基于極化效應PNGV模型的動力鋰電池SOC估算

馬玉菲 楊玉新 李立偉 劉含筱

摘要：為提高鋰電池荷電狀態的估算精度及模擬鋰離子電池實際充放電特性的準確性，本文通過改進現有的PNGV等效電路模型，在PNGV模型基礎上，增加一節RC并聯模塊，使模型更好的反映電池的極化效應。同時，通過實驗獲取電池充放電特性，為卡爾曼濾波器提供精確的參數，并提出了電池的開路電壓曲線模型，通過Matlab擬合驗證滿足精度要求。最后采用擴展卡爾曼濾波（extended kalmanfilter，EKF）算法對鋰電池荷電狀態（state of charge，SOC）進行估算，并與安時積分法進行比較。實驗結果表明，估算最大誤差不超過45%，平均不超過3%，提高了SOC的估算精度。該研究為電動汽車運行工況提供了理論依據。

關鍵詞：鋰電池; SOC估算; 電池模型; 開路電壓模型

中圖分類號： TM912.9文獻標識碼： A

文章編號： 10069798（2019）01005806; DOI： 10.13306/j.10069798.2019.01.010

日益增長的能源需求與日漸短缺的化石燃料的相互矛盾，使可再生能源技術得到了更多的關注，電動汽車的發展和使用更加迫切。電動汽車實際運行工況的管理與電池管理系統[1]的反饋數據緊密相關，而荷電狀態作為電池管理系統[2]（battery management system，BMS）中最重要的參數，它的精度和魯棒性[3]極其重要。高精度的SOC估算可以充分發揮電池的最大效能，提高電池的利用率，為電動汽車運行工況提供較高的參考價值。因此準確的電池模型和SOC估算結果對混合動力/純電動汽車至關重要[4]。卡爾曼濾波算法適用于電池在線工況狀態，是基于無偏的最優狀態估算[5]，是目前SOC估算算法的熱點。近年來，以卡爾曼濾波算法為基礎，更多復雜且精確的算法被提出，如模糊卡爾曼算法[6]、雙卡爾曼算法[7]、Sigma點卡爾曼濾波算法[8]等，雖然這些算法提高了估算精度，但同時也增加了計算難度、占用更多的內存、降低了實用性。常見的傳統電池模型有Rint模型[9]、Thevenin模型[10]和PNGV模型等，這些模型以通用性和復雜度為前提，但都對電池實際特性進行了不同程度的簡化，是導致SOC估算誤差的主要原因之一?；诖耍疚囊越浀潆姵啬Ｐ蜑榛A，增加一節Rc并聯模塊，進一步提高數據模型精度，采用擴展卡爾曼濾波算法，并通過Matlab/Simulink仿真驗證模型與算法的可行性，在不提高算法復雜度的同時，提高了SOC估算精度。該研究具有一定的實際應用價值。

1電池極化概念及等效模型改進

1.1極化效應

電池充放電過程中，電流通過導致的電極偏離平衡電位[11]的現象稱為電極極化[12]。電池內部化學反應不是簡單的電子轉移，包括在電極和電解質間界面處的一系列過程。

根據反應步驟，鋰電池極化類型有歐姆極化、電化學極化和濃差極化3種。電池電解液、電極及導電材料之間相互存在的接觸電阻是引起歐姆極化的直接原因，充放電過程中的電壓突變一般認為是由歐姆極化引起。電化學極化是由于電極板上進行氧化還原反應的速率比電極板上電子釋放的速率慢所造成。當氧化還原反應速率與電解液中生成物的反應物的擴散速率無法達到相對平衡時，會出現第3種極化——濃差極化，充放電過程中的電壓趨于平坦的過程一般認為是由電化學極化和濃差極化引起。電化學極化與濃差極化產生的實質是由于在正、負極板間的往返運動，引起電池內部電解液中離子濃度分布短時不平衡現象，進而形成電位差，當電池靜置較長

5結束語

本文構建了極化效應PNGV電池等效電路模型。該模型考慮了鋰電池實際工況中的歐姆極化、電化學極化、濃差極化三種極化效應，能更精確的反映電池的實際動態特性。通過實驗測試與數據擬合，提出了鋰電池OCVSOC關系曲線模型，并通過Matlab擬合驗證了模型的精確度。從實驗驗證可以看出，改進模型與EKF算法的結合能準確的估算電動汽車實SOC，能有效反映出電化學阻抗帶來的極化效應，具有較好的精度和適用性。但極化效應PNGV模型需要計算的參數較多，估算前期工作的計算量較大，在后續的研究中有待進一步簡化和完善。

參考文獻：

[1]Wang Y， Chen Z， Zhang C. Online remaining energy prediction：A case study in embedded battery management system[J].Applied Energy， 2016， 194： 688695.

[2]汪世國. 電動汽車電池管理系統（BMS）現狀分析[J]. 汽車實用技術， 2014（2）： 6567.

[3]余奇. 純電動汽車動力電池荷電狀態估計的研究[D]. 哈爾濱： 哈爾濱工業大學， 2016.

[4]盧杰祥. 鋰離子電池特性建模與SOC估算研究[D]. 廣州： 華南理工大學， 2012.

[5]李莉， 朱珺. 無偏轉換卡爾曼濾波在雷達目標跟蹤中的應用[J]. 電子測量技術， 2011， 34（4）： 3032.

[6]李德東， 王振臣， 郭小星. 基于模糊卡爾曼濾波的HEV氫鎳電池SOC估計[J]. 電源技術， 2011， 35（2）： 192194.

[7]苗強. 基于載荷重構的混合動力公交車能量管理策略優化研究[D]. 濟南： 山東大學， 2017.

[8]張金龍， 佟微， 漆漢宏， 等. 平方根采樣點卡爾曼濾波在磷酸鐵鋰電池組荷電狀態估算中的應用[J]. 中國電機工程學報， 2016， 36（22）： 62466253.

[9]張利， 張慶， 常成， 等. 用于電動汽車SOC估計的等效電路模型研究[J]. 電子測量與儀器學報， 2014（10）： 11611168.

[10]魏增福， 董波， 劉新天， 等. 鋰電池動態系統Thevenin模型研究[J]. 電源技術， 2016， 40（2）： 291293.

[11]Taheri P， Mansouri A， Yazdanpour M， et al.Theoretical analysis of potential and current distributions in planar electrodes of lithiumion batteries[J]. Electrochimica Acta， 2014， 133（133）： 197208.

[12]楊帆， 喬艷龍， 甘德剛， 等. 不同充電模式對鋰離子電池極化特性影響[J]. 電工技術學報， 2017，32（12）： 171178.

[13]李志農， 覃章鋒. 基于降低極化電壓磷酸鐵鋰電池充電方法研究[J]. 汽車技術， 2017（11）：2429.

[14]白婷. 鋰離子電池間歇正負脈沖優化充電方法研究[D]. 武漢：湖北工業大學， 2014.

[15]謝祖榮， 車勇， 黃之初. 基于Matlab的RLC二階電路零輸入響應的研究[J]. 武漢理工大學學報，2002， 24（1）： 4649.

[16]FernándezVillaverde J， Gordon G， GuerrónQuintana P， et al. Nonlinear adventures at the zero lower bound[J]. Journal of Economic Dynamics & Control， 2015， 57（6）： 182204.

[17]薛長虎， 聶桂根， 汪晶. 擴展卡爾曼濾波與粒子濾波性能對比[J]. 測繪通報， 2016（4）： 1014.

[18]黃飛， 鐘家偉. 泰勒公式及泰勒級數的應用[J]. 佳木斯大學學報： 自然科學版， 2016， 34（6）：10291032.

[19]Zhang C， Wang L Y， Li X， et al. Robust and adaptive estimation of state of charge for lithiumIon batteries[J]. IEEE Transactions on Industrial Electronics， 2015， 62（8）： 49484957.

[20]Fath K， Stengel J， Sprenger W， et al. A method for predicting the economic potential of （buildingintegrated） photovoltaics in urban areas based on hourly radiance simulations[J]. Solar Energy， 2015， 116（4）： 357370.