動力電池預估方法研究進展

杜 濤，李愛魁，馬 軍，劉 飛

(國網電力科學研究院武漢南瑞有限責任公司，湖北武漢430074)

杜 濤，李愛魁*，馬 軍，劉 飛

(國網電力科學研究院武漢南瑞有限責任公司，湖北武漢430074)

估計是電動汽車電池管理系統的重要功能。動力電池在使用過程中，對荷電狀態準確地進行估算可以有效提高電池的使用效率，提高電池的使用壽命。電池不能直接測量，需要通過其它參數和方法間接獲得。研究人員為了提高電動汽車電池估計的準確性做了大量研究工作，采用的主要方法有：安時積分法、開路電壓法、神經網絡法和卡爾曼濾波法及其改進的方法等。主要介紹了各種估計方法的原理及應用中存在的優缺點，評價了各種估計方法。

鋰離子電池；；預估

電動汽車由于具有能源利用率高、可有效減少二氧化碳的排放、噪聲小以及能量來源多樣化等特點，已成為汽車產業研究的熱點之一，但是目前動力電池的性能和價格限制了電動汽車推廣和產業化。在現有的動力電池中，鉛酸電池、氫鎳電池、鋰離子電池均為電動汽車的常用動力源。

1.1 安時積分法與改進的安時積分法

安時積分法是原理最簡單、應用最廣泛的算法。它是通過對電流的不停檢測并進行積分來推斷出電池釋放出或吸收到的電量，從而得出電池的值。公式如下：

安時積分法的主要缺點包括三個方面：要求電流的檢測頻率和精度非常高，否則會導致積分誤差增加，并且產生累積誤差；電池充放電效率和電池的值、電流、溫度、老化、內阻變化率、壽命等都有關系，效率難以準確測量，造成的估算誤差越來越大。在高溫或電流波動劇烈情況下，受到電流測量精度的影響，安時法精度很差，通常與其它方法配合使用。有文獻報道通過判斷0并利用0對進行定期或不定期的矯正的方法，可提高安時積分法的預測精度[5]。

林成濤等[6]針對安時計量法不能估計初始荷電狀態(0)、難于準確測量庫侖效率和電池可用容量變化的問題，提出折算庫侖效率的定義，建立開路電壓法、卡爾曼濾波法和安時計量法的組合方法估計電池。具體算法中，根據溫度和老化對電池可用容量的影響實驗建立電池容量的影響因素模型，基于

張利等[7]通過構建模型，考慮各因素對η的影響，利用模糊聚類預測法，對η進行計算。經過實驗驗證并結合對傳統安時計量法的仿真，將二者對比放電實驗結果，使用該方法將計算精度提高到了3.4%。

1.2 開路電壓法與改進的開路電壓法

開路電壓法能夠避開累積誤差和效率難以確定的問題，其認為電池開路電壓()和存在固定而準確的關系，通過不斷地獲取電池的值得到電池的值，但是準確的值要求電池斷開一個小時以上以使其內部處于穩定狀態，而電池實際使用過程無法滿足上述要求。因此開路電壓法常與安時積分法結合使用，在電池啟用前，用開路電壓法估算此時的0以保證準確度，啟動后用安時積分法進行計算以保證實用性，但該方法預測精度依然不能完全滿足要求。

曾潔等[8]采用了開路電壓法與安時計量法相結合的方法。首先通過實驗獲得電池靜態開路電壓與對應的靜態初始，然后基于多項式回歸分析法擬合出電池靜態開路電壓與電池靜態初始的曲線方程；而電池充放電時的變化量則用安時計量法計算。經過實驗驗證，此方法能夠較為準確地估測出電池的。

徐欣歌等[9]通過對電池放電曲線及恢復曲線分析，擬合出電池開路電壓的計算公式，用電池停止放電后的某時刻電壓估計電池的開路電壓的方法，解決了動態情況下預測電池開路電壓的問題，在電動車上使用開路電壓估算。采用建立電池模型的方法，通過實驗所得數據對模型進行曲線擬合，得到最優參數，并通過另外幾組數據進行驗證，實驗結果表明該方法預測精度為0.02%。

1.3 卡爾曼濾波法與改進的卡爾曼濾波法

卡爾曼濾波法的思想是把動態系統表示成狀態空間形式，對動態系統的狀態做出最小方差意義上的最優估計。當它應用于估計時，電池被看成一個動態系統，而則是系統的一個內部狀態。卡爾曼濾波法估計算法的核心，是一套包括估計值和反映估計誤差的協方差矩陣的遞歸方程，協方差矩陣用來給出估計誤差范圍。卡爾曼濾波法精度高，對的初始值有很強的修正作用，但是其對計算能力要求非常高。卡爾曼濾波法主要分為無色卡爾曼濾波(UKF)、擴展卡爾曼濾波(EKF)以及雙卡爾曼濾波(DKF)。卡爾曼濾波只能對線性系統進行建模，而電池系統往往比較復雜，采用線性系統對電池進行建模得到的估計精度必定受到限制。EKF通過非線性函數的傳播，需將非線性函數用Taylor級數展開并線性化，雖然可以求取估計誤差方差，但一方面增加了計算復雜度，另一方面，在該過程中忽略了高階項，必定會引起誤差。因此，近年來通過改進卡爾曼濾波法以得到更加精確的SOC估計的方法國內外均有研究[10-11]。

采樣點卡爾曼濾波通過設計少量的采樣點，根據采樣點經由非線性函數的傳播，計算出隨機向量一、二階統計特性的傳播，比擴展卡爾曼濾波能更好地逼近方程的非線性特性，從而比擴展卡爾曼濾波具有更高的估計精度。高明煜等[12]利用采樣點卡爾曼濾波算法進行動力電池估計的方法和過程，對電池過程模型進行修改，使其適應不同的溫度條件及不同的放電速率。利用一系列擁有狀態變量均值和方差信息的采樣點經由非線性系統傳播，直接得到電池荷電狀態的估計及其估計方差，在避免復雜的求導運算的同時進一步提高了的估計精度。最后，分析了采樣點卡爾曼濾波在估計精度、收斂速度、算法復雜度及魯棒性等方面的性能。實驗表明：采樣點卡爾曼濾波算法可以用來進行動力電池的快速精確估計，最大誤差在5%左右。

1.4 神經網絡法

神經網絡與模糊控制是人工智能的兩個分支。神經網絡是計算機為工具，通過模擬人腦的推理、設計、思考、學習等智能行為，解決和處理復雜問題的一種方法。這種方法對于各種電池都適用，在建立較好網絡模型的前提下，依靠大量的樣本數據進行訓練以得到好的精度，但是訓練精度受訓練方法和訓練數據的影響很大，同時這種方法對單片機性能要求較高；模糊控制接近人的形象思維方式，擅長定性分析和推理，具有較強的自然語言處理能力。

神經網絡法主要分為RBF神經網絡和PB神經網絡兩大類。他們在結構上相似，且輸出層均為線性關系。神經網絡必須被訓練數據所訓練，在訓練中通過學習確定自由參數。常用的輸入量為電壓、電流、溫度、電阻等。輸入變量和輸入變量的選擇將直接影響模型的準確性和計算量。該方法不需要描述輸入和輸出關系的的精確公式，可以在網絡訓練中確定，具有自適應的特征。但是它需要大量的參考數據來訓練，估計誤差受數據和訓練方法的影響很大。

李國康[13]等分析了影響電池充放電性能的主要因素，提出了基于BP神經網絡的電池SOC預測模型，并以電壓和電流作為主要輸入，對該模型進行了仿真實驗和現場測試。從現場測試結果看，該模型最大相對誤差值為5.7%，達到了較高的精度。但由于訓練樣本相對簡單，神經網絡較為簡單，未引入電池內部溫度和充放電次數對電池充放電容量的影響。

尹安東[14]等在分析磷酸鐵鋰電池充放電機理的基礎上，采用levenberg-marquardt算法建立了磷酸鐵鋰電池的BP神經網絡模型，并進行了電池值的預測。LiFePO4電池的網絡預測結果與實際測試結果較吻合，其最大絕對誤差在2%左右。任意選取的放電倍率為1.375情況下LiFePO4電池放電電壓與變化曲線，其實際測試值與預測值誤差在6%范圍內。

2 結論與展望

[1] 李翔晟，楊三英，周永軍.混合動力汽車電池SOC的仿真與修正[J].電源技術，2011，35(12)：1589-1591.

[2] 湯桃峰.電動車鋰離子電池組SOC預估及一致性研究[D].重慶：重慶大學，2011.

[3] 蔣煒，陳立劍，陳方亮.動力鋰電池組管理系統的SOC估算研究[J].船電技術，2011,31(6)：38-39.

[4]CHENG K W E，DIVAKAR B P，WU H J，et al.Battery-management system(BMS)and SOC development for electrical vehicles[J]. IEEE Transactions on Vehicular Technology,2011,60(1)：76-88.

[5]LEE S J,KIM J H,LEE J M,et al.The state and parameter estimation of a Li-ion battery using a new OCV-SOC concept[C]//Proceedings of 2007 IEEE Power Electronics Specialists Conference.Orlando：2007 IEEE PESC，2007.

[6]林成濤，陳全世，王軍平，等.用改進的安時計量法估計電動汽車動力電池SOC[J].清華大學學報,2006,46(2)：247-251.

[7] 張利，王為，陳澤堅，等.新能源汽車SOC估算的模糊預測算法研究[J].電子測量與儀器學報，2011，25(4)：315-319.

[8] 曾潔，卜凡濤.基于多項式回歸算法的鋰電池SOC估測[J].大連交通大學學報，2011,32(4)：70-74.

[9] 徐欣歌，楊松，李艷芳，等.一種基于預測開路電壓的SOC估算方法[J].電子設計工程，2011,19(14)：127-129.

[10]WANG L Y，WANG L F，LIAO C L,et al.Sigma-point kalman filter application on estimating battery SOC[J].Transactions of China Electrotechnical Society，2011，26(11)：161-167.

[11]NOVIE A W,JAEHO C.LiPB battery SOC estimation using extended kalman filter improved with variation of single dominant[J]. Parameter Journal of Power Electronics，2012，12(1)：40-48.

[12]高明煜,何志偉，徐杰.基于采樣點卡爾曼濾波的動力電池SOC估計[J].電工技術學報，2011，26(11)：161-167.

[13]李國康，段玲玲，王幼蘭.電動汽車鋰電池SOC預測方法研究[J].沈陽理工大學學報，2011，30(2)：5-7.

[14] 尹安東，張萬興，趙韓，等.基于神經網絡的磷酸鐵鋰電池SOC預測研究[J].電子測量與儀器學報，2011，25(5)：433-437.

Research progress ofestimation of power battery

DU Tao,LI Ai-kui*,MA Jun,LIU Fei

(State of Charge)estimation is an important function of electric vehicle battery management system. Accurate estimation ofcan improve the service efficiency and life of battery.of battery can only be measured indirectly through other parameters and methods. Researchers has done much work to improve the accuracy ofestimation.Ampere hour measurement,open circuit voltage,neural network,Kalman filter and the improved methods are taken out. The principles of these methods were introduced, and the advantages and disadvantages of these methods during applications were given,then these methods were valued.

Li-ion battery;;estimation

TM 912.9

A

1002-087 X(2015)04-0844-02

2014-09-06

國家電網公司《電動汽車動力電池梯次利用技術研究與示范》(HNDLKJ[2012]001-3)

杜濤(1984—)，男，湖北省人，工程師，碩士生，主要研究方向為儲能電站。單變量電池模型實現卡爾曼濾波。使用1 1085 s的氫鎳電池組FUDS實驗數據驗證方法精度，經與放電實驗真實值比較得到的誤差為2.3%，優于安時計量法的19.7%，滿足電動汽車對估計誤差8%的使用要求。