电池管理系统SoC估计与均衡策略优化研究

周 迅，孟令锋，赵 辰

（四川启睿克科技有限公司，四川 成都 610000）

关键字：电池管理系统；荷电状态（SoC）估计；均衡策略

1 电池管理系统与SoC估计

电池管理系统（Battery Management System，BMS）的主要功能是实现电池组及各个电池单体的智能化管理与维护，避免电池在充电或使用过程中出现过度充电或过度放电的问题，从而延长动力电池的循环使用寿命[1]。电池管理系统基本组织架构如图1所示。

图1 电池管理系统基本构成

电池荷电状态（State of Charge，SoC）是SoC估计电池管理系统的核心指标，主要作用是显示电池剩余电量[2]。SoC值是评估电池管理系统运行状态的关键参数，SoC值评估的准确性会对电池的安全使用造成影响。因此，如果出现SoC值不准确的情况，很可能导致汽车电池管理系统误判，影响电动汽车的运行，严重情况下可能会产生危险。

2 动力电池模型及SoC估计方法研究

在锂离子电池汽车的运行中，为了满足基本的运转需求，多使用锂离子电池提供所需电能。锂离子电池通常由多节电池单体组成，是目前电动汽车电池系统的主要选择，具有工作寿命长、安全性高、可靠性强以及自放电率高等优势。在复杂的运行环境下，依靠传感器确定电池荷电状态的实时性和准确性难以得到保障，需要使用电池模型确定电池性能及运行状态。采用等效电路模型来检测电池的运行状态，从而确定电池是否供电[3]。

SoC是在一定放电倍率工况下剩余电量与标定容量之间的比值，可以表示为

式中：Qt为电池剩余容量；Q0为电池标定容量[4]。

应用安时积分法进行计算。具体而言，计算电流在时间上的积分来判断电池充电、放电的电流变化，根据实际计算的充电或放电过程中电流的变化量，在扣掉原有基础电流量和标定电容量比值的基础上，就可以确定当前电池SoC的变化量。

3 动力电池不一致性及均衡研究分析

3.1 电池不一致性原因

（1）生产过程中导致电池出现差异。在生产时，无法确保电池在制造过程中能全部符合标准，在电池原材料、生产工艺、组装工艺的影响下，都会对电池使用性能造成影响，影响电池使用的一致性。

（2）存储过程中导致电池存在差异。从锂离子电池生产到出售，可能被长期存放在仓库，存储过程中环境温度、湿度的变化都会导致电池的不一致性增大。此外，在存储的过程中也会出现电池自放电的现象，导致电池能量浪费。在长期放电过程中，电池容量逐渐降低，实际可用的电量就大大减少。

（3）使用过程中导致电池存在差异。电动汽车在运行过程中会面临复杂工况，不确定因素较多。在复杂的工况下，运行环境对电池性能也有不小的影响，电池循环使用的次数越多，其每次存储电量的能力也会相应降低[5]。

3.2 电池不一致性表现

（1）开路电压差异。开路电压差异需要在电池放电过程中测量开路电压的情况，并与原始的开路电压比较。

（2）容量差异。在存储的过程中由于电池不一致性的存在，导致电池可实际使用容量出现较大变化，进而缩短汽车的续航里程。

（3）SoC差异。SoC受电池剩余容量与可用容量的直接影响，当电池可用容量发生变化时，SoC值也就会相应的变化，进而导致电池的电量不能全部发挥出来。

4 动力锂离子电池SoC估计

4.1 电池模型设计

在正式估计SoC前，需要明确电池模型来了解电池基本性能，在等效模型的基础上对电池SoC值进行有效估计。选用二阶PC等效电路模型进行SoC估计，如图2所示。

图2 二阶PC等效电路模型

4.2 模型参数辨识

为了获得动力电池开路电压（Open Circuit Voltage，OCV）-SoC曲线，需要对电池进行脉冲实验，实验步骤如下。

（1）充满电池，将其空置3 h，在电池温度恢复到室内温度时，记录电池的开路电压值。

（2）在一个脉冲放电周期的条件下，选用3 A恒流状态将电池持续放电180 s，记录电池电压值。

（3）放电完成后，将电池静置2 h。当电池恢复到正常条件时，记录电压值。

（4）重复步骤（2）和步骤（3），在设定时间内测定周期性脉冲放电与静置的状态。

（5）记录放电过程中的所有参数数据。

在得出测量结果的基础上，在MATLAB软件上绘制开路电压OCV-SoC曲线，脉冲放电电流和放电电压如图3（a）、图3（b）所示，OCV-SoC曲线如图4所示。

图3 电池脉冲放电实验

图4 OCV-SoC拟合曲线

随着SoC值的上升，当SoC容量在70%左右时，锂离子进出受阻，大量的锂离子被阻挡在外部，导致短时间内的极化内阻增大。电池等效参数随着运行状态的不同而逐渐改变，如果离线辨识结果不对，那么SoC估计的精准度会受到影响。

4.3 基于拓展卡尔曼滤波算法的电池SoC估计

考虑到SoC估计的实用性，选用拓展卡尔曼滤波算法（Extended Kalman Filter，EKF）进行电池估算。估计过程的等式可表示为

式中：X为状态变量；U为噪声变量。

建立观测模型

式中：Zk为tk时刻的观测向量；Hk为观测矩阵，Vk为测量的噪声向量。

EKF算法主要用于离散时间的非线性系统，在应用前需要将非线性系统对应的函数进行泰勒展开，去掉高阶项就可以得到系统线性函数。在遵循卡尔曼滤波算法理论的基础上，结合二阶PC模型进行估算。逐渐递推，在时间更新、状态更新的基础上计算得出下一个时刻的SoC估计值。将计算得出的估计值与实际值进行对比，得出的结果如图5所示。

图5 SoC估计值与实际值对比

从对比情况来看，实际的误差值相对较小，说明采用EKF算法进行SoC估计可以完成动力电池SoC估计值的准确测量，有较好的测量效果。

5 双层电感电池均衡控制设计

综合考虑均衡速度、控制难度以及电路成本，基于Buck-Boost结构的均衡电路构建电感双层均衡结构，如图6所示。

图6 双层均衡结构

在双层均衡结构的基础上，为了有效控制SoC值，需要加强差值测量。如果在实际测量中电路电压超过0.1 V，则说明SoC估计不够准确，需要关闭均衡。均衡控制流程如图7所示。

图7 均衡控制流程

采集电流和电压值，利用EKF算法进行SoC估计。比较实际值与估计值的差值，符合条件则开启均衡，不符合条件则关闭均衡。通过模糊控制器完成PWM信息的占比控制，进而实现均衡电流实时动态调整，确保电池单体均衡。

6 结 论

为了实现动力电池管理系统均衡策略优化，应当明确SoC估计的基本作用、基本算法以及实际的改进思路。在二阶PC等效电路模型的基础上对电池SoC值进行有效估计，通过优化均衡控制策略，为电路实时均衡状态的实现提供更多全新的选择。