動(dòng)力電池的SOC估計(jì)方法分析

1、動(dòng)力電池的soc估計(jì)方法分析摘要：動(dòng)力電池的荷電狀態(tài)(state of charge, soc)代表了電池內(nèi)部存儲(chǔ)電量的多少，是電池最重 要的狀態(tài)量之一。soc估計(jì)算法是所有電池管理算法 的基礎(chǔ)，電池soc的估計(jì)也是一直以來(lái)電池研究的重 點(diǎn)、熱點(diǎn)和難點(diǎn)。本文分析了 5種估計(jì)動(dòng)力電池soc 的原理，并且比較了5種估計(jì)方法的優(yōu)點(diǎn)和缺點(diǎn)，最 后分析了 soc估計(jì)算法的研究方向。關(guān)鍵詞：荷電狀態(tài)；安時(shí)法；開(kāi)路法；卡爾曼濾 波法；狀態(tài)觀測(cè)器法；神經(jīng)網(wǎng)絡(luò)法1引言純電動(dòng)汽車(chē)性能的優(yōu)劣在一定程度上取決于動(dòng)力 電池的性能，動(dòng)力電池的工作性能取決于電池管理系 統(tǒng)(battery management system

2、，bms)，因此，每臺(tái) 電動(dòng)汽車(chē)都配置了 bms，bms是電動(dòng)汽車(chē)的核心技術(shù)， 其主要功能是在復(fù)雜的行駛環(huán)境下檢測(cè)電池的工作狀 態(tài)，有效管理和控制電池。電池的狀態(tài)包括電池的荷 電狀態(tài)(soc)和健康狀態(tài)(state of health, soh)。 bms是以準(zhǔn)確估計(jì)電池soc為核心的技術(shù)，并且電池 的soc值是bms采取相應(yīng)控制策略的主要依據(jù)之一。對(duì)于電動(dòng)汽車(chē)，實(shí)時(shí)準(zhǔn)確地獲得電池組的soc是保證 電動(dòng)汽車(chē)正常行駛的重要前提。精確估計(jì)電池的soc, 可以防止電池過(guò)充或過(guò)放電，對(duì)電池具有保護(hù)作用， 使電池處于良好的工作狀態(tài)，延長(zhǎng)電池的使用使用壽 命，降低維護(hù)成本。美國(guó)先進(jìn)電池聯(lián)合會(huì)在電動(dòng)汽車(chē)電池

3、實(shí)驗(yàn)手冊(cè) 中定義了電池荷電狀態(tài)(soc)，它是在一定的放電倍 率條件下，電池的剩余電量與相同條件下額定容量的 比值，即(1)式中為剩余電量；為電池以恒定電流放電時(shí)具 有的容量。近年來(lái)，研宄人員對(duì)電池soc估計(jì)算法做了大量 的研宄工作，提出了許多估計(jì)算法，如發(fā)電實(shí)驗(yàn)法、 ah法、開(kāi)路電壓法、卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法、模 糊控制法和狀態(tài)觀測(cè)器法等，這些估計(jì)算法各有特點(diǎn)。 根據(jù)soc估計(jì)算法的研究和應(yīng)用現(xiàn)狀，下文將重點(diǎn)分 析安時(shí)法(ah)、開(kāi)路電壓法、卡爾曼濾波法、神經(jīng) 網(wǎng)絡(luò)法和狀態(tài)觀測(cè)器法等方法的基本原理、優(yōu)點(diǎn)和缺 點(diǎn)。2常用的soc估計(jì)算法分析2.1安時(shí)法(ah)在soc估計(jì)方法中，基于soc定

4、義的安時(shí)法是最 常用的方法。若電池初始狀態(tài)為，則ah法的計(jì)算公式:(2)其中，c為電池額定容量，i為負(fù)載電流，為充放電效率。ah法簡(jiǎn)單易用，算法穩(wěn)定，是目前使用最多的一 種估計(jì)方法，常作為其它soc估計(jì)方法的對(duì)比驗(yàn)證方 法。但是，該方法需要考慮soc初值精度和積累誤差 等問(wèn)題1，2，為了提高安時(shí)法的估計(jì)精度，文獻(xiàn)3, 4探討了容量、溫度和放電電流等因素對(duì)估計(jì)精度的 影響。2.2開(kāi)路電壓法開(kāi)路電壓法是利用電池的soc與開(kāi)路電壓(ocv) 的單調(diào)性關(guān)系來(lái)估計(jì)電池的soc，測(cè)得電壓ocv，再 通過(guò)簡(jiǎn)單的查表即可得到電池soc。ocv隨soc的變 化率越大，估計(jì)結(jié)果越準(zhǔn)確，電池的soc接近1或0 時(shí)，

5、ocv隨soc急劇變化，文獻(xiàn)5利用這一特點(diǎn)，用 ocv修正了 soc估計(jì)值，其它區(qū)域ocv隨soc變化 比較緩慢，稱為“平臺(tái)區(qū)”，但是在實(shí)際應(yīng)用中，該方 法需要長(zhǎng)時(shí)間空載靜置后才能測(cè)量電池端電壓ocv。 雖然v.pop等人利用emf-soc模型改進(jìn)了該估計(jì)算法6,仍然只能在電動(dòng)汽車(chē)長(zhǎng)時(shí)間駐車(chē)后才能使用。因 此，電壓開(kāi)路法估計(jì)soc不能做到實(shí)時(shí)在線估計(jì)。2.3卡爾曼濾波法卡爾曼濾波是一種先進(jìn)的估計(jì)算法，也是目前應(yīng) 用最廣泛的soc估計(jì)算法7。卡爾曼濾波法是基于系 統(tǒng)狀態(tài)空間模型估計(jì)soc，在該方法中，soc必須作 為系統(tǒng)的一個(gè)狀態(tài)變量，這是卡爾曼濾波算法估計(jì) soc的前提?？柭鼮V波算法采用預(yù)測(cè)

6、和校正的思想來(lái)估計(jì)系 統(tǒng)狀態(tài)。首先，根據(jù)建立的模型，計(jì)算出狀態(tài)的預(yù)測(cè) 值，然后計(jì)算預(yù)測(cè)值與實(shí)際輸出的差值，再用差值修 正預(yù)測(cè)值，進(jìn)而得到較為準(zhǔn)確的狀態(tài)估計(jì)值8, 9。相比較安時(shí)法，卡爾曼濾波法引入了反饋的思想來(lái)估 計(jì)soc，因此，在實(shí)際使用中更適合于電流變化劇烈 且電池常處于充電或放電的環(huán)境，卡爾曼濾波對(duì)噪聲 有很強(qiáng)的抑制作用，并且對(duì)初值不敏感，因此，估計(jì) 結(jié)果的精度高，尤其適用于動(dòng)力電池的soc估計(jì)?？?爾曼濾波算法的主要缺點(diǎn)是估計(jì)精度取決于其模型參 數(shù)的準(zhǔn)確性，所以電池模型參數(shù)的精度會(huì)影響估計(jì)精 度。此外，卡爾曼濾波算法的運(yùn)算量大，需要用運(yùn)算 速度較快的處理器。2.4狀態(tài)觀測(cè)器法狀態(tài)觀測(cè)器

7、法包括觀測(cè)器、自適應(yīng)觀測(cè)器、滑模觀測(cè)器等。沈陽(yáng)自動(dòng)化所的機(jī)器人學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室 將開(kāi)路電壓ovc與soc的關(guān)系看作一種動(dòng)態(tài)關(guān)系，建 立了電池的非線性模型，并且設(shè)計(jì)觀測(cè)器使干擾和模 型不確定因素造成的估計(jì)誤差小于某一設(shè)定的干擾調(diào) 節(jié)水平，使得soc的估計(jì)誤差滿足漸進(jìn)穩(wěn)定10;北 京理工大學(xué)的學(xué)者通過(guò)實(shí)驗(yàn)測(cè)試，建立了參數(shù)隨soc 變化的參數(shù)模型，由于電池模型參數(shù)的變化，建立了 增益可變的自適應(yīng)觀測(cè)器。用它自適應(yīng)調(diào)整電池的輸 出電壓值和電池測(cè)量電壓值之間的誤差，從而提高 soc的估計(jì)精度。為了克服電池模型的不確定性、測(cè) 量噪聲等因素的影響，可以采用滑模觀測(cè)器（sliding mode observe

8、r, smo）方法估計(jì)soc，這種方法需要 對(duì)電池動(dòng)力學(xué)特性有詳盡了解，并恰當(dāng)?shù)剡x擇smo的 參數(shù)（如模型不確定性等），在soc估計(jì)中，需要權(quán) 衡soc估計(jì)值的振蕩幅度和收斂速度。文獻(xiàn)9提出了 一種自適應(yīng)變?cè)鲆婊Ｓ^測(cè)器（adaptive switchinggain sliding mode observer, asgsmo）估計(jì) soc 的方 法，與傳統(tǒng)的滑模觀測(cè)器比較，在估計(jì)過(guò)程中asgsmo 能自整定觀測(cè)器增益，從而降低估計(jì)值的震動(dòng)幅值， 提高soc估計(jì)精度，同時(shí)補(bǔ)償?shù)刃щ娐纺Ｐ偷膮?shù)變 化引起的誤差。2.5神經(jīng)網(wǎng)絡(luò)法神經(jīng)網(wǎng)絡(luò)法的突出優(yōu)點(diǎn)是不需要研宄對(duì)象的精 確數(shù)學(xué)模型，而是通過(guò)學(xué)習(xí)和訓(xùn)

9、練來(lái)解決非線性問(wèn)題， 神經(jīng)網(wǎng)絡(luò)估計(jì)電池的soc是一種先進(jìn)的估計(jì)方法。通 過(guò)對(duì)不同放電陪率，不同放電深度，不同電池溫度等 各種環(huán)境進(jìn)行多次重復(fù)充放電實(shí)驗(yàn)，獲取足夠的實(shí)驗(yàn) 數(shù)據(jù)，但是僅有這些實(shí)驗(yàn)數(shù)據(jù)是不夠的，還需要訓(xùn)練 這些實(shí)驗(yàn)數(shù)據(jù)，使其有機(jī)的組合在一起，最后得到所 需的神經(jīng)網(wǎng)絡(luò)層。從理論上分析，神經(jīng)網(wǎng)絡(luò)的層數(shù)越 多，建立的模型越精確，但是在實(shí)際工程中隨著網(wǎng)絡(luò) 層數(shù)的增加，計(jì)算量也相應(yīng)增大，原則上神經(jīng)網(wǎng)絡(luò)不 超過(guò)5層11。神經(jīng)網(wǎng)絡(luò)估計(jì)精度受訓(xùn)練數(shù)據(jù)和訓(xùn)練 方法的影響也比較大，如果訓(xùn)練方法不當(dāng)，soc的估 計(jì)精度不高；若訓(xùn)練數(shù)據(jù)不夠全面，神經(jīng)網(wǎng)絡(luò)法得到 的soc估計(jì)值也存在偏差。因此，基于神經(jīng)網(wǎng)絡(luò)的

10、估 計(jì)算法需事先測(cè)試在各種環(huán)境下的電池參數(shù)，獲取訓(xùn) 練數(shù)據(jù)，原則上應(yīng)該窮極所有條件下的測(cè)試，所以工 作量非常大。除上述主要方法之外，還有一些其它方法估計(jì)電 池的soc也頗有成效。如文獻(xiàn)12中所應(yīng)用的模糊邏 輯法，此種方法接近人的形象思維方式，有利于定性 的分析和推理，從系統(tǒng)的輸入、輸出樣本中獲取系統(tǒng) 的輸入-輸出關(guān)系。模糊邏輯方法估計(jì)soc 般以電池 端電壓和電流作為輸入量，通過(guò)分析電壓、電流的分 布特性，確定隸屬函數(shù)；通過(guò)分析電壓、電流在每一 個(gè)工作區(qū)域內(nèi)與soc之間的關(guān)系，確定估計(jì)時(shí)輸入量 與輸出量之間遵循的準(zhǔn)則。但是，由于電池的容量、 型號(hào)不同，通過(guò)實(shí)驗(yàn)得到的專家經(jīng)驗(yàn)并非都通用，這 使得

11、需要做大量實(shí)驗(yàn)來(lái)獲取足夠多的專家經(jīng)驗(yàn)。因此， 該方法的不足是工作量巨大且通用性差。3結(jié)論綜上所述，有些估計(jì)方法雖然原理簡(jiǎn)單、易于實(shí) 現(xiàn)、適用性強(qiáng)，但是存在精度低、耗時(shí)較長(zhǎng)以及無(wú)法 在線應(yīng)用等缺點(diǎn)。近年來(lái)，國(guó)內(nèi)外一直專注于基于模 型的估計(jì)方法，模型的精度很大程度上影響了電池 soc估計(jì)精度。所以，今后不僅要致力于研究精度高、 魯棒性強(qiáng)的soc估計(jì)算法，還需全面了解電池特性， 研宄高精度、普適性的電池模型，兩者結(jié)合以滿足soc 的在線估計(jì)精度。參考文獻(xiàn)：l zhu c，coleman m, hurley w.state of charge determination in a lead-acid

12、battery： combined emf estimation and ah-balance approachc/power electronics specialists conference, 2004.pesc04.2004ieee 35th annual.2004, 3： 1908-1914.2 caumonto，lemoignep，rombautc，etal.energy gauge for lead-acid batteries in electric vechiclesj.energy conversion，ieee transactions on， 2000, 15： 354

13、-360.2 李哲，仝猛，盧蘭光.動(dòng)力型鉛酸及l(fā)ifepo4鋰電池電池的容量特性j.電池，2009, 39： 26-28.3 田碩，李哲，盧蘭光.hev用動(dòng)力蓄電池的最大 充電性能j.電池，2008, 38： 27-30.4 lee s, kimj，leej，eta i.the state and parameter estimation of an li-ion battery using a new ocv-soc conceptc./power electronics specialists conference 2007.pesc2007.ieee.2007： 2799-2803.5

14、張金靈.電動(dòng)汽車(chē)智能電池系統(tǒng)的研究d.北京: 北京交通大學(xué)，2010.6 pop v, bergveld h, notten p，et al.accuracy analysis of the state-of-charge and remaining run-time determination for lithium-ion batteriesj.measurement, 2009, 42： 1311-1138.7 han j.kim d, sunwoo m.state-of-charge estimation of lead-acid batteries using and adaptiv

15、e extended kalman filterj journal of power source，2009, 188： 606-612.8 xiaosong hu, fengchun sun, et al.estimation of state of charge of a lithium-ion battery pack for electric vehicles using an adaptive luenbergerobserverj.energies, 2010，3: 1586-103.9 xiaopeng chen, weixiang shen, zhenwei cao et al

16、.a novel approach for state of charge estimation based on adaptive switching gain sliding mode observer in electric vehiclesj journal of power sources，2014, 246： 667-678.10 張飛，劉光軍，旁立金等。一種基于觀測(cè)器 的電荷狀態(tài)估計(jì)剛發(fā)p.自動(dòng)化與儀表，2010, 4： 1-5.11 xu l，wang j.chen q.kalman filter state of charge estimation for battery management system based on a stochastic fuzzy neural