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
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。
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。
(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]。
(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。
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
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。
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。
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。
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。