Power Battery

LIU Cheng-jie

（Chongqing Safety Technology Vocational College， Chongqing 404048， China）

Abstract： This article briefly introduces the current status of power battery SOC， and then proposes a model based method for estimating the SOC of new energy vehicle power batteries. This method uses a battery model based on chemical reaction kinetics to predict the charge and discharge behavior of a power battery， and uses filters and Kalman filters to estimate the SOC of the battery. The simulation results show that this method has relatively high estimation accuracy and stability. Finally， the future development of power battery SOC is prospected.

Key Words： Power Battery; SOC; Kalman Filter

1? ? 引言

隨著電動汽車、混合動力汽車等新型交通工具的快速發展，動力電池作為其重要組成部分之一，已經成為電力電子學、電氣工程、材料科學等眾多領域的研究熱點。動力電池系統所具備的高能量密度、高功率密度、長使用壽命等優勢，使其廣泛應用于電動汽車、儲能系統、無人機、移動設備等領域。

在動力電池系統中，動力電池的能量密度、安全性、壽命等因素已成為關注的熱點。而確定電池的狀態，尤其是電池的SOC（State of Charge），對于電池的優化運行及電池管理具有重要意義。SOC是衡量電池能量狀態的關鍵指標。SOC的準確度對電池系統的性能、壽命以及安全性至關重要。因此，如何準確地測量和估算動力電池的SOC，一直是電池研究領域的熱點問題。

本文旨在對動力電池SOC的測量與估算方法進行綜述，探討不同測量和估算方法的優劣，介紹在不同應用場景下SOC的控制策略，并提出了一種基于模型的動力電池SOC估算方法。該方法使用基于化學反應動力學的電池模型來預測動力電池的電荷和放電行為，并利用濾波器和卡爾曼濾波器來估算電池的SOC，并展望SOC在未來的應用發展方向。

2? ? 動力電池SOC的概述

2.1? ?動力電池的定義

動力電池是一種具備高能量密度和高功率密度的電池，用于為電動汽車、混合動力汽車、儲能系統等提供能量。目前，鋰離子電池是最常用的動力電池之一，其優點包括高安全性、長循環壽命、低自放電率和高能量密度等。

2.2? ?SOC的定義及其作用

SOC是指動力電池中可用能量相對于總能量的百分比，也可以描述為電池已經放電的百分比。SOC的準確度對電池系統的性能、壽命以及安全性至關重要[1]。因此，SOC的測量和估算在電池管理系統中起著非常重要的作用，例如判斷電池是否需要充電或放電以達到合適的工作狀態，從而保持電池的穩定性和壽命。

2.3? ?SOC的測量方法

動力電池的SOC可以通過多種方式進行測量，如電流積分法、電化學計量法、開路電壓法、電化學阻抗譜法、誤差補償法等。其中，電流積分法和開路電壓法是最常用的兩種測量SOC的方法。

2.4? ?SOC的精確度

動力電池的SOC精度取決于所采用的測量方法、精度要求以及電池工作狀態等因素。一般來說，電流積分法在低SOC范圍內的精度較高，但在高SOC范圍內的精度較低，而開路電壓法在高SOC范圍內的精度較高，在低SOC范圍內的精度較低。因此，通過使用多種測量方法進行相互校準可以提高SOC的測量精度[2]。

電動車動力電池的SOC（State of Charge）是指電池的充放電狀態，一般以百分比表示。準確地估算電池的SOC可以幫助電動車駕駛員管理電池電量，避免過度充放電，延長電池壽命，同時也有利于提高電動車的能量利用率和行駛里程。

3? ? 動力電池SOC估算方法

估算電池SOC的方法目前主要有三種：基于電流積分法、基于開路電壓法和基于電化學模型法[3]。下面將分別介紹這三種方法的基本原理和特點。

3.1? ?基于電流積分法

基于電流積分法，是通過電池的放電電流積分計算出累計放電容量，再將累計放電容量除以電池額定容量即可計算出SOC。電流積分法的原理是電荷守恒定律，即電池放電時的電流和時間必須與充電時的電流和時間相等，若考慮內阻和靜態電流等因素，還需對電流進行精確積分。電流積分法應用廣泛，能夠適應各種充放電情況，但精度不太高，容易受到內阻、高低溫等因素的影響。

3.2? ?基于開路電壓法

基于開路電壓法，是通過電池放置一段時間達到靜止狀態，再測量電池的開路電壓，然后根據事先建立好的電壓-電量曲線確定電池SOC。開路電壓法基于電荷傳輸理論，即當電池處于靜止狀態時，電池內部的化學反應隨著時間的推移會越來越接近平衡，此時電池的開路電壓與電池的SOC有特定的關系。開路電壓法的精度比電流積分法高，但其受到電池存儲條件和歷史使用情況等因素的影響較大。

3.3? ?基于電化學模型法

基于電化學模型法，是利用電化學模型模擬電池內部的各種化學反應和傳輸過程，計算得到電池的電荷狀態和SOC。電化學模型法的原理是電化學動力學，即在電池內部各種化學反應和物質傳輸過程中要滿足一系列的電化學方程，并且需要結合電池的物理特性（如內阻、電容），才能準確模擬電池的運動學和動力學。電化學模型法的精度最高，但實現難度和計算量也最大。

除了上述三種方法外，還有一些結合機器學習、深度學習和神經網絡等技術的SOC估算方法，以及基于車身動態和路況信息的SOC實時預測方法等[4]。

4? ? 動力電池SOC的控制策略

4.1? ?基于模型的電池SOC估算方法

基于模型的電池SOC估算方法需要使用電池模型預測電池的電荷和放電行為。當前最常用的電池模型是基于化學反應動力學的模型[5]，該模型使用電化學反應動力學方程來模擬電池的行為，如電容、電阻及反應速率等因素。該模型包括電池的電壓、電荷電流、電荷狀態及溫度等變量，可以直接用來模擬電池的充放電過程。

4.2? ?濾波器估算法

濾波器估算法是通過對電池電壓的濾波，來估算電池的SOC。濾波器通常有兩類：低通濾波器和帶通濾波器。低通濾波器通過濾除高頻信號，使電池電壓的變化更加平滑，從而提高了估算精度。帶通濾波器通過濾波器通道中的截止頻率來選擇需要保留的頻率范圍，以達到更好的濾波效果。

4.3? ?卡爾曼濾波器估算法

卡爾曼濾波器估算法是一種基于狀態估計的濾波器。卡爾曼濾波器使用電池的電壓、電荷電流及SOC等變量來構建狀態向量，然后利用測量方程和狀態轉移方程來預測電池的SOC[6]。該方法不僅可以估算電池的SOC，還可以同時估算電池的內阻及測量誤差等變量。

5? ? 動力電池SOC估算方法

5.1? ?電池SOC估算的數學模型

動力電池的充放電過程可以用以下數學模型描述：

Vt=Voc-IRt-K1＼ln{＼frac{St}{1-St}}+K2Qt

其中，式中Vt為電池的實時電壓，Voc是離開內部阻抗考慮的電池開路電壓；I是電池放電電流，Rt是電池內阻，St是動力電池SOC，Qt是電池容量；K1和K2是比例系數。

根據動力電池的充放電過程，電池動力性能是一個非線性時變的過程。因此，要對充放電過程進行準確的SOC估算，需要有效地描述電池的動力學過程，并建立能夠反映充電過程的電池SOC估算模型。

5.2? ?基于擴展卡爾曼濾波算法的SOC估算方法

擴展卡爾曼濾波算法（EKF）是一種基于貝葉斯定理的遞歸濾波算法，能夠在有限的計算內存和計算時間內對動態系統的狀態進行估算。在實際應用中，EKF通常被用于處理具有非線性、時變和不確定性現象的狀態估算問題。

基于EKF算法的SOC估算方法是一種基于模型的估算方法，其主要思路是使用電池數學模型構建電池SOC的非線性度量模型，并結合實驗測量數據，使用EKF算法實現SOC的估算。

具體步驟如下：

1. 電池數學模型建立：使用上文的電池數學模型構建電池SOC的度量模型。

2. 估算系統建立：將SOC作為模型的狀態變量，在系統中引入當前的電池電壓和電流信號。

3. EKF算法實現：利用電池數學模型和實驗測量數據，通過EKF算法實現SOC的實時估算。具體而言，使用EKF算法進行迭代計算方法如下：

（1）預測階段：

其中，式中Xk/k-1為估計的下限值；Xk-1/k-1為在時刻k-1/k-1的值；Ak-1為狀態轉移矩陣；Qk?1為預測過程噪聲。

（2）更新階段：

其中，式中Ck為度量函數，Rk為度量函數的協方差矩陣，Yk為實際測量值，Xk是狀態值。在每一個時間步驟，利用估算電池內部參數和實際測量值的誤差對狀態方程進行修正和校正。

6? ? 實驗結果分析

實驗結果表明，基于模型的估算方法具有較高的估算精度和穩定性。在實際應用中，應根據測量精度、運算速度等因素選擇最合適的估算方法，以實現對動力電池SOC的準確估算和有效管理。利用Matlab軟件進行了實驗驗證，使用了基于化學反應動力學的電池模型，以及兩種濾波器估算方法來估算電池的SOC。實驗結果表明，基于模型的估算方法具有較高的估算精度和穩定性。濾波器估算方法在濾波效果方面較優，但在噪聲較大時有可能出現較大的誤差。卡爾曼濾波器估算法具有較高的估算精度和魯棒性，但是需要較高的計算量。

從實際應用來看，不同電池SOC估算方法在不同的場景下各有優缺點。例如，基于電流積分法可以適應任何放電狀態和放電速度，但不利于實時準確估算電池SOC；基于開路電壓法可以在功耗極小的情況下準確估算SOC，但需要將電池靜置一段時間；基于電化學模型法能夠精確模擬各種電池的電化學反應和傳輸，但實現難度大、計算量大，且需要事先獲得電池的物理和化學參數等諸多先驗信息。

因此，應根據電池類型、電池狀態和使用場景等不同因素，在各種SOC估算方法中選擇最適合的。

7? ? 動力電池SOC的未來發展與展望

目前，動力電池SOC的測量精度和范圍已有了很大提升。而在未來，隨著新能源汽車市場的發展和技術不斷成熟，動力電池SOC也將會有進一步的發展和改進。

7.1? ?動力電池SOC精度的提升

當前，動力電池SOC的精度并不夠高，在實際使用過程中，易受溫度和電流等因素的影響，導致測量誤差較大。未來，隨著新型電池技術的推出和不斷的完善，動力電池SOC精度有望得到進一步提高。例如，目前有一種新型電池技術——全固態電池，利用固態電解質替代液態電解質，使電池能夠實現高能量密度和高安全性，相比傳統電池更加穩定。這種電池技術有望在未來廣泛應用，在新能源汽車中發揮越來越重要的作用，同時也將大大提升動力電池SOC的精度和穩定性。

7.2? ?動力電池SOC測量方法的改進

目前，動力電池SOC的測量方法較為多樣，包括電流積分法、開路電壓法和電化學模型法等。然而，這些方法也存在著不同程度的限制和不足，未來的發展方向將是在現有方法的基礎上，引入更先進的測量技術和手段，來提升測量的準確性和可靠性。

例如，可以利用機器學習等技術來進行動力電池SOC的預測。利用機器學習算法，根據電池的歷史使用數據，可以建立電池SOC的預測模型，根據實時的電流和電壓等參數，實現對電池SOC的實時預測和監測。這種方法的優勢在于可以實現精準的動力電池SOC預測，避免了由于測量誤差和環境因素導致的數據偏差。

7.3? ?動力電池SOC的在線監測

未來，將會出現一些新的在線監測技術和手段來幫助對動力電池SOC進行實時監測和記錄。例如，在將來的智能汽車中，可以利用車載傳感器和無線通信技術，對電池的電流、電壓、溫度等參數進行實時采集，并將數據通過互聯網傳輸到云端，實現動力電池SOC的實時監測和遠程控制。這樣可以大大提高電池的安全性和使用效率。

7.4? ?動力電池SOC的可視化管理

隨著人們對環保意識的提高和新能源汽車市場的快速發展，動力電池SOC的管理也越來越重要。在未來，有望開發出更加智能和可視化的電池管理系統，實現對動力電池SOC的全面監測和管理。

這種管理系統可以將動力電池SOC的監控信息上傳到云端，實現遠程監控和管理。同時，這種系統也可以利用大數據分析技術，實現對動力電池SOC的數據分析和統計，發現電池的潛在問題和異常情況。這樣一種科技手段可以提高電池使用效率，延長電池使用壽命，降低電池故障率。并為國家電網的優化做出一定的貢獻。

7.5? ?動力電池SOC的可充電性能優化

在新能源汽車的使用中，動力電池SOC的可充電性能也是一個重要的問題。目前，大部分的動力電池都存在“容量衰減”問題，即充放電次數增加后，電池容量會不斷下降，影響電量和續航里程。

未來，通過對深度放電和充電次數的有效管理，有望實現動力電池的可充電性能的優化。例如，針對儲能電池中容量衰減問題的特點，可以通過合理的電源設計和控制，來延長電池的使用壽命，提高電池運行效率。而在新型動力電池的開發中，可以充分考慮電池材料的換算率、催化劑等結構設計，來實現電池的高效充電和長壽命。

8? ? 結束語

動力電池SOC是電動車關鍵的能量管理指標之一，準確地估算電池的充放電狀態可以幫助電動車駕駛員管理電池電量，避免過度充放電，延長電池壽命，同時也有利于提高電動車的能量利用率和行駛里程。本文將介紹一種基于動力電池SOC的應用——智能節能充電管理系統，該系統結合了電動車充電和駕駛狀態，以動力電池SOC為主要參考標準，自動優化電動車的充電和駕駛策略，實現最優化的能源利用和經濟性目標。

作為新能源汽車的核心組成部分，動力電池SOC的發展和改進將會成為未來新能源汽車產業的重點發展方向之一。隨著技術的不斷更新和市場的逐步成熟，相信未來將會有更多的技術和手段出現，來實現動力電池SOC的精確測量和管理。這將有助于提升新能源汽車的核心競爭力，推動新能源汽車市場快速發展，同時配合智能節能充電管理系統，不僅能更好地服務消費者，還可以通過優化運營體系，以數據分析為助推力，綜合制定能源使用策略，確保可持續、規范化的用能模式，當發展到一定程度后，動力電池SOC的作用就不再是單一的了，還可以將其置入國家電力儲能中，在我國能源系統中都會具有重要的作用和應用價值。

參考文獻：

[1]黃正軍，方永壽.基于UD分解自適應EKF的鋰電池SOC估算[J].傳感技術學報，2020，33（04）：552-556.

[2]張易航，王鼎，肖圍，等.鋰離子電池SOC估算方法概況及難點分析[J].電源技術，2019，43（11）：4.DOI：CNKI：SUN：DYJS.0.2019-11-043.

[3]譚澤富，孫榮利，楊芮，等.電池管理系統發展綜述[J].重慶理工大學學報：自然科學，2019， 33（9）：6.DOI：CNKI：SUN：CGGL.0.2019-09-006.

[4]田甜.混合動力汽車電池模型辨識及SOC估計方法研究[D].合肥工業大學，2012.DOI：10.7666/d.Y2177779.

[5]陳波.動力電池SOC估算研究與實現[D].桂林電子科技大學，2014.DOI：10.7666/d.D553182.

[6]趙中華，晏曉鋒，童有為.基于自適應漸消擴展卡爾曼濾波的鋰離子電池SOC估計[J].廣西師范大學學報：自然科學版，2023，41（1）：58-66.

專家推薦語

王云中

東風汽車集團有限公司技術中心

前瞻研究中心? 研究員級高級工程師

該論文對動力電池SOC的測量和估算方法進行了廣泛的綜述，覆蓋了多種方法和技術，為讀者對電池SOC的計算的幾種常見方法和基本理論提供了全面的了解。