在電動(dòng)汽車中我們要避免電池的過(guò)放電、過(guò)度充電和過(guò)熱等等,因?yàn)橐淮芜^(guò)放電就會(huì)造成電池的永久性損壞,過(guò)熱甚至?xí)?dǎo)致電池爆炸,這都是BMS(Battery Management System),即動(dòng)力電池管理系統(tǒng)要嚴(yán)格控制的,其中控制的基礎(chǔ)參數(shù)便是SOC(State of Charge)。
什么是SOC?
SOC即電池的荷電狀態(tài),定義為在一定的放電電流下,當(dāng)前電池的剩余電量與總的可用電量的比值。通俗來(lái)講就是一個(gè)反應(yīng)電池剩余電量的一個(gè)指標(biāo)
在公式中,為電池的剩余電量;為蓄電池的總?cè)萘俊?/p>
為什么要進(jìn)行SOC估計(jì)?
SOC可以直接影響到電池的電壓、電流。當(dāng)我們可以得知SOC時(shí),也就知道了汽車的“油量”。而且電壓電流與動(dòng)力輸出的效率、能量的管理都有著直接的關(guān)系,所以說(shuō)SOC是BMS的一個(gè)“基礎(chǔ)參數(shù)”,很多管理方式都是基于SOC才能施行。
其次,避免過(guò)充過(guò)放的保護(hù)電路也是基于SOC實(shí)現(xiàn)的,當(dāng)SOC到達(dá)指定的上限時(shí),便會(huì)停止充電,起到保護(hù)電池壽命的作用,放電過(guò)程也是如此。
SOC估計(jì)也讓我們可以對(duì)每個(gè)電池的剩余電荷有所了解,通過(guò)一定的技術(shù),可以將SOC少的電池與SOC多的電池均衡,使得SOC較慢到達(dá)充電上限或者放電下限,提高我們的總體充放電時(shí)間,提高續(xù)航能力。
由于SOC不能直接獲得,因此我們只能通過(guò)間接方式對(duì)SOC估算,估算方法大致分為三種,包括安式積分法、開路電壓法和卡爾曼濾波法。首先用表格粗略總結(jié)一下這幾個(gè)方法的優(yōu)劣。
表1幾種常用的SOC****估算方法比較
安時(shí)積分法
安時(shí)積分法是最為常用的SOC估算方式。我們都知道Q=It,當(dāng)電流是不斷變化時(shí),通過(guò)對(duì)電流在一段時(shí)間的積分,便可以得到變化的電荷量。安時(shí)積分法也運(yùn)用了同樣的原理,通過(guò)在一定時(shí)間內(nèi)對(duì)電流進(jìn)行積分,得到在這段時(shí)間內(nèi)的電荷變化量,將初始電荷量減去變化的電荷量,便可以估算當(dāng)前的SOC。
安時(shí)積分法較簡(jiǎn)單,但是,當(dāng)測(cè)量的電流值不準(zhǔn)確時(shí),SOC估算會(huì)有很大誤差;其次充放電效率的判定,在電流波動(dòng)大和高溫狀態(tài)時(shí)會(huì)有明顯誤差;而且他對(duì)于初始的SOC是無(wú)法進(jìn)行估計(jì)的,只能估計(jì)一段時(shí)間的SOC變化量。所以使用安時(shí)積分法時(shí),要綜合考慮環(huán)境狀態(tài)等參數(shù)變化,并對(duì)估計(jì)得到的SOC進(jìn)行修正,使得估算的結(jié)果更為準(zhǔn)確。
開路電壓法
開路電壓法的主要思路是擬合開路電壓和SOC之間的關(guān)系,如圖1所示,當(dāng)電池處于實(shí)際工作狀態(tài)時(shí),通過(guò)得到的關(guān)系曲線,根據(jù)電池兩端的電壓得到當(dāng)前電池的SOC。那么在實(shí)際過(guò)程中,如何擬合開路電壓和SOC之間的關(guān)系呢?
圖 1串聯(lián)式混合動(dòng)力
在進(jìn)行實(shí)際操作時(shí),首先將電池電量充滿,之后經(jīng)過(guò)一段時(shí)間的靜置,使電池內(nèi)部電解質(zhì)均勻分布,得到穩(wěn)定的開路電壓。然后將電池以固定的放電倍率(一般取1C)進(jìn)行放電,根據(jù)該放電過(guò)程得到電池SOC,從而建立開路電壓與SOC之間的關(guān)系曲線。為了得到準(zhǔn)確的關(guān)系曲線,通常會(huì)經(jīng)過(guò)大量反復(fù)試驗(yàn)。
電池在充放電的初始和末尾階段,開路電壓變化明顯,此時(shí)估計(jì)比較準(zhǔn)確。所以常使用開路電壓法對(duì)電池初始SOC進(jìn)行估計(jì),結(jié)果也比較準(zhǔn)確。但是在測(cè)量開路電壓時(shí)必須將電池靜置1h以上,而且在不同環(huán)境溫度和電池壽命時(shí),SOC差別較大,因此開路電壓法不適用于運(yùn)行中的電池SOC估算,如果該方法單獨(dú)使用只能用于電動(dòng)汽車駐車階段。
但是隨著電池技術(shù)的不斷發(fā)展,新型磷酸鐵鋰電池已經(jīng)可以在不需要靜置的情況下使用開路電壓發(fā)進(jìn)行估計(jì),根據(jù)文獻(xiàn)所采用的18650磷酸鋰電池的充放電試驗(yàn)發(fā)現(xiàn),可以采用精簡(jiǎn)開路電壓法對(duì)SOC估算,而且可以滿足精度要求。
測(cè)量?jī)?nèi)阻法
除了上述兩種方法外,還有測(cè)量?jī)?nèi)阻法,它與開路電壓法具有相似的原理,利用電池電阻與SOC存在線性關(guān)系對(duì)SOC估算。但其由于電池內(nèi)阻難以測(cè)量和不斷變化,導(dǎo)致估算精度較低。
這些SOC估算方式各有其優(yōu)缺點(diǎn),在實(shí)際情況中一般不單獨(dú)使用,而是結(jié)合起來(lái)共同估算SOC。徐尖峰等人以開路電壓法估算SOC初值,然后使用測(cè)量?jī)?nèi)阻法修正通過(guò)電流積分得到的SOC,通過(guò)試驗(yàn)分析,其誤差值在5%以內(nèi),可以較為精確估算SOC。
卡爾曼濾波法
卡爾曼濾波理論的核心思想是用狀態(tài)空間形式來(lái)表示動(dòng)態(tài)系統(tǒng),對(duì)動(dòng)態(tài)系統(tǒng)的狀態(tài)做出最小方差意義上的最優(yōu)估算。乍聽起來(lái)有點(diǎn)兒嚇人,對(duì)于這句話可以這么簡(jiǎn)單理解:當(dāng)你同時(shí)擁有兩個(gè)傳感器時(shí),測(cè)量同一個(gè)信號(hào),但是他們總歸有一些差別,那么如何獲得最優(yōu)的結(jié)果呢?我們通常會(huì)對(duì)這兩個(gè)信號(hào)結(jié)果取平均,或者為了更加準(zhǔn)確根據(jù)傳感器各自特性對(duì)結(jié)果進(jìn)行加權(quán)平均,而卡爾曼濾波就類似于加權(quán)平均。
那么他是怎樣加權(quán)的呢?我們舉一個(gè)具體的例子,如圖2所示,橙色和灰色的兩個(gè)正態(tài)分布數(shù)據(jù)就是傳感器得到的結(jié)果,他們服從正態(tài)分布,通過(guò)卡爾曼濾波,我們可以得到最優(yōu)估計(jì)為綠色的正態(tài)分布結(jié)果,在之后的估計(jì)中,我們就以綠色部分作為初始的估計(jì)值,一步一步迭代下去。
圖 2卡爾曼濾波原理圖
實(shí)際估計(jì)SOC時(shí)采用如圖3所示的流程。也就是兩個(gè)傳感器分別為開路電壓法獲得的曲線和等效電路模型,對(duì)這兩種方法的結(jié)果進(jìn)行卡爾曼濾波獲得最優(yōu)SOC估計(jì)。
**圖 **3卡爾曼濾波法SOC估計(jì)
使用卡爾曼濾波時(shí),我們可以通過(guò)一次一次的迭代使得結(jié)果越來(lái)越趨向于真實(shí)值,因此對(duì)于初始值SOC要求不是很高,但是當(dāng)“傳感器”精度下降或者有很大偏差時(shí),SOC估計(jì)效果將會(huì)不甚理想,因此如何找到一個(gè)精確的等效模型是目前卡爾曼濾波面臨的問(wèn)題。
SOC估計(jì)仍然是電池管理系統(tǒng)的一大重點(diǎn)和難點(diǎn),文中介紹的SOC這三種估計(jì)方法,各有優(yōu)劣,最為基本的就是開路電壓法和安時(shí)積分法,人們常常以這兩種方法為基礎(chǔ),并結(jié)合別的估算方式對(duì)安時(shí)積分法進(jìn)行修正,彌補(bǔ)各個(gè)方法的不足,例如采用測(cè)量?jī)?nèi)阻法,卡爾曼濾波以及一些卡爾曼濾波的變形等,提高SOC估算的精度。
隨著一步步深入研究,越來(lái)越多的SOC估算方法被提出,估算精度也相應(yīng)的不斷提升,這將成為動(dòng)力電池汽車發(fā)展的一大強(qiáng)勁助力。
-
電動(dòng)汽車
+關(guān)注
關(guān)注
156文章
12107瀏覽量
231480 -
動(dòng)力電池
+關(guān)注
關(guān)注
113文章
4537瀏覽量
77711 -
電池電壓
+關(guān)注
關(guān)注
0文章
195瀏覽量
11732 -
電池管理系統(tǒng)
+關(guān)注
關(guān)注
41文章
517瀏覽量
33403 -
SoC芯片
+關(guān)注
關(guān)注
1文章
612瀏覽量
34934
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論