,
(福建工程学院 机械与汽车工程学院, 福建 福州 350118)
随着能源危机问题的出现,节能和环保是未来电动汽车的发展方向。作为电动汽车能量管理系统的重要组成部分,电池管理系统(BMS)能够实时监测和管理电池的工作状态[1],准确的估算电池荷电状态(SOC)对电池高效管理和整车性能有着重要的作用。由于电池的动态非线性,锂电池在使用过程中受充放电倍率、温度、电池充放电循环次数等诸多因素影响,国内外研究人员对SOC估算进行了大量的研究,常见的SOC估算算法有安时积分(Ah)法[2-3]、开路电压(OCV)法[4]、等效电路模型法[5]、卡尔曼滤波算法[6]、神经网络算法[7],在上述算法中,开路电压法简单易行,其缺点是不能实时在线测量;卡尔曼滤波算法基于准确的电池数学模型与滤波器参数,通过电池数学模型端电压的实测值与估算值,对电池SOC进行修正,这种方法对系统处理器要求较高,成本较大;神经网络法算法复杂,且需要大量先验数据;安时积分法原理简单,易于实现,由于初始SOC值的获取及充放电效率引起的累积误差会逐渐增大,常与其他方法一起配合使用,最为常见的就是与开路电压法一起使用,文献[8]通过对安时积分法中的相关参数进行了修正,减少了SOC估算误差,文献[9]中通过大量试验表明影响锂电池SOC估算的因素主要为温度 。
本文在大量先验数据的基础上,根据电池管理系统的采样数据,结合安时积分法和开路电压法,对电池SOC进行估算,同时考虑温度及单体电池的不一致性对电池性能的影响,根据不同温度与电池SOC之间的修正数据关系对上述算法进行高低端修正,从而实现电池SOC 的准确估算。
电池核电状态(SOC)是电池管理系统中非常重要的一个参数,目前对SOC比较经典的定义为电池剩余能量占总容量的百分比[2],它常用如下公式表示:
(1)
式中,Ci为电池总容量,Qc为电池剩余的电量。
由于SOC的估算受诸多因素的影响[10],在工程应用中常用式(2)表示,其中Cn是额定容量;i为电池电流;η为库伦效率,主要包括放电倍率系数、温度影响系数、和老化系数。
(2)
论文选取的是电芯规格为3.6 V/2.4 A·h,电池规格为324 V/115.2 A·h的磷酸铁锂电池,由于采用的是全新电池,影响电池SOC估算的老化系数为1,充放电倍率取0.96,
为了实现电池高精度估算,需要考虑温度对电池性能的影响,本论文选取-40、-25、0、25、45、55 ℃分别对电池进行充放电实验。首先将温箱温度调到-20 ℃,然后放置电池,将电池以标准充电规程充满电,然后以1 C放电一段时间使SOC下降到下一个SOC点,其中SOC实验点分别为1、0.9、0.8、0.7、0.6、0.5、0.4、0.3、0.2、0.1。同理将温箱温度依次调到-10、0、25、35、45、55 ℃对电池进行充放电实验,得到的实验结果如图1所示。
图1 不同温度下SOC-OCV关系曲线 Fig.1 SOC-OCV relationship curve at different temperatures
从图1可以看出,不同环境温度对电池剩余电量的影响不同,在极端温度-40 ℃和55 ℃时,两条SOC曲线与25 ℃的曲线距离较远,在0 ℃和45 ℃时,两条SOC曲线与25 ℃曲线距离较近,由此得出结论,在温度过高或过低于常温25 ℃时,电池的性能随温度变化比较大,高温或低温性能不稳定。因此,如果在不同温度下使用相同的电池参数进行SOC估算,那么必需考虑温度对电池端电压的影响。以25 ℃下电池SOC为基准,得到不同温度与SOC之间的校正数据关系如表1所示。
表1不同温度与SOC之间的校正数据关系
Tab.1CorrectiondatarelationshipbetweendifferenttemperaturesandSOC
t/℃-40-30-20-1001020SOC/%012.55205050t/℃25303540455060SOC/%100100100100100100100
由于电池的不一致性,电池组在使用过程中受到温度等外界因素的影响,会出现单体电压不一致的现象,而这种不一致性会逐渐放大,影响电池组的使用寿命。本文考虑了温度及单体电池的不一致性对电池性能的影响,根据不同温度与电池SOC之间的修正数据关系对安时积分法进行高低端修正,即首先根据系统下电静置时间确定电池初始SOC值,然后系统根据温度、电压及电流等数据对电池组进行安时积分计算,然后得到单体电池当前最大SOCmax、最小SOCmin、平均SOCavg值,同时根据系统设定的修正条件判断是否对当前估算的SOC值进行修正,从而实现单体电池SOC的准确估算。具体实施步骤如下:
(1)首先根据实验数据设置开路电压OCV与SOC的对应表,简称OCV-SOC表,当系统本次上电时间与上次下电时间间隔超过2 h,则根据开路电压法查表得到初始SOC0值,否则选取最近一次开关断开时的SOC作为初始SOC0值,然后对电池组进行安时积分计算,并根据不同温度与电池SOC之间的校正数据关系对上述算法进行校正,即
当SOCmin>SOCocv/min时 ,
SOCmin_c=(SOCmin-SOCc,SOCocv/min)max
当SOCmin SOCmin_c=(SOCmin+SOCc,SOCocv/min)min 其中SOCmin_c为当前修正的最小单体电池SOC值,SOCmin为当前计算得到的最小单体电池SOC值,SOCocv/min为开路电压法得到的当前最小单体电池SOC值,SOCc为温度修正值,查T-SOC表即可得到。 当SOCavg>SOCocv/avg时 , SOCavg_c=(SOCavg-SOCc,SOCocv/avg)max 当SOCavg SOCavg_c=(SOCavg+SOCc,SOCocv/avg)min 其中SOCavg_c为当前修正的平均单体电池SOC值,SOCavg为当前计算得到的平均单体电池SOC值,SOCocv/avg为开路电压法得到的当前平均单体电池SOC值。 当SOCmax>SOCocv/max时 , SOCmax_c=(SOCmax-SOCc,SOCocv/max)max 当SOCmax SOCmax_c=(SOCmax+SOCc,SOCocv/max)min 其中SOCmax_c为当前修正的最大单体电池SOC值,SOCmax为当前计算得到的最大单体电池SOC值,SOCocv/max为开路电压法得到的当前最大单体电池SOC值。 (2)由于电池工作的历史电流对电池当前的电压有很大的影响[11],因此需要根据电池历史电流大小对当前电池SOC进行修正。当电池组平均电流绝对值小于1 C时,由于此时电池工作电流很小,电池内阻比较小,可以考虑对当前估算的单体电池最大SOCmax、最小SOCmin、平均SOCavg值进行低端校正,即 当SOCmin≥SOCmin/low时 , SOCmin_c=(SOCmin-SOCc,SOCocv/min)max 当SOCmin SOCmin_c=(SOCmin+SOCc,SOCocv/min)min 其中SOCmin/low为低端修正时,当前计算得到的最小单体电池SOC值,取最低修正阈值SOCLow_c的值为3%,其计算公式如下, 当SOCavg≥SOCavg/low时 , SOCavg_c=(SOCavg-SOCc,SOCocv/avg)max 当SOCavg SOCavg_c=(SOCavg+SOCc,SOCocv/avg)min 其中SOCavg/low为低端修正时,当前计算得到的平均单体电池SOC值,其计算公式如下, 当SOCmax≥SOCmax/low时 , SOCmax_c=(SOCmax-SOCc,SOCocv/max)max 当SOCmax SOCmax_c=(SOCmax+SOCc,SOCocv/max)min 其中SOCmax/low为低端修正时,当前计算得到的最大单体电池SOC值,其计算公式如下, (3)当电池组平均电流的绝对值不超过5 C时,同理可对当前估算的单体电池最大SOCmax最小SOCmin平均SOCavg值进行高端校正。 当电池组的初始SOC0值确定以后,充放电时,通过对电池进行安时积分,得到电池组当前最大SOCmax、最小SOCmin、平均SOCavg值,然后做进一步计算得到电池组的最终SOC值,其计算方法如下:当SOCmax大于系统设定SOC最高阈值SOCHighLim,则电池当前显示SOC值等于100%;当SOCmin小于系统设定SOC最低阈值SOCLowLim,则电池当前显示SOC值等于0;当单体SOC处于系统SOCLowLim与SOCHighLim之间,则对电池当前显示SOC值进行线性化处理,如下式(3): (3) 其中,电池组SOCP的计算流程如图2所示,其中,SOCMidLim为SOC中间阈值,其计算公式为 图2 Pack_SOC的计算流程图Fig.2 Calculation flow chart of Pack_SOC 其中,SOCY为SOCavg大于SOCMidLim时的电池组SOC,SOCN为SOCavg小于SOCMidLim时的电池组SOC。 通过采用硬件在环测试,可以在比较真实的环境下对SOC进行功能测试,本文通过上位机监控界面对电池参数进行设定,并显示和存储电池的各种状态信息,其硬件在环实物图如图3所示,SOC估算结果对比如表2所示,结果表明修正后的SOC估算方法具有较好的估算精度。 图3 硬件在环测试实物图Fig.3 Pictures of hardware in loop test SOC真实值SOC估算值误差0.270.260.0370.300.290.0330.350.360.0290.450.480.0440.550.570.036 本文考虑了温度及单体电池的不一致性对电池性能的影响,根据电池管理系统采集的电压、电流、温度等数据,采用修正的OCV-Ah法对电池SOC进行估算,根据不同温度与电池SOC之间的修正数据关系对算法进行高低端修正,实验结果表明,该算法降低了安时积分法估算电池SOC的累积误差,且易于工程实现。 [1] 周翔,赵韩,江昊.基于EKF算法的磷酸铁锂电池在线SOC估算[J]. 合肥工业大学学报,2013,36(4):385-388. [2] 李洪宇,张晓强,张卫平.大容量锂离子电池SOC估算原理及应用[J].电源技术,2015,39(5):1100-1102. [3] Chen X K, Sun D. Modeling and state of charge estimation of lithium-ion battery[J].Advances in Manufacturing,2015,3(3):202-211. [4] Weng C, Sun J, Peng H. A unified open-circuit-voltage model of lithium-ion batteries for state-of-charge estimation and state-of-health monitoring[J]. Journal of Power Sources,2014,258:228-237. [5] Sun Y, Ma Z, Tang G, et al. Estimation method of state-of-charge for lithium-ion battery used in hybrid electric vehicles based on variable structure extended kalman filter[J]. Chinese Journal of Mechanical Engineering,2016,29(4):717-726. [6] Gregory L P. Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs:Part 3. State and parameter estimation[J]. Journal of Power Sources,2004,134(2):277-292. [7] Jayasinghe J, Nadishan K. Neural network based state of charge (SOC) estimation of electric vehicle batteries[J].University of Moratuwa,2014,4(12):1-4. [8] 鲍慧,于洋.基于安时积分法的电池SOC估算误差校正[J].计算机仿真,2013,30(11):148-151. [9] Liu X, Wu J, Zhang C. et al. A method for state of energy estimation of lithium-ion batteries at dynamic currents and temperatures[J]. Journal of Power Sources,2014,270:151-157. [10] 李哲,卢兰光,欧阳明高.提高安时积分法估算电池SOC精度的方法比较[J].清华大学学报,2010,50(8):1293-1296. [11] 赵昂,成勇,杨晓军,等.一种电池 SOC 的检测方法及装置:106154176A[P].2016-11-23.3.2 电池组SOC的估算
4 实验分析
5 结语