车用锂离子电池SOC估算算法的研究

作者:鲍可进;金玲 刊名:计算机工程与科学 上传者:赵鹏飞

【摘要】针对纯电动汽车的锂离子电池容量损失而导致估算电池电荷状态(SOC)精度降低的问题,本文分析了影响电池容量损失的因素,提出容量修正算法。通过改进电池模型,把电池容量作为状态变量,将电池容量修正算法运用于Kalman滤波算法估计SOC,解决了锂离子电池容量损耗使得误差累积的问题。实验证明,本文提出的基于容量修正的Kalman最优滤波算法提高了SOC估算的精度,并且对初始误差有很强的修正作用,可以保证纯电动汽车锂离子电池的稳定工作。

全文阅读

1引言随着环境、能源和气候的问题日益突出,纯电动汽车以其绿色环保的优势,将成为未来汽车的主流,越来越受到国际社会的关注。锂离子动力电池作为各种电动汽车的主要动力元件,占了纯电动汽车成本的三分之一[1]。电池电荷状态(StateofCharge,简称SOC)被用来反映电池的剩余容量的情况,整车控制系统根据电池管理系统提供的电池SOC决定控制策略,分配电机和发动机的能量输出比例,计算续驶里程信息等。因此,SOC是整车控制系统的重要参数。但是,在电动汽车运行过程中,动力电池充放电频繁,电流波动剧烈,工作环境温度经常变化,使得动力电池的容量损失严重,这给SOC的估算带来了困难。因此,正确反映SOC是电池管理系统的主要功能之一,也是目前电池管理系统的研究重点。2常用的SOC估计算法目前比较常用的SOC估计算法有安时计量法、开路电压法、神经网络法和基于状态空间模型和递推方程的Kalman滤波法。安时计量法即假设电池的初始剩余电量为SOC0,在充放电过程中,由电流对时间的积分值得到t时刻的SOC值,公式如下:SOC(t)=SOC0+Ct0I(t)dt(1)其中,SOC(t)为t时刻的SOC值,为库伦效率,C为电池容量,I(t)为t时刻通过电池的电流。对于锂离子电池来说,1。因此,式(1)可改成:SOC(t)=SOC0+1Ct0I(t)dt(2)由于电流波动较大和充放电效率的影响,安时计量法使得误差长时间累积,以至误差越来越大。因此,安时计量法往往和其它方法结合起来使用[2]。开路电压法需要在电压稳定或者直流环境中测量剩余电量,所以测量剩余电量时需要让电池静置一段时间。因此,开路电压法常用于初始电压的估计。由于电动汽车运行过程中电流变化很大,所以开路电压法并不适合纯电动汽车管理系统SOC的估算。神经网络法虽然适应非线性关系系统和具有自我学习能力,但是在前期需要经过大量的实验获取实验数据,然后用实验数据对神经网络进行训练。因此训练数据和训练方法对神经网络的影响很大,很难把握。由文献[3]知Kalman滤波算法利用最小方差估计的方法,通过过程输出量估计状态量的最优值。文献[4]介绍了锂离子动力电池模型和Kal-man滤波算法。由于锂离子电池结构复杂,在电池工作过程中,电池的实际容量会有一定损耗,进而影响锂离子电池模型对SOC的估算精度。本文为了提高电池模型的估算精度,改进了动力电池模型,考虑到电池容量损耗,提出了基于容量修正的Kalman滤波算法。3锂离子电池实际容量及SOC的估计3.1电池容量修正算法影响锂离子电池容量的主要因素有:(1)放电率。在不同放电电流下,电池容量会发生变化。(2)温度。温度会影响电极活性物质的化学反应,使电池容量发生变化。(3)自放电。自放电现象表现在正极和负极的活性物质被电池内的有害杂质消耗,从而造成电池容量的损失。(4)电池循环次数。电池循环次数的增多,导致电池老化,表现在电极活性物质的脱落、结块、孔率收缩等,会降低电池容量输出。对上述影响进行分析和修正如下:(1)放电率对电池容量的影响。电动车动力电池在不同电流下放电,其端电压都是不同的。放电电流越大,端电压则越小,电池的容量也就越小,反之则变大[5]。依据Peukert方程,放电电流和放电终止时间的关系如下:Int=k(3)其中,I为放电电流,t为电池放电终止的时间,n为与蓄电池类型有关的常数,k为与活性物质有关的常数。为了求出n和k的值,用两种恒定电流I1和I2对电池进行放电得:In1t1=k(4)In2t2=k(5)由式(4)和式(5)得:n=lgt2-lgt1lgI1-lgI

参考文献

引证文献

问答

我要提问