電池SOC估算方法的研究現(xiàn)狀

黃煜　朱立宗

摘 要：如今，鋰離子電池已成為新能源產(chǎn)業(yè)和SOC的研究重點(diǎn)。在鋰離子電池研究中，電池容量估算和計(jì)算是其中的重點(diǎn)研究之一。SOC直接關(guān)系到鋰離子電池使用的效率和安全性，正確的SOC估算和計(jì)算方法不僅可以增加鋰離子電池工作的安全性，并延長(zhǎng)鋰離子電池的使用壽命[1]。相反而言，不合適的SOC估算和計(jì)算方法不僅會(huì)加速電池的老化，而且會(huì)帶來(lái)電池爆炸和燃燒的危險(xiǎn)，危害使用者的生命和財(cái)產(chǎn)安全。因此，本文對(duì)各種SOC估計(jì)和計(jì)算方法進(jìn)行研究，以獲得更成熟和廣泛使用的電池SOC估計(jì)和計(jì)算方法。

關(guān)鍵詞：電池SOC 估計(jì)和計(jì)算 BP神經(jīng)網(wǎng)絡(luò)

1 SOC介紹

SOC定義為電池的當(dāng)前容量，以其額定容量表示。SOC可表征當(dāng)前電池的狀態(tài)，并以適合電池壽命的水平進(jìn)行電池管理，對(duì)電池進(jìn)行安全的充放電[2]。因此，SOC有助于電池的管理。但是，SOC不能通過(guò)直接測(cè)量得到，因?yàn)樗婕暗诫姵仉妷海娏?，溫度等的測(cè)量，以及與電池有關(guān)的其他信息，直接獲得非常困難。SOC的準(zhǔn)確估算是為了防止電池?fù)p壞，同時(shí)避免電池過(guò)度充電、放電加速電池老化。常規(guī)SOC估算使用庫(kù)侖計(jì)數(shù)法，此方法存在誤差累積故障導(dǎo)致估算不準(zhǔn)確。除此之外，電池有限的電池效率、需要的化學(xué)反應(yīng)、不同的充放電條件以及放置地方溫度的變化都會(huì)影響SOC估算。

2 SOC估計(jì)方法

鋰離子電池的SOC通過(guò)檢測(cè)和重新處理鋰離子電池來(lái)估算和計(jì)算參數(shù)，例如電池的電壓，電流和溫度。以下是常用的SOC估計(jì)和計(jì)算方法：

2.1 安培小時(shí)積分法

安培小時(shí)積分法是最簡(jiǎn)單的原理，也是應(yīng)用最廣泛的算法。它基于對(duì)當(dāng)前狀態(tài)的不間斷測(cè)試和集成來(lái)推斷電池釋放或吸收多少電量，從而獲得電池的SOC值。

安培小時(shí)積分法的主要缺點(diǎn)包括三個(gè)方面[3]：

1.電流需求的檢測(cè)頻率和精度要求很高，否則會(huì)導(dǎo)致積分誤差和累積誤差的增加;

2.電池的充放電效率與電池的SOC值，電流，溫度，老化，電阻率的變化，壽命有關(guān)，難以精確測(cè)量，導(dǎo)致SOC估計(jì)誤差越來(lái)越大。

3.在高溫或電流不穩(wěn)定的情況下，受電流測(cè)量精度的影響，安培小時(shí)積分法的精度很差，需要與其他估算方法同時(shí)使用。

2.2 卡爾曼濾波法

近年來(lái)，人們開(kāi)始使用卡爾曼濾波器來(lái)估計(jì)電池的充電狀態(tài)，卡爾曼濾波器在得到SOC估計(jì)值的同時(shí)，還可以得到SOC的計(jì)算誤差。此方法具有較高的精度，并對(duì)初始誤差值較強(qiáng)的校正能力。但是由于卡爾曼濾波法精度高低取決于電池模型的精度，而建立精確的電池模型是十分困難的，因此此方法在現(xiàn)階段還沒(méi)有得到廣泛的應(yīng)用。

卡爾曼濾波是一種最優(yōu)的自回歸數(shù)據(jù)處理算法，狀態(tài)變量的實(shí)時(shí)最優(yōu)估計(jì)可以有效提高SOC估計(jì)的準(zhǔn)確性[4]。國(guó)內(nèi)對(duì)于卡爾曼濾波法在電池SOC估算研究中的應(yīng)用尚不多見(jiàn)，同時(shí)主要以HEV Ni MH電池作為重點(diǎn)研究對(duì)象。盡管一些研究人員已經(jīng)將擴(kuò)展卡爾曼濾波器（EKF）和阻抗卡爾曼濾波器（UKF）結(jié)合起來(lái)應(yīng)用于電池SOC的估算，并取得一定突破，但是研究仍處于起步階段，同時(shí)標(biāo)準(zhǔn)UKF方法忽略了測(cè)量誤差對(duì)于SOC估算的影響。

2.3 開(kāi)路電壓法

鋰離子電池的OCV（開(kāi)路電壓）與SOC具有近似的線性關(guān)系，通過(guò)測(cè)量放電率的OCV和SOC值，可擬合得到相應(yīng)的電池曲線，從而得出SOC值。但是測(cè)試前需要將電池切斷一小時(shí)以上，以使其處于穩(wěn)定狀態(tài)，才可獲得OCV的準(zhǔn)確值，而在電池的實(shí)際使用中并不能實(shí)現(xiàn)上述工況。因此，開(kāi)路電壓方法經(jīng)常與安培小時(shí)積分法結(jié)合使用，在使用電池時(shí)，兩者相結(jié)合的方法可保證一定的實(shí)用性，可先用開(kāi)路電壓法估計(jì)初始SOC，確保結(jié)果準(zhǔn)確性，但是估計(jì)精度仍不能完全符合要求。

2.4 最小二乘法

采用最小二乘法需要滿足在一定的充放電速率下，可獲得電池的電壓曲線，通過(guò)純數(shù)學(xué)方法對(duì)曲線進(jìn)行高精度擬合，建立電池充放電過(guò)程中盡量精確的數(shù)學(xué)模型[4]。通過(guò)控制數(shù)學(xué)模型中不同SOC階段的電池端電壓變化規(guī)律，實(shí)現(xiàn)對(duì)電池充放電過(guò)程的一定控制，有效避免電池過(guò)度充電，過(guò)度放電情況的出現(xiàn)。但是由于將電池電壓作為因變量，并且在不同的充放電電流下電壓是不同的，因此在實(shí)際應(yīng)用過(guò)程中建立精確的最小二乘法數(shù)學(xué)模型十分困難。同時(shí)研究發(fā)現(xiàn)，某些類(lèi)型的鋰離子電池（例如聚合物電池）在使用最小二乘法建立數(shù)學(xué)模型時(shí)，無(wú)法獲得明顯可直接作為輸入的數(shù)學(xué)特征點(diǎn)。因此，最小二乘法對(duì)于某些類(lèi)型的電池并不適用。

2.5 神經(jīng)網(wǎng)絡(luò)方法

當(dāng)面對(duì)復(fù)雜和非線性的問(wèn)題時(shí)，可以通過(guò)建立一個(gè)精確的神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型來(lái)模擬電池的動(dòng)態(tài)特性，以估算電池的SOC。神經(jīng)網(wǎng)絡(luò)分為輸入層，中間層和輸出層，不同的實(shí)際問(wèn)題確定不同的SOC輸入層和輸出層。輸入層通常包括電壓，電流、溫度和電池相關(guān)信息等因素[5]。

該方法需要對(duì)大量實(shí)驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練才能獲得具有較高精度的神經(jīng)網(wǎng)絡(luò)方法，神經(jīng)網(wǎng)絡(luò)主要分為兩類(lèi)：RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)。兩類(lèi)神經(jīng)網(wǎng)絡(luò)方法的結(jié)構(gòu)相似，輸出層均為線性輸出，均需要通過(guò)訓(xùn)練數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行不斷訓(xùn)練，以確定訓(xùn)練過(guò)程中的自由參數(shù)。輸入通常使用的電壓，電流，溫度，電阻。輸入變量和輸入變量的選擇將直接影響模型的準(zhǔn)確性和計(jì)算。該方法不需要描述輸入和輸出之間關(guān)系的精確公式，可以在網(wǎng)絡(luò)訓(xùn)練中確定，并且具有自適應(yīng)的特點(diǎn)。但是訓(xùn)練需要大量參考數(shù)據(jù)，訓(xùn)練周期長(zhǎng)，初始參考數(shù)據(jù)和訓(xùn)練方法對(duì)估計(jì)誤差均有特別大的影響[6]。

以BP神經(jīng)網(wǎng)絡(luò)估算SOC為例，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，在建立神經(jīng)網(wǎng)絡(luò)時(shí)，將電池的電壓、放電電流以及環(huán)境溫度作為輸入矢量添加到輸入層，將電池的剩余電量SOC作為輸出層的輸出矢量?？山?層的神經(jīng)網(wǎng)絡(luò)，通過(guò)一些訓(xùn)練實(shí)驗(yàn)可獲得隱含層的節(jié)點(diǎn)個(gè)數(shù)，其中輸入層具有3個(gè)節(jié)點(diǎn)，隱含層具有11個(gè)節(jié)點(diǎn)，輸出層具有1個(gè)節(jié)點(diǎn)。由仿真經(jīng)驗(yàn)可得，當(dāng)節(jié)點(diǎn)數(shù)小于9個(gè)時(shí)，電池SOC的預(yù)測(cè)精度較差;當(dāng)節(jié)點(diǎn)數(shù)大于9個(gè)時(shí)，隨著節(jié)點(diǎn)數(shù)從9個(gè)到13個(gè)，神經(jīng)網(wǎng)絡(luò)訓(xùn)練的精度越來(lái)越高。

3 結(jié)論

由上文可知，估計(jì)和計(jì)算電池SOC的方法有很多，但是每種特定方法都存在優(yōu)缺點(diǎn)，安培小時(shí)積分法誤差累積無(wú)法控制，精度較差;卡爾曼濾波法精度高低取決于電池模型的精度，而建立精確的電池模型是十分困難的;開(kāi)路電壓法需要滿足測(cè)試前將電池切斷一小時(shí)以上，以處于穩(wěn)定狀態(tài)，而在電池的實(shí)際使用中并不能實(shí)現(xiàn)上述工況;最小二乘法在實(shí)際應(yīng)用過(guò)程中建立精確的最小二乘法數(shù)學(xué)模型十分困難，同時(shí)對(duì)于某些類(lèi)型的電池適用性較低;神經(jīng)網(wǎng)絡(luò)法訓(xùn)練需要大量參考數(shù)據(jù)，訓(xùn)練周期長(zhǎng)，初始參考數(shù)據(jù)和訓(xùn)練方法對(duì)估計(jì)誤差均有特別大的影響。

由全文可得，SOC估計(jì)方法正在迅速發(fā)展，很多種方法已經(jīng)得到實(shí)際應(yīng)用。但是不存在特定的方法可以滿足所有電池SOC的估算，并且可以獨(dú)立解決實(shí)際問(wèn)題。因此，針對(duì)特定的工況，將各種方法進(jìn)行結(jié)合，發(fā)揮各方法的優(yōu)勢(shì)，提高SOC估計(jì)的準(zhǔn)確性。例如神經(jīng)網(wǎng)絡(luò)與拓展卡爾曼濾波結(jié)合，不僅可擴(kuò)大拓展卡爾曼濾波法的適用范圍，而且有利于消除非線性電池系統(tǒng)轉(zhuǎn)換為線性系統(tǒng)引起的誤差。

本文系2019年廣西高校中青年教師基礎(chǔ)能力提升項(xiàng)目“電動(dòng)汽車(chē)鋰離子電池SOC估算研究（項(xiàng)目編號(hào)：2019KY1426 ）”成果

參考文獻(xiàn)：

[1]華周發(fā)，李靜.電動(dòng)汽車(chē)動(dòng)力電池SOC估算方法綜述[J].電源技術(shù)，2013，37（009）：1686-1689.

[2]劉浩. 基于EKF的電動(dòng)汽車(chē)用鋰離子電池SOC估算方法研究[D].北京交通大學(xué)，2010.

[3]范興明，曾求勇，張?chǎng)? 基于改進(jìn)安時(shí)積分法的電動(dòng)汽車(chē)電池SOC估計(jì)與仿真研究[J].電氣應(yīng)用，2015（08）：111-115.

[4]仝猛，龐瀛洲，田建濤.基于最小二乘法更新卡爾曼濾波算法模型參數(shù)的電池SOC估算方法[J]. 2014.

[5]Cheng K W E，Divakar B P，Wu H，et al. Battery-Management System （BMS） and SOC Development for Electrical Vehicles[J]. IEEE Transactions on Vehicular Technology，2011，60（1）：76-88.

[6]史麗萍，龔海霞，李震，等.基于BP神經(jīng)網(wǎng)絡(luò)的電池SOC估算[J].電源技術(shù)，2013，037（009）：1539-1541.