機載鋰電池SOC估算方法研究與實現

王順利, 尚麗平, 屈 維, 舒思琦, 葛承棟

(1. 西南科技大學信息工程學院, 四川 綿陽 621010;2. 特殊環境機器人技術四川省重點實驗室, 四川 綿陽 621010)

機載鋰電池SOC估算方法研究與實現

王順利1,2, 尚麗平1,2, 屈 維1, 舒思琦1, 葛承棟1

(1. 西南科技大學信息工程學院, 四川 綿陽 621010;2. 特殊環境機器人技術四川省重點實驗室, 四川 綿陽 621010)

為了解決機載鋰電池的荷電狀態估算問題，針對飛機應急供電這一特殊運行環境，提出了一種基于擴展卡爾曼濾波的機載鋰電池荷電狀態估計方法。該方法通過構建狀態方程和量測方程，經歷預測、修正和估算3階段，實現對機載鋰電池的荷電狀態估算。基于該方法設計并實現了機載鋰電池地面檢測與維護設備。實驗結果表明，該方法能夠實現機載鋰電池的荷電狀態有效估算，提高了鋰電池機載運行的可靠性和穩定性。

鋰電池； 荷電狀態; EKF； 健康狀態

鋰離子聚合物蓄電池(鋰電池)相對于鉛酸、鎳鎘等材料蓄電池具有能量密度高、安全穩定等優點，是現代潔凈能源發展的趨勢[1-2]。動力鋰電池組的荷電狀態(state of charge,SOC)估計是鋰電池應用的重點和難點之一。

鋰電池SOC的估算是基于充放電電流、溫度、電壓等參數估算電池剩余電量[3]，SOC是電池組所處狀態最直接反映，電池的不一致性也最先體現在各單體電池的 SOC 值不一致上[4]。根據單體電池間SOC 值的大小差異，選擇適當均衡方案，可以有效地延長鋰電池的使用壽命[5]。SOC的估算是目前蓄電池應用研究的熱點[6-18]，但受各種原因的限制，目前工業應用的蓄電池檢測與維護系統中的SOC估計算法仍不完善，相當部分的產品也只采用比較基礎的安時積分法、開路電壓法等實現。其估算精度和很多因素相關，如測量精度、負載、操作溫度、電池的自放電和老化，且具有很強的非線性，在室溫和標準充放電條件下單體SOC估算誤差約5%[19-22]。

本文針對大容量、大電流的鋰電池組的SOC估算問題，在分別研究分段安時法和零負載電壓法的基礎上，采用結合分段安時法和零負載電壓法的擴展卡爾曼濾波(EKF)在線辨識模型進行估算。估算過程中，安時法獲得的SOC作為卡爾曼濾波的估計值，零負載電壓法獲得的SOC作為卡爾曼濾波的測量值，不斷根據估計值和測量值進行在線辨識，并應用于自主研制的機載鋰電池地面檢測與維護設備中，實現了SOC在線估算誤差≤5%的結果。

1 在線辨識模型建立

1.1 EKF模型框架

建立的卡爾曼估計結構模型如圖1所示。

圖1 卡爾曼估計結構模型

狀態方程為

(1)

量測方程為

(2)

式(1)和式(2)中：Uk為系統的輸入，包括工作電流和溫度等參數；Xk為系統的狀態變量，包括正負電極電壓Vcb和SOC；Yk為系統的輸出觀測變量和工作電壓；A為系統矩陣；B為控制輸入矩陣；H為量測矩陣，初始值為[001];系統噪聲Wk和測量噪聲Vk均為高斯(Gauss)白噪聲；Zk為考慮測量誤差Vk影響的系統輸出。

通過卡爾曼濾波模型，可以從前一個值X(k|k)和系統的輸入Uk和測量信號Zk計算出卡爾曼濾波模型的估計值X(k|k+1)。

應用卡爾曼濾波模型對SOC進行以下3階段的估計。

(1) 預測階段。預測階段主要確定系統的狀態方程(見式(3))和計算預測協方差矩陣(見式(4))。

(3)

(4)

式中Q為系統噪聲的協方差。

(2) 修正階段。修正階段主要計算卡爾曼增益(見式(5))，更新估計值(見式(6))并計算更新后的協方差矩陣(見式(7))。

(5)

式中R為測量噪聲的協方差。

(3) SOC估算。最后根據電池的端電壓估計電池的荷電狀態SOC值：

(8)

構建的EKF在線估計框架模型作為一個子集應用于鋰電池的SOH評價，構建整體健康狀態評價模型框圖如圖2所示。

圖2 整體健康狀態評價模型框圖

基于SOC估計基礎，構建鋰電池健康狀態評價整體結構如圖3所示，結合充放電維護過程實現對鋰電池的狀態評價，以達到鋰電池的地面狀態檢測與維護目標。

1.2 SOC估計值獲取

通過分段安時法獲得SOC的估計值，并進行電流矯正和溫度矯正，以達到較好的適應性，估算過程如下：

(1) SOC估計值的獲取。采用分段安時法獲得的SOC作為卡爾曼濾波的估計值。分段安時法是在充放電初期根據開路電壓法和OCV-SOC曲線獲得SOC0，然后采用安時法計算SOC。計算式為

(9)

式中，SOC0表示起始時刻的值；C為額定容量，η是庫侖效率，其取值規范如下：

(10)

It為t時刻的電池充放電電流，取值規范見式(11)，充電為正，放電為負。

(11)

分段安時法的精度與測量精度(如要求電流測量精度<0.1%、總電壓測量精度<±5mV)、負載、操作溫度、電池老化和自放電等相關，呈非線性關系。目標LiFePO4電池要求SOC誤差<4%，則單體電壓采集精度需 < 1mV。

(2) 電流矯正。通過實驗可獲得放電效率η和電流、SOC的關系。不同的電流和SOC可采用查表映射的方式獲取η。通過標準溫度混合動力脈沖能力特性(hybridpulsepowercharacteristic,HPPC)測試，獲得OCV-SOC曲線(OCV為開路電壓)，然后再通過放電效率的測試獲得不同溫度、不同放電倍率(1C—5C)以及不同SOC下的放電效率。

(3) 溫度矯正。通過HPPC獲得OCV-SOC曲線、內阻曲線和電池模型參數，然后采用Simulink仿真，比較OCV-SOC實驗和仿真曲線，校正模型。建立準確模型用于通過測量端電壓獲得開路電壓，進而估計SOC，基本的測試與溫度矯正步驟如下：

圖3 鋰電池健康狀態評價整體結構模型

① 用恒流0.5C5A、限壓3.6V將電池充滿，靜置1h，測量開路電壓；

② 用1C5A電流放電10%DOD(放電深度)的電量(6min)；

③ 靜置1h，測量開路電壓，進行5～10次HPPC測試流程：先進行 10s/1C放電脈沖過程，經過40s擱置后再進行 10s/0.75C充電脈沖過程，記錄電壓-時間。

④ 重復2～3的步驟，直到100%DOD處進行最后實驗。

1.3OCV-SOC初值獲取

采用零負載電壓法得到的SOC作為卡爾曼濾波算法的測量值。充放電過程中測量電池端電壓和電流，根據電池模型計算OCV，根據OCV-SOC曲線獲得SOC值。

2 系統設計與實現

2.1 硬件設計與實現

設計研制的系統結構如圖4所示。圖中，檢測維護柜1(左)用于完成對1組45Ah鋰電池組的檢測和維護，檢測維護柜2(右)用于完成對4組3Ah鋰電池組的檢測和維護，操作臺用于擱置被維護產品，以及收納電纜等配件，中央控制臺分別與檢測維護柜1、2通過通信電纜連接，以RS485總線進行信息傳遞，實現遠程控制。

圖4 檢測系統組成結構示意圖

2.2 軟件設計與實現

系統控制軟件主界面見圖5。圖5中各區域內容分配如下：

圖5 中央控制軟件示意圖

區域1：頂端區域為工具欄區域，提供用戶該系統所有操作選項，如用戶管理、手動自檢、參數設置、容量檢查等，包含所用功能按鈕。在此基礎上，根據健康狀態評價的要求，在基于EKF的SOC估計基礎上專設了“健康管理”功能。欄目分為4個大部分，基本操作、維護操作、檢查操作、其他。基本操作包括用戶登錄、用戶管理、參數設置、數據管理、手動自檢；維護操作包括容量檢查、貯存前狀態調整、裝機前補充電、報廢處理；檢查操作包括監控盒檢查、電池故障預判等。

區域2：為當前執行功能按鈕的參數顯示區，比如軟件在執行“容量檢測”功能時將此功能的各個步驟的所有參數在此區域顯示，方便用戶查詢。參數顯示區域顯示當前進行項目的參數名稱、參數內容。

區域3：在此區域實時檢測模塊中的溫度及電流，并且實時地對溫度值與參數中的設定溫度最大值做比較，達到保護系統功能。

區域4：此區域軟件所有執行的功能過程與結果，過程檢測記錄顯示項目進行過程中所發生的異常等事件。

區域5：設備自檢信息記錄和提示。實時更新自檢狀態，首次開機自檢提示自檢結果，“通過”或者“異常”，在實時更新中，如有通信連接中斷，以紅色提醒并且中斷當前操作。

區域6：鋰電池組以及各個單體的數據顯示，顯示電池組電壓、電流、容量以及各單體電池電壓、電流、容量。

區域7：一些綜合功能執行，打印模式的顯示以及掃描二維碼等功能。

區域8：鋰電池組和單體電流、電壓實時波動曲線顯示。

3 結果與分析

3.1 實驗結果

3.1.1SOC關系模型

獲得的鋰電池的OCV-SOC曲線模型預測結果與實驗結果對比見圖6,電池簡化模型見圖7。根據HPPC測試繪制OCV-SOC曲線，根據式(12)計算等效電路模型參數，建立準確的電池模型。

(12)

式中：VOC為鋰電池開路電壓，Cb為線路等效電容，RO為線路等效電阻，RP為鋰電池等效內阻；下標a、b、c、d分別表示4個不同樣本時間，表征不同時刻參量狀態值。

圖6 鋰離子聚合物蓄電池OCV-SOC曲線

圖7 鋰電池簡化模型

3.1.2 SOC估計驗證

通過歸一化處理后的SOC估計值和實際值比較見圖8。

圖8 歸一化放電過程SOC估計值

3.2 結果分析

通過建模與分析，該方法實現了機載鋰電池狀態檢測與維護過程中的荷電狀態的在線估算。通過構建的OCV-SOC模型曲線對該鋰電池的特性進行了簡化性建模，并基于構建的模型對其充放電過程中的SOC值進行了估算。通過SOC估計與驗證實驗可知，該模型能夠有效實現對機載鋰電池的充電、放電、循環充放電等工況下的荷電狀態估算，經過多次重復實驗驗證，該方法實現了機載鋰電池地面狀態檢測與充放電維護中的SOC在線估算目標。

4 結束語

本文針對機載鋰離子蓄電池的地面狀態檢測這一應用目標，重點研究了蓄電池SOC估計方法，通過構建基于EKF的荷電狀態估計模型，結合OCV-SOC模型曲線構建，實現了對SOC初值估計與充放電維護過程中的在線估算，并基于此研制了機載鋰電池地面檢測與維護設備。通過對自主研制的機載鋰電池地面檢測與維護設備的探索性應用，實現了機載鋰離子蓄電池的SOC估算，并為后續的功能狀態、健康狀態的有效評估提供了研究基礎。通過實際運行分析驗證，該方法能夠取得較好的SOC估計效果，對鋰離子蓄電池的質量評估、可靠性評價、推廣應用提供了有益探索。

References)

[1] 羅玉濤,謝斌,何小顫.電動汽車鋰離子電池組參數辨識與SOC估計[J].華南理工大學學報:自然科學版,2012,40(12):79-85.

[2] Windarko Novie Ayub,Choi Jaeho.LiPB battery soc estimation using extended Kalman filter improved with variation of single dominant parameter[J]. Journal of Power Electronics,2012,12(1):40-48.

[3] 侯恩廣,喬昕,劉廣敏.動力鋰電池SOC估計的建模與仿真[J].計算機仿真,2014,24(8):769-774.

[4] James J E,Tsenter B. SoH recognition of aviation batteries via passive diagnostic device[J].SAE International Journal of Aerospace,2010,3(1):144-148.

[5] Andre D, Appel C, Soczka-Guth T. Advanced mathematical methods of SOC and SOH estimation for lithium-ion batteries[J].Journal of Power Sources,2013,224(1):20-27.

[6] 毛華夫,萬國春,汪鐳.基于卡爾曼濾波修正算法的電池SOC估算[J].電源技術,2014,38(2):298-302.

[7] Norian K H. Equivalent circuit components of nickel-cadmium battery at different states of charge[J].Journal of Power Sources,2011,196(11):5205-5208.

[8] 華貴山,倪受春,林其斌.基于電動汽車鋰電池的SOC動態估算策略[J].電測與儀表,2014,51(2):58-62.

[9] Kim Jonghoon,Shin Jongwon,Chun Changyoon.Stable configuration of a li-ion series battery pack based on a screening process for improved voltage/SOC balancing[J].IEEE Transactions on Power Electronics,2012,27(1):411-424.

[10] 王順利,安文倩,夏承成.基于最優路徑選擇的電池組單體電壓主動均衡方法研究[J].計算機測量與控制,2014,22(5):1572-1574.

[11] Cheng K W E, Divakar B P, Wu Hongjie.Battery-management system (BMS) and SOC development for electrical vehicles[J].IEEE Transactions on Vehicular Technology,2011,60(1):76-88.

[12] 尚麗平,王順利,李占鋒.基于放電試驗法的機載蓄電池SOC估計方法研究[J].電源學報,2014(1):61-65.

[13] Metri Grace,Sabharwal Manuj,Iyer Sundar.Hardware/software codesign to optimize SoC device battery life[J].Computer,2013,46(10):89-92.

[14] Lee Jaemoon,Nam Oanyong,Cho B H. Li-ion battery SOC estimation method based on the reduced order extended Kalman filtering[J].Journal of Power Sources,2007,174(1):9-15.

[15] 羅偉林,張立強,呂超.鋰離子電池壽命預測國外研究現狀綜述[J].電源學報,2013(1):140-144.

[16] 馬進紅,王正仕,蘇秀蓉.鋰離子動力電池大電流脈沖充電特性研究[J].電源學報,2013(1):30-38.

[17]MeyerMarco,KomsiyskaLidiya,LenzBettina.StudyofthelocalSOCdistributioninalithium-ionbatterybyphysicalandelectrochemicalmodelingandsimulation[J].AppliedMathematicalModelling,2013,37(4):2016-2027.

[18] 尚麗平,王順利,李占鋒.基于SOC的AGV車載蓄電池組主動均衡方法研究[J].電子技術應用,2014,40(6):67-69,73.

[19]TaguchiY,OgasaM.SOCestimationmethodoflithiumionbatteryforcontactwireandbatteryhybridelectricrailwayvehicle[J].QuarterlyReportofRTRI(RailwayTechnicalResearchInstitute),2013,54(3):145-151.

[20] 尚麗平,王順利,李占鋒.機載蓄電池組地面維護系統研究[J].電源學報,2014(2):43-49.

[21]WangLeyi,PolisMichaelP,YinG.George.Batterycellidentificationandsocestimationusingstringterminalvoltagemeasurements[J].IEEETransactionsonVehicularTechnology,2012,61(7):2925-2935.

[22]MingantR,BernardJ,Sauvant-MoynotV.EISmeasurementsfordeterminingtheSoCandSoHofLi-ionbatteries[J].ECSTransactions,2011,33(39):41-53.

Research on a novel airborne lithium battery SOC estimatingmethod and its implementation

Wang Shunli1,2,Shang Liping1,2,Qu Wei1,Shu Siqi1,Ge Chengdong1

(1. School of Information Engineering,Southwest University of Science and Technology,Mianyang621010, China; 2. Robot Technology Used for Special Environment Key Laboratoryof Sichuan Province,Mianyang 621010,Sichuan, China)

In order to solve the lithium battery state of charge estimation problem,aiming at the aircraft emergency power supply environment,a novel airborne lithium battery SOC estimation method is proposed based on the Extended Kalman filter.This method achieves the SOC estimation of the airborne lithium battery by constructing the state equation and the measurement equation through forecasting,correcting and estimating stages.An airborne lithium battery state detection and maintenance system is designed and manufactured successfully based on this method.The experimental results show that this method can achieve efficient SOC estimation of the airborne lithium battery,which improves the reliability and stability for the airborne application.

lithium battery; state of charge; EKF; health status

2014- 09- 05 修改日期：2015- 01- 07

四川省創新訓練項目(201410619004);西南科技大學實驗室開放基金項目(14xnkf09);西南科技大學實驗技術研究項目(14syjs-78)

王順利(1985—)，男，四川綿陽，碩士，在讀博士研究生，講師，研究方向為檢測技術及應用.

TM912

A

1002-4956(2015)5- 0045- 05