电池SOC估计方法分析

孙路

摘 要：锂离子动力电池系统的荷电状态直接反应电池的使用情况。尤其对于以锂电池为能量来源的新能源汽车，该参数常用来衡量电动汽车的续航里程。为此，研究电池荷电状态的估计方法，以及国内外在荷电状态上的研究进度具有重要意义。本文就近年来国内外在电池荷电状态上的研究进行分析，介绍了目前主流的电池荷电状态状态估计方法，以及每种方法的特点。

关键词：电池荷电状态 动力电池系统

1 引言

随着环境污染和能源危机的不断加剧，各国政府都在努力寻找新的能源利用方式，以缓解环境污染和提高能源利用效率。以锂离子电池为代表的能量存储装置具有很高的能量效率和能力比以及其安全可靠、使用周期长，而被广泛的应用在各类产品上包括：便携式电子元器件、混合电动汽车、纯电动汽车以及智能电网。

为此，准确的获取电池运行过程中的工作状态，对于电池安全、合理、高效的运用具有重要意义。但锂离子电池高度的非线性特性，导致电池工作的状态尤其是电池的荷电状态（SOC），很难采样常规的方法直接测量获取。

2 电池SOC估计方法

电池的SOC反映了当前电池所剩容量的使用情况，定义为当前剩余容量与电池充满电时存储容量的比值，如公式（1）所示：

其中，SOC（t）表示t时刻的SOC值;SOC（t0）表示t0时刻的SOC值;ηc表示库伦效率;i（τ）表示τ时刻的电流值;CN表示电池的标称容量。

常用的电池狀态估计方法有：

2.1 安时积分法

该方法在电池初始剩余状态已知的条件下，利用电池剩余容量与标称容量的比值表示电池的SOC[1]。该方法是应用最简单且广泛的一种SOC工程估计方法。在传感器的精度和采用频率都满足一定要求，且初始SOC准确的情况下，该方法具有较好的估计精度。然而，它存在如下缺点：（1）电池的初始状态无法准确获取，将会造成SOC估计的误差累积;（2）温度、电流等因素会影响电池的库伦效率的大小，而这些因素导致的电池库伦效率变化很难在实际中计算;（3）电流传感器的精度，尤其是测量漂移将导致累积效应，影响SOC的估计精度。因此，这种方法难以满足SOC估算精度要求较高的场合。

2.2 开路电压法

建立SOC与OCV的关系模型，利用查表或插值方法准确的计算在实时工况下电池的SOC[2][3]。然而这种方法通常电池在非工作情况下进行不短于两个小时的静置，使得电池内部电化学反应达到平衡。因此，为了得到准确的SOC，该方法很难在实际中使用。

2.3 状态估计法

利用系统状态方程估计SOC。该方法依据电池的外特性，采用电池电路原理，利用电压源、电阻、电容等元件组合来建立电池的行为表达模型，常用的建模方法包括：Shepherd模型、Unnewehr模型、Nernst模型等，如图1所示的一种常用的电池建模方法。

2.4 神经网络法

该方法是模拟人脑对于外界信号的分析，将复杂的信号处理分解为若干简单的信号，通过对这些简单信号的数据融合，得到复杂信号输入与输出之间的关系[4]。如图2所示的一种常用的三层神经网络处理架构。借助神经网络算法，在分析复杂信号时，无需研究研究对象内部复杂的物理或化学原理而实现对信号输入与输出的准确表征。但是，神经网络也存在自身的不足，在数据训练时往往需要大量的数据样本且受训练样本测试工况的制约。

2.5 最小二乘法

利用最小二乘法辨识电池的状态参数，同时使用状态估计器运用自适应算法实时辨识电池的状态参数。其中的递归最小二乘算法是对一次最小二乘法进行修正得到的一种辨识方法，通过调整自适应滤波器系数，使得辨识期间输出信号与期望信号之间的误差平方最小，可以实现电池SOC的准确估计，如图3所示。

3 结语

为了分析电池的使用情况，电池荷电状态的评估方法起到非常重要的作用。为此，文中分析了近年来国内外在电池荷电状态评估上采用的主要方法，以及对每种方法的优点和缺点做了简要描述。可以有效的指导电池SOC估计相关工作的开展。

参考文献：

[1]Plett G L. Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs：Part 2. Modeling and identification[J]. Journal of power sources， 2004，134（2）：262-276

[2]Ng K S，Moo C S，Chen Y P，et al. Enhanced coulomb counting method for estimating state-of-charge and state-of-health of lithium-ion batteries[J]. Applied energy，2009，86（9）：1506-1511.

[3]Lee S，Kim J，Lee J，et al. State-of-charge and capacity estimation of lithium-ion battery using a new open-circuit voltage versus state-of-charge[J]. Journal of power sources，2008，185（2）：1367-1373.

[4]Kim J，Lee S，Cho B H. Discrimination of Li-ion batteries based on Hamming network using discharging-charging voltage pattern recognition for improved state-of-charge estimation[J]. Journal of Power Sources， 2011，196（4）：2227-2240.