《動力蓄電池及管理系統(tǒng)檢修》 課件 任務三 電池單體SOC估算

任務三電池單體SOC估算《動力蓄電池及管理系統(tǒng)檢修》比亞迪電池組裝車間小王去到比亞迪電池組裝車間進行參觀學習，好奇的問道李師傅：“李師傅，電動汽車儀表上的SOC是什么意思？和電池有什么關系呢？”李師傅回答道：“SOC反應了電池的剩余電量狀況，與電池電壓存在對應關系”。本任務將學習如何準確規(guī)范地檢測電池單體電壓，并根據(jù)檢測結果對電池SOC進行粗略估算。電池單體SOC是什么？電池組裝工李師傅、參觀學習學生小王電池單體SOC是如何進行估算的？能按照電池單體OCV-SOC曲線測繪方法，通過萬用表測量每一工步電池單體的電壓值，準確繪制出OCV-SOC曲線。能按照SOC估算方法，利用繪制的電池單體OCV-SOC曲線，準確估算電池當前SOC。電池電壓相關參數(shù)（1）電動勢：

電池正極與負極平衡電勢（平衡電位的差值），一般用E表示。電動勢即電子運動的趨勢，能夠克服導體電阻對電流的阻力，使電荷在閉合的導體回路中流動的一種作用。這種作用來源于相應的物理效應或化學效應，通常還伴隨著能量的轉換，因為電流在導體中（超導體除外）流動時要消耗能量，這個能量必須由產(chǎn)生電動勢的能源補償。電池單體OCV-SOC曲線測繪電池電壓相關參數(shù)（2）開路電壓（OCV）：OCV指的是鋰電池在斷路條件，內部無化學反應時的端電壓，即外電路中沒有電流流過時，電池正、負兩極之間的電位差。一般情況下，電池的開路電壓小于它的電動勢。由于電池內部的極化效應，鋰電池斷開負載電路時，電池端電壓會逐漸降低。當電池內部無化學反應，端電壓達到平衡，此時的端電壓值為OCV，理論上其值等于電動勢。因此，OCV可作為SOC估計中的一個重要參數(shù)。在電池工作過程中，如果實際工作電壓高于額定電壓過多，充電時正極的鋰離子將過度逃逸至負極，堆積的鋰離子不能及時嵌入負極活性材料中，在增加短路風險的同時還會破壞晶格結構的穩(wěn)定性，存在安全隱患；當實際工作電壓長時間低于電池設計的截止電壓時，電池負極的碳元素集流體在放電時可能出現(xiàn)分解，從而導致電池漏液。電池單體OCV-SOC曲線測繪電池電壓相關參數(shù)（3）工作電壓：電池在工作狀態(tài)下（即電路中有電流流過時）電池正負極之間的電勢差。工作電壓又稱端電壓，是指電池在工作狀態(tài)下即電路中有電流流過時電池正負極之間的電勢差。在電池放電工作狀態(tài)下，當電流流過電池內部時，需克服電池的內阻所造成阻力，會造成歐姆壓降和電極極化，故工作電壓總是低于開路電壓，充電時則與之相反，端電壓總是高于開路電壓。即極化的結果使電池放電時端電壓低于電池的電動勢，電池充電時，電池的端電壓高于電池的電動勢。由于極化現(xiàn)象的存在，會導致電池在充放電過程中瞬時電壓與實際電壓會產(chǎn)生一定的偏差。充電時，瞬時電壓略高于實際電壓，充電結束后極化消失，電壓回落；放電時，瞬時電壓略低于實際電壓，放電結束后極化消失，電壓回升。電池單體OCV-SOC曲線測繪荷電狀態(tài)（SOC）定義（4）標稱電壓：鋰電池荷電狀態(tài)也叫電池的SOC，全稱是StateofCharge，荷電狀態(tài)，也叫剩余電量，反應電池的剩余電量狀況，是電池使用過程中的重要參數(shù)，代表的是鋰電池在一定放電倍率下，剩余容量與相同條件下額定容量的比值，常用百分數(shù)表示，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，因此SOC的數(shù)值范圍為0≤SOC≤100%。電池單體OCV-SOC曲線測繪電池單體OCV-SOC曲線（4）標稱電壓：SOC-OCV曲線是我們電池在SOC標定過程中非常重要的一條曲線，通常在電動汽車運行了一段時間后，在車輛靜置再啟動前，BMS會調用這個曲線，對SOC值進行一次矯正，并通過一定的算法和其他矯正系數(shù)得到一個SOC值的更新，因此這個曲線的準確性尤為重要，直接關系到了SOC的精度。電池單體SOC與OCV存在一一對應關系，即OCV-SOC曲線。電池單體OCV-SOC曲線測繪（a）三元鋰電池（b）磷酸鐵鋰電池電池單體OCV-SOC曲線（4）標稱電壓：電池單體SOC與OCV存在一一對應關系，即OCV-SOC曲線。電池單體OCV-SOC曲線測繪（c）鈦酸鋰電池電池單體OCV-SOC曲線測繪方法（1）選定某一電池單體，分別測量從0到100%之間不同SOC對應的OCV值。使用萬用表檢測電池單體正負極端子之間的電壓值，檢測值稱為端電壓。電池單體不工作時，端電壓為開路電壓；電池工作時，端電壓為工作電壓。注意：電壓值的讀數(shù)需精確到mV級別。（2）根據(jù)檢測結果，通過描點連線方式繪制所測電池單體的OCV-SOC曲線。電池單體OCV-SOC曲線測繪電池單體電壓取點方法選定待測電池單體。在動力蓄電池檢測教學平臺選定某一電池單體，并設定電池種類。設置工步。根據(jù)鋰離子蓄電池的OCV-SOC曲線特性，在SOC較低和較高的區(qū)間設置較多的取點數(shù)，在中間段設置較少的取點數(shù)，如圖所示。電池單體OCV-SOC曲線測繪OCV-SOC曲線測繪工步設置報數(shù)法任意指派一名學生開始從1-5依次報數(shù)報相同數(shù)目的同學為一組電池單體OCV-SOC曲線測繪電池單體OCV-SOC曲線測繪資料員負責查閱動力電池檢測教學平臺使用說明書。小組討論設計電池單體電壓取點數(shù)。記錄員正確記錄每個點對應的電壓值。完成電池單體OCV-SOC曲線測繪電池單體OCV-SOC曲線測繪電池單體OCV-SOC曲線測繪匯報時闡述操作步驟報告小組分工情況報告小組工作目標動力蓄電池檢測教學平臺絕緣手套、護目鏡、安全帽、耐磨手套維修手冊、動力蓄電池檢測教學平臺及使用說明書、萬用表、紙筆、直尺教學實訓平臺說明書電池單體OCV-SOC曲線測繪電池放電時小心觸電。小心重物砸腳。小心頭部磕碰。在動力蓄電池檢測教學平臺設定電池種類。設置工步時，在SOC較低和較高區(qū)間設置較多取點數(shù)。在中間段設置較少取點數(shù)。電池單體OCV-SOC曲線測繪開始試驗，使用萬用表檢測每一工步電池單體的電壓值，并將結果記錄在表中。電池單體OCV-SOC曲線測繪電池單體OCV-SOC曲線測繪SOCOCVSOCOCV0

4%

8%

12%

16%

20%

40%

60%

80%

84%

88&

92%

96%

100%

電池單體端電壓檢測記錄電池單體OCV-SOC曲線測繪電池單體OCV-SOC曲線繪制SOC估算的目的SOC（荷電狀態(tài)）簡單的說就是電池還剩下多少電，SOC是BMS系統(tǒng)中最重要的參數(shù)，因為其他車輛相關設置均是以SOC為基礎的，所以它的精度和健壯性極其重要。SOC算法一直是鋰離子電池管理系統(tǒng)(BMS)開發(fā)應用的關鍵技術之一。電池單體SOC估算估算電動汽車續(xù)駛里程。12有效提高電池利用效率，延長使用壽命；高精度的SOC估算可以使鋰離子電池組發(fā)揮最大的效能。3保證電池的使用安全，有效降低所需要的電池成本。SOC估算方法電池單體SOC估算安時積分法開路電壓法卡爾曼濾波法電池模型法神經(jīng)網(wǎng)絡法放電實驗法SOC估算方法電池單體SOC估算（1）放電實驗法原理：以恒定的電流使電池處于不間斷的放電狀態(tài)，當放電到達截止電壓時對所放電量進行計算。優(yōu)點：方法簡單，估算精度也相對較高缺點：不可以帶負載測量，需要占用大量的測量時間，放電測量時，必須中斷電池之前進行的工作，使電池置于脫機狀態(tài)，不能在線測量。SOC估算方法電池單體SOC估算（2）開路電壓法開路電壓法估算SOC是將電池充分靜置（一般需要1小時以上），使電池端電壓恢復至開路電壓，通過測量電池的開路電壓，通過OCV-SOC曲線估算電池當前SOC值。SOC估算方法電池單體SOC估算（2）開路電壓法由于開路電壓法需要電池進行較長時間的靜置，而且有些電池存在電壓平臺，比如磷酸鐵鋰電池，在SOC30%～80%之間，OCV-SOC曲線近視為直線，導致SOC估算精度不夠，而且不適用于動態(tài)估算。所以通常將開路電壓法與其他方法結合起來進行SOC估算。SOC估算方法電池單體SOC估算（2）開路電壓法優(yōu)點操作簡單，只需測量開路電壓值對照特性曲線圖即可獲得荷電狀態(tài)值。缺點①電池須經(jīng)過長期靜置，但電動汽車啟動頻繁，開路電壓短時間內很難穩(wěn)定；②電池存在電壓平臺，特別是磷酸鐵鋰電池，在SOC30%-80%期間，端電壓和SOC曲線近似為直線；③電池處于不同溫度或不同壽命時期，盡管開路電壓一樣，但實際上的SOC差別可能較大。SOC估算方法電池單體SOC估算（3）安時積分法安時積分法是在初始時刻SOC的基礎上估算電池當前的SOC。通過計算一定時間內充放電電流和對應時間的積分，從而計算變化電量的百分比，最終求出初始SOC和變化的SOC之間的差值，即當前時刻的SOC。

SOC估算方法電池單體SOC估算（3）安時積分法安時積分法在估算過程中只需實時監(jiān)測電池的電流，然后通過計算得出SOC。由于安時積分存在誤差，而且隨著時間的增加，累計誤差會越來越大，所以單獨采用安時積分法對電池SOC進行估算不能取得較高的精度。

SOC估算方法電池單體SOC估算（3）安時積分法實時測量電池包主回路電流，并將其對時間積分，充電為負放電為正。放電過程，用初始電量減去積分結果，得到當前電量;充電過程，用初始電量加上積分結果，得到當前電量。安時積分法的一個問題是，初始電量的判斷，無法直接得到。另外，由于系統(tǒng)電流的波動性很大，而電流采樣是間隔一定時間進行一次，使得采樣值與一段時間的平均值并不一定近似，長時間累積下來，造成比較明顯的誤差，并且誤差不是安時積分法自己能夠消除的。因此，安時積分的實際應用必須與其他方法相結合，解決初值和累積誤差的問題。SOC估算方法電池單體SOC估算（3）安時積分法該估算方法存在著誤差，主要來源于三個方面：①電流采樣造成誤差：采樣精度、采樣間隔。②電池容量變化造成誤差：溫度變化、電池老化、充放電倍率不同、電池自放電。③SOC：初始SOC估算困難、最終SOC過程取舍誤差。安時積分法只單純從外部記錄進出電池的電量，但忽略了電池內部狀態(tài)的變化。同時電流測量不準，造成SOC計算誤差會不斷累積，需要定期不斷校準。SOC估算方法電池單體SOC估算（4）卡爾曼濾波法卡爾曼濾波算法是利用時域狀態(tài)空間理論的一種最小方差估計，屬于統(tǒng)計估計的范疇，宏觀上就是盡可能減小和消除噪聲對觀測信號的影響，其核心是最優(yōu)估計，即系統(tǒng)的輸入量在預估基礎上對狀態(tài)變量進行的有效修正。A將噪聲與信號的狀態(tài)空間模型作為算法模型，在測量時，應用當前時刻的觀測值與上一時刻的估計值，對狀態(tài)變量的估算進行更新。原理C對電池模型的準確程度依賴較大，為了提高該算法預測結果的準確性和精度，需要建立可靠的電池模型。算法相對比較復雜，其計算量也相對較大，對運算器的性能有較高要求。缺點B適合計算機對數(shù)據(jù)進行實時運算處理，應用范圍廣，可以用于非線性系統(tǒng)，對行駛過程中電動汽車的荷電狀態(tài)預測具有較好的效果。優(yōu)點D廣泛應用于航天、通信、導航、控制、圖像處理等領域。對于動力電池采用卡爾曼濾波進行SOC估算，是當前非常主流的一個方向。應用SOC估算方法電池單體SOC估算（5）神經(jīng)網(wǎng)絡法神經(jīng)網(wǎng)絡法是模擬人腦及神經(jīng)元來處理非線性系統(tǒng)的新型算法。神經(jīng)網(wǎng)絡的目的是模仿人類的智能行為，通過并行結構與自身較強的學習能力獲得數(shù)據(jù)表達的能力，能夠在外部激勵存在時給出相應的輸出響應，并使具有良好的非線性映射能力。無需深入研究電池的內部結構，只需提前從電池中提取出符合工作特性的輸入與輸出樣本，并將其輸入到建立系統(tǒng)中，就能獲得運行中的SOC值。SOC估算方法電池單體SOC估算（5）神經(jīng)網(wǎng)絡法神經(jīng)網(wǎng)絡法應用于鋰電池荷電狀態(tài)檢測的原理是：將大量相對應的電壓、電流等外部數(shù)據(jù)以及電池的荷電狀態(tài)數(shù)據(jù)作為訓練樣本，通過神經(jīng)網(wǎng)絡自身學習過程中輸入信息的正向傳播和誤差傳遞的反向傳播反復進行訓練和修改，在預測的荷電狀態(tài)達到設計要求的誤差范圍內時，通過輸入新的數(shù)據(jù)來得到電池的荷電狀態(tài)預測值。SOC估算方法電池單體SOC估算（5）神經(jīng)網(wǎng)絡法神經(jīng)網(wǎng)絡法估算SOC后期處理相對簡單，即能有效避免卡曼濾波法中需要將電池模型作線性化處理后帶來的誤差，又能實時地獲取電池的動態(tài)參數(shù)。但神經(jīng)網(wǎng)絡法需要大樣本數(shù)據(jù)，樣本對訓練結果有重大影響，需要篩選合適樣本，取樣工作量大。SOC估算方法電池單體SOC估算（5）神經(jīng)網(wǎng)絡法基于BP人工神經(jīng)網(wǎng)絡的動力電池SOC估算方法，以三元軟包電池作為實驗對象，通過對電池電壓、電流、內阻及溫度的數(shù)據(jù)采集，獲得海量數(shù)據(jù)。在實際使用過程中，隨著電池包工作循環(huán)次數(shù)的增加，BMS內部的均衡模塊會對各單體間的差異進行均衡，最大限度地消除不一致性。但神經(jīng)網(wǎng)絡法需要大樣本數(shù)據(jù)，樣本對訓練結果有重大影響，需要篩選合適樣本，取樣工作量大。實驗中，為盡可能降低單體不一致性對實驗數(shù)據(jù)采集的影響，選用最新成組并通過質量測試的電池包，此時的單體不一致性最小，對實驗數(shù)據(jù)采集影響、采集誤差也最小。建立電池的等效電路模型，考慮電池極化、充放電倍率及溫度的影響對初始數(shù)據(jù)進行修正。數(shù)據(jù)修正后用于網(wǎng)絡模型的訓練，并驗證了模型的可行性。SOC估算方法電池單體SOC估算（5）神經(jīng)網(wǎng)絡法基于MATLAB平臺建立BP人工神經(jīng)網(wǎng)絡模型，將模型用于實驗數(shù)據(jù)的預測，神經(jīng)網(wǎng)絡對此類系統(tǒng)預測的精確度高低依賴于數(shù)據(jù)量基礎，數(shù)據(jù)的缺乏將大大降低預測的精度。試驗收集到整個電池包完整的充放電循環(huán)數(shù)據(jù)用于函數(shù)擬合，海量的數(shù)據(jù)提高了函數(shù)擬合的精確度，增強了訓練網(wǎng)絡的穩(wěn)定性。訓練好的神經(jīng)網(wǎng)絡模型，將直接應用于實驗數(shù)據(jù)的仿真。通過函數(shù)擬合實現(xiàn)了SOC的估算。最后，通過對比SOC的預測值與實際測量值，最終證明建立的人工神經(jīng)網(wǎng)絡模型對SOC估算的有效性?；貧w圖性能圖SOC估算方法電池單體SOC估算（5）神經(jīng)網(wǎng)絡法基于MATLAB平臺建立BP人工神經(jīng)網(wǎng)絡模型，將模型用于實驗數(shù)據(jù)的預測，神經(jīng)網(wǎng)絡對此類系統(tǒng)預測的精確度高低依賴于數(shù)據(jù)量基礎，數(shù)據(jù)的缺乏將大大降低預測的精度。試驗收集到整個電池包完整的充放電循環(huán)數(shù)據(jù)用于函數(shù)擬合，海量的數(shù)據(jù)提高了函數(shù)擬合的精確度，增強了訓練網(wǎng)絡的穩(wěn)定性。訓練好的神經(jīng)網(wǎng)絡模型，將直接應用于實驗數(shù)據(jù)的仿真。通過函數(shù)擬合實現(xiàn)了SOC的估算。最后，通過對比SOC的預測值與實際測量值，最終證明建立的人工神經(jīng)網(wǎng)絡模型對SOC估算的有效性。SOC仿真曲線SOC誤差曲線SOC估算方法電池單體SOC估算結論②通過分析電池老化及建立等效電路模型，建立修正公式對采集到的數(shù)據(jù)進行修正，可以有效提高數(shù)據(jù)采集的準確性；①采用整包電池組實驗采集到龐大的數(shù)據(jù)量，數(shù)據(jù)量直接影響函數(shù)的擬合性能，數(shù)據(jù)基礎的提高可以有效提高估算結果的有效性；③提高精度的同時結合神經(jīng)網(wǎng)絡處理龐大數(shù)據(jù)量的可靠性能實現(xiàn)函數(shù)擬合，應用于SOC的估算，相比于當下研究較熱的白箱模型和灰色模型估算剩余電量，神經(jīng)網(wǎng)絡在模型復雜程度低、可高效處理大量數(shù)據(jù)的前提下保證了估算結果的準確性及可靠性。動力電池SOC估算方法缺陷電池組一致性問題是電池組使用期間的最常見問題，也是最難以解決的技術難題，對于電動汽車而言，非常影響車輛的實際充放電電量和汽車的續(xù)航里程，情況嚴重的還會發(fā)生熱失控故障并引發(fā)車輛自燃，車載BMS的SOC估算準確度往往都是建立在電池組一致性良好的情況下，電池組一致性問題的存在將徹底擾亂SOC估算準確性。電池單體SOC估算動力電池SOC估算方法缺陷在BMS中，SOC(電池荷電狀態(tài))、SOP(電池能源狀態(tài))、SOH(電池健康狀態(tài))都是非常重要的管理指標，直接關系到BMS的管理質量和成敗，特別是實時SOC值，匹配一個與之相對應的預估行駛里程，它是使用者在實際使用中判斷電池系統(tǒng)狀態(tài)的依據(jù)，直接影響出行計劃的安排和實施。電池單體SOC估算動力電池SOC估算方法缺陷在上述各種估算方法中，都是建立在電池組一致性良好的條件下，均存在一個嚴重缺陷，那就是如果電池組發(fā)生了一致性問題，特別是一致性問題突出的情況下，SOC估算就會產(chǎn)生非常大的估算誤差，給使用者帶來誤導甚至引發(fā)事故。例如，電動汽車出發(fā)前顯示可行駛里程遠遠高于駕駛者的實際路程，但行駛途中卻突然急速掉電，甚至突然沒電，半路拋錨，如果是在高速公路上行駛，非常容易發(fā)生被追尾事件。電池單體SOC估算影響SOC估算的因素鋰離子動力電池組的實時SOC是一個變量，無法直接測量，不能通過傳感器件直接測量得到，在工作時會受到外部環(huán)境多方面因素的影響。包括溫度、放電電流、放電倍率、內阻、自放電率、衰減程度等等。在上述因素中，影響最大的因素是電池組的衰減程度