SOC即State of Charge,指電池的荷電狀態(tài)。從電量、能量等不同的角度,SOC有多種不同的定義方式。美國先進電池聯(lián)合會(USABC)定義的SOC被廣泛采用,即電池在一定的放電倍率下,剩余電量與相同條件下額定容量的比值。相應(yīng)的計算公式為:
式中,Qm為電池按照恒定的電流I進行放電時的最大放電容量;Q(In)為在t時間里,標(biāo)準(zhǔn)的放電電流I下電池所釋放的電量。
鋰電池的荷電狀態(tài)是電池管理系統(tǒng)的重要參數(shù)之一,也是整個汽車的充放電控制策略和電池均衡工作的依據(jù)。但是由于鋰電池本身結(jié)構(gòu)的復(fù)雜性,其荷電狀態(tài)不能通過直接測量得到,僅能根據(jù)電池的某些外特性,如電池的內(nèi)阻、開路電壓、溫度、電流等相關(guān)參數(shù),利用相關(guān)的特性曲線或計算公式完成對荷電狀態(tài)的預(yù)測工作。
鋰電池的荷電狀態(tài)估算是非線性的,目前常用的方法主要有放電實驗法、開路電壓法、安時積分法、卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法等。
放電實驗法的原理是:以恒定的電流使電池處于不間斷的放電狀態(tài),當(dāng)放電到達(dá)截止電壓時對所放電量進行計算。放電電量值為放電時所采用的恒定電流值與放電時間的乘積值。放電實驗法經(jīng)常在實驗室條件下估算電池的荷電狀態(tài),并且目前許多電池廠商也采用放電法進行電池的測試。
它的顯著優(yōu)點是方法簡單,估算精度也相對較高。其缺點也很突出:不可以帶負(fù)載測量,需要占用大量的測量時間,并且放電測量時,必須中斷電池之前進行的工作,使電池置于脫機狀態(tài),因此不能在線測量。行駛中的電動汽車電池一直處于工作狀態(tài),其放電電流并不恒定,此法不適用。但放電實驗法可在電池檢修和參數(shù)模型的確定中使用。
電池長時間充分靜置后的各項參數(shù)相對穩(wěn)定,此時的開路電壓與電池荷電狀態(tài)間的函數(shù)關(guān)系也是相對比較穩(wěn)定的。若想獲得電池的荷電狀態(tài)值,只需測得電池兩端的開路電壓,并對照OCV-SOC曲線來獲取相應(yīng)信息。
開路電壓法的優(yōu)點是操作簡單,只需測量開路電壓值對照特性曲線圖即可獲得荷電狀態(tài)值。但是其缺點有很多:首先此方法要想獲得準(zhǔn)確值,必須使電池電壓處于相對穩(wěn)定狀態(tài),但電池往往需要長時間的靜置,方可處于此狀態(tài),從而無法滿足實時監(jiān)測要求,往往應(yīng)用于電動汽車長時間的駐車時。
當(dāng)電池充放電比率不同的情況下,由于電流的波動會使電池開路電壓發(fā)生變化,從而導(dǎo)致電池組的開路電壓不一致,使得預(yù)測的剩余電量與電池實際剩余電量產(chǎn)生較大偏差。
安時積分法不考慮電池內(nèi)部的作用機理,根據(jù)系統(tǒng)的某些外部特征,如電流、時間、溫度補償?shù)?,通過對時間和電流進行積分,有時還會加上某些補償系數(shù),來計算流入流出電池的總電量,從而估算電池的荷電狀態(tài)。目前安時積分法在電池管理系統(tǒng)中被廣泛應(yīng)用。安時積分法的計算公式如下:
式中,SOC0是電池電荷狀態(tài)的初始電量值;CE是電池的額定容量;I(t)為電池在t時刻的充放電電流;t為充放電的時間;η為充放電效率系數(shù),又被稱作庫倫效率系數(shù),代表了充放電過程中電池內(nèi)部的電量耗散,一般以充電放電的倍率和溫度修正系數(shù)為主。
安時積分法的優(yōu)點是受電池自身情況的限制相對較小,計算方法簡單、可靠,能夠?qū)﹄姵氐暮呻姞顟B(tài)進行實時的估算。其缺點是由于安時計量法在控制中屬于開環(huán)的檢測,如果電流的采集精度不高,給定的初始荷電狀態(tài)有一定誤差,伴隨著系統(tǒng)運行時間的延伸,之前產(chǎn)生的誤差會逐漸累積,從而影響荷電狀態(tài)的預(yù)測結(jié)果。并且由于安時積分法只是從外特性來分析荷電狀態(tài),多環(huán)節(jié)存在一定誤差。從安時積分法計算公式中可以看出,電池的初始電量對計算結(jié)果的準(zhǔn)確性影響較大。
為了能使電流測量的精度得到提高,通常采用高性能的電流傳感器來測量電流,但這樣加大了成本。為此,許多學(xué)者在應(yīng)用安時積分法的同時應(yīng)用開路電壓法,將二者結(jié)合。開路電壓法用來估算電池的初始荷電狀態(tài),安時積分法用于實時估算,并且在算式中添加相關(guān)修正因子,以提高計算準(zhǔn)確性。
卡爾曼濾波算法是利用時域狀態(tài)空間理論的一種最小方差估計,屬于統(tǒng)計估計的范疇,宏觀上就是盡可能減小和消除噪聲對觀測信號的影響,其核心是最優(yōu)估計,即系統(tǒng)的輸入量在預(yù)估基礎(chǔ)上對狀態(tài)變量進行的有效修正。
該算法的基本原理是:將噪聲與信號的狀態(tài)空間模型作為算法模型,在測量時,應(yīng)用當(dāng)前時刻的觀測值與上一時刻的估計值,對狀態(tài)變量的估算進行更新??柭鼮V波算法對鋰電池荷電狀態(tài)進行預(yù)測的實質(zhì)是安時積分法,同時用測量的電壓值來對初步預(yù)測得到的值進行修正。
卡爾曼濾波法的優(yōu)點是適合計算機對數(shù)據(jù)進行實時運算處理,應(yīng)用范圍廣,可以用于非線性系統(tǒng),對行駛過程中電動汽車的荷電狀態(tài)預(yù)測具有較好的效果。卡爾曼濾波法的缺點是對電池模型的準(zhǔn)確程度依賴較大,為了提高該算法預(yù)測結(jié)果的準(zhǔn)確性和精度,需要建立可靠的電池模型。此外,卡爾曼濾波法的算法相對比較復(fù)雜,因此其計算量也相對較大,對運算器的性能有較高要求。神經(jīng)網(wǎng)絡(luò)的目的是模仿人類的智能行為,通過并行結(jié)構(gòu)與自身較強的學(xué)習(xí)能力獲得數(shù)據(jù)表達(dá)的能力,能夠在外部激勵存在時給出相應(yīng)的輸出響應(yīng),并使具有良好的非線性映射能力。
神經(jīng)網(wǎng)絡(luò)法應(yīng)用于鋰電池荷電狀態(tài)檢測的原理是:將大量相對應(yīng)的電壓、電流等外部數(shù)據(jù)以及電池的荷電狀態(tài)數(shù)據(jù)作為訓(xùn)練樣本,通過神經(jīng)網(wǎng)絡(luò)自身學(xué)習(xí)過程中輸入信息的正向傳播和誤差傳遞的反向傳播反復(fù)進行訓(xùn)練和修改,在預(yù)測的荷電狀態(tài)達(dá)到設(shè)計要求的誤差范圍內(nèi)時,通過輸入新的數(shù)據(jù)來得到電池的荷電狀態(tài)預(yù)測值。
神經(jīng)網(wǎng)絡(luò)法的優(yōu)點是可以對各種電池的荷電狀態(tài)進行估算,適用范圍廣;不需要建立特定的數(shù)學(xué)模型,不用考慮電池內(nèi)部復(fù)雜的化學(xué)變化過程,只需選擇合適的樣本,以及建立較好的神經(jīng)網(wǎng)絡(luò)模型,并且樣本數(shù)據(jù)越多,其估算的精度越高;能夠隨時確定電池的荷電狀態(tài)。神經(jīng)網(wǎng)絡(luò)法的缺點是對硬件要求較高,訓(xùn)練時所采用的數(shù)據(jù)樣本的準(zhǔn)確性、樣本容量和樣本分布以及訓(xùn)練方法都會對電池的荷電狀態(tài)預(yù)測產(chǎn)生很大的影響。
本文對目前幾種主要的鋰電池荷電狀態(tài)預(yù)測方法做了簡單的介紹,詳細(xì)分析了它們各自的優(yōu)缺點。目前安時積分法仍然是應(yīng)用最多的荷電狀態(tài)預(yù)測方法,但由于安時積分法自身的局限性,往往結(jié)合開路電壓法等其他方法共同完成對鋰電池初始荷電狀態(tài)的檢測。
從發(fā)展趨勢來看,鋰電池的荷電狀態(tài)預(yù)測考慮的因素越來越全面,所采用的預(yù)測方法往往是前述好幾種方法的綜合應(yīng)用,使得預(yù)測結(jié)果更加準(zhǔn)確。而且目前鋰電池的等效電路模型不斷發(fā)展,更加接近實際,使得荷電狀態(tài)預(yù)測精度得到進一步提升。