動力磷酸鐵鋰電池性能分析及SOC估算研究

路桂娟，劉婕

(廊坊職業技術學院，河北廊坊065000)

動力磷酸鐵鋰電池性能分析及SOC估算研究

路桂娟，劉婕

(廊坊職業技術學院，河北廊坊065000)

在介紹磷酸鐵鋰電池基本性能的基礎上，對幾種常用的SOC估算方法進行了對比分析，最終選擇了采用BP-神經網絡的方法對電池的SOC進行估算。同時，為了提高估算的精確性，對訓練樣本進行了優化處理。仿真實驗證明，改進后的SOC算法具有估算準確率高，實時性好的優點。

磷酸鐵鋰；動力電池；SOC估算；BP網絡

隨著全球工業的持續發展，汽車作為生活和生產過程中必不可少的工具，其數量也在急劇增加。目前，我們使用的大多數汽車都采用燃油作為能源，而其所帶來能源短缺和環境污染問題變得日益嚴重。因此，找到一種替代的能源是改變這一現狀的重要途徑。

電動汽車是以車載動力電池為主要能量來源的汽車形式，具有超低二氧化碳排放量的優點，因此得到了業界的重視。在所有的動力電池中，磷酸鐵鋰電池是以磷酸鐵鋰為正極材料電池的總稱，因其不含有任何重金屬和稀有金屬，無污染，而且具有壽命長、安全性能好、成本低等優點成為電動汽車的理想動力能源[1]。

1 磷酸鐵鋰電池特性分析

磷酸鐵鋰電池本質上是Li+濃差電池，利用了Li+能夠從電池的正負極材料中脫出或嵌入的可逆過程實現循環的充放電。其電化學反應式如下[2]：

磷酸鐵鋰電池的化學反應是理想的可逆反應，具體過程如下：當電池充電時，電子(e－)經外電路從正極流向負極，而在電池內部Li+從正極脫出，經電解質傳遞后嵌入負極，并在負極與碳和外電路過來的電子結合生成LixC6，此時電池的負極處于富鋰狀態而電池的正極處于貧鋰狀態；磷酸鐵鋰電池在放電時則剛好相反，Li+從負極脫出，經過電解質傳遞后嵌入正極，此時電池的正極處于富鋰狀態而電池負極則處于貧鋰狀態，可以看出電池的充放電過程實質上就是正負極Li+濃度差不斷循環變化的過程，而這種循環變化不會破壞晶體的穩定結構，因此具有良好的可逆性。

磷酸鐵鋰電池主要包括循環特性、不同倍率放電及充電性能、安全性、能量密度、不同溫度下的放電性能等。

(1)循環特性：磷酸鐵鋰電池具有很好的循環性能，據相關研究資料表明：在一定的溫度下，磷酸鐵鋰電池在循環充放電1 600次之后，電池的剩余容量仍然可以占到初始容量的80%，這表明磷酸鐵鋰電池具有良好的循環特性，從而也保證了電池的使用壽命。

圖1 20Ah磷酸鐵鋰電池不同倍率放電

(2)不同倍率放電和高倍率充電性能：圖1表征的是磷酸鐵鋰電池在三種不同倍率下放電性能的變化。從圖中可知，隨著放電電流的增大(0.6C→1.2C→3.6C)，電池的放電容量略有下降，但下降的幅度很小，這表明磷酸鐵鋰電池在高倍率下具有良好的放電性能，從而保證了磷酸鐵鋰電池的動力性。

磷酸鐵鋰電池具有很好的充電性能，經實驗證明，當實際容量20 Ah的電池采用3C倍率電流充電時，25 min就可達到電量的90%，有利于緊急充電方式。

(3)安全性：磷酸鐵鋰具有材料穩定性強的優點，特別是高溫時穩定性非常好。相比于其它的鋰電池，磷酸鐵鋰電池在特定的結構下，電池在撞擊、短路時也可保持良好的穩定性，幾乎不會出現燃燒和爆炸的情況，因此具有很好的安全性。

(4)能量密度：經實驗證明，磷酸鐵鋰電池具有很高的能量密度，可以滿足一定的動力要求。

綜上所述，磷酸鐵鋰電池具有高的安全性和能量密度，充電特性良好，而且循環壽命長，是理想的動力電源。

2 SOC的估算

SOC是電池荷電狀態的總稱，具體描述了電池剩余電量的實際可用狀態，是動力電池在使用過程中必須密切關注的問題。估算SOC的方法很多，例如開路電壓法、安時計量法、負載電壓法等，這些方法在一定程度上都具有動態性能差的缺點。因此，一些智能化的估算方法開始應用于SOC的估算中，BP-神經網絡就是其中之一。

以BP神經網絡為主導的估算方法包括三層主要的結構，如圖2所示，三層結構分別是輸入層、輸出層和隱含層。輸入層對應于電池狀態原始數據樣本，因為樣本數據的準確性直接影響整個神經網絡運算的準確性，因此本設計采用粒子群算法來對其進行校正；第二層為隱含層，隱含層節點的數目可根據系統要求的精度來設置。本設計中隱含層中的節點輸出函數為：

式中：f[x]為輸入層輸出；Wir為輸入層到隱含層間的連接權；Tr為隱含層的閾值。

圖2 BP神經網絡模型

第三層為輸出層，輸出層對應于SOC估算值，在本設計中，只有一個輸出值。

整個網絡的學習過程由正向傳播和反向傳播兩種方式組成。正向傳播過程由輸入信號開始，信號從輸入層經隱含層傳向輸出層，并在輸出端產生輸出信號。正向傳播中上一層神經元的狀態只影響下一層神經元且在傳遞過程中網絡的權值固定不變；當輸出端的實際輸出值與期望輸出值之間存在誤差時，則網絡轉入反向傳播，傳播過程中，網絡的權值由誤差反饋進行調節，以使實際輸出更接近期望值。

為了提高系統的準確性，輸入層的每一個樣本采用粒子群算法來構建，具體算法過程如圖3所示。

圖3 粒子群算法流程

3 結論

磷酸鐵鋰電池具有長的循環壽命、高的安全性和能量密度、快的充電速度等特性，同時磷酸鐵鋰電池生產過程簡單，且不產生有毒有害的物質，從而保證了其具有綠色環保的特性，是一種良好的動力電源。本文采用改進后的人工神經網絡算法對磷酸鐵鋰電池的SOC值進行了估算，從而保證了電池在使用過程中的可靠性。

[1]時瑋，姜久春，李索宇.磷酸鐵鋰SOC估算方法研究[J].電子測量與儀器學報，2010(8)：769-771.

[2]朱雅俊.電動汽車用磷酸鐵鋰電池建模與SCO估算研究[D].合肥：合肥工業大學，2012：8-9.

Performance analysis of lithium iron phosphate power battery and SOC estimation research

LU Gui-juan,LIU Jie
(Langfang Polytechnic Institute,Langfang Hebei 065000,China)

The lithium iron phosphate battery was introduced,and several common SOC estimation methods were compared.BP neural network method was chosen to estimate the SOC of the battery.At the same time,in order to improve the estimation precision,the optimization of the training sample was introduced.The simulation experiments show that the improved algorithm of SOC has high estimation accuracy and good real-time performance.

lithium iron phosphate;power battery;SOC estimation;BP neural network

TM 912

A

1002-087 X(2016)08-1592-02

2016-02-29

路桂娟(1979—)，女，河北省人，在職碩士，講師，主要研究方向為化學教育、綠色化工。