車用鋰電池SOC估算法研究進展

俞兆亮　朱莉娜

摘 要：文章介紹電池熱管理技術（BMS）的一項關鍵技術即荷電狀態（SOC）的幾種估算方法及多種方法綜合應用。在此基礎之上分析了多種方法的綜合應用及新型的研究方法、各自方法的優缺點和適用場合。進一步明確了SOC算法的發展趨勢，為今后鋰電池荷電狀態估計方法的創新發展提供了一定的參考。關鍵詞：鋰電池;SOC估算法;研究進展中圖分類號：O646.21? 文獻標識碼：A? 文章編號：1671-7988（2020）02-16-03

Abstract： The paper introduces several estimation methods of charge state and comprehensive application of various methods， which is a key technology of battery thermal management system. On this basis， the comprehensive application of various methods， the new research methods， the advantages and disadvantages of each method and the application occasions are analyzed. The development trend of soc is further clarified， which provides a certain reference for the innovation and development of the estimation method of charge state of lithium battery in the future.Keywords： Lithium battery; Soc estimation; Research progressCLC NO.： O646.21? Document Code： A? Article ID： 1671-7988（2020）02-16-03

引言

近年來，隨著新能源汽車不斷飛速的發展，消費者開始關注電池續航里程、的工作性能及安全性等問題。這對于電池的各項性能提出了很高的要求，其在一定程度上促使新能源汽車的核心“鋰電池”相關技術的不斷進步。其電池的荷電狀態的剩余量（SOC）的準確估計，不僅能夠使駕駛者提前預知車輛的續航里程而且提高了電池的高效利用和電池的使用壽命。在現階段研究人員的研究成果的基礎之上，本研究將從車用鋰電池的各種估算方法的分析、綜合方法的運用和新型研究方法進行論述，進而分析出今后SOC估算法的發展趨勢及研究方向。

1 SOC估算法

1.1 神經網絡算法^[1]

神經網絡算法是基于模擬人類大腦神經元的工作狀態建立一套處理輸入數據的神經網絡系統模型的方法。針對電池在實際工況中，電池電流與電壓處于非線性狀態，并且其電池的電量不能實時計算及自適應優化計算等問題，此方法能極大地提高估算的準確性。

為提高電池估算法精度，胡春花等基于拓撲結構建立了PID神經網絡電池模型，運用不同順序的算法在很大程度上實現了這一目標^[2]。與此同時為解決相同問題，周美蘭和趙強等^[3]基于BP神經網絡引入PSO的算法，主要核心是新的算法與改進的原有BP神經網絡的閾值等參數相結合進行精確估算。因其運算復雜和成本較高，在一定程度上制約了它的發展。

1.2 安時積分法

安時積分法是通過累積測量電池的充電量和放電量來估算SOC。但此方法由于處于電源外部測量故存在初值估算不準確并且每次的測量存有誤差，當隨著測量時間的推移其誤差和會越來遠大，影響SOC的估算。針對最初始的數值不準的問題，劉東等^[4]在安時積分法估算SOC的過程中，引入了拐點電壓修正了此時的荷電狀態（SOC）。通過這種改進措施，加強了安時積分法的實用性。

1.3 卡曼濾波法

卡曼濾波法是運用上一時刻的估計值與測量值，通過不同的計算機編程體系及均方差合理運算，對輸入數據進行處理，實現在線地最優化的預估。其最大的特點就是能將噪聲和其他的影響計入進行分析，并能夠有效解決最初的估算不準的問題，因此此種估算方法成為現階段最集中的研究焦點，許多研究學者將這種方法被廣泛地應用于鋰電池的荷電狀態的估算中。

針對于安時積分法中存在的累積誤差和噪聲等因素的影響，錢瀟瀟等將電路的模型與拓展卡爾曼濾波法相結合進行估算，在很大程度上彌補了累積誤差這種缺點和不足，并且展現了良好的魯棒性和準確性^[5]。而對于所存在的荷電狀態下初值估算缺陷問題，高文敬等提出基于滑模變結構的卡爾曼濾波法，極大地改善了估算穩定性并保持極高的精確度⁰。其運算較適中，故應用較廣。

1.4 開路電壓法

開路電壓需要在很長時間的靜置條件下，基于開路電壓相固定的函數模型來進行估算。由于在實際工作中不能滿足其靜置條件，現階段只在實驗室進行測量。由于運算最簡單但精度較差，故只能用于簡單的場合中。

2 多種方法綜合運用

鋰電池在實際運行過程會受到各種因素的影響，比如電池的工作溫度、充放電時電流的大小和電池的老化等等問題^[7]。單一的估算方法存在一定的缺陷，因此需要將各種影響因素綜合考慮，進一步提高電池在實際工況中估算效果的精確性。嘗試將不同的方法綜合起來去解決某種突出的問題，也是當前學者研究的一個方向。

蔣煒和陳立劍等^[8]在低成本運算的前提下，將電流積分法和開路電壓法結合在一起并且將各種影響因素考慮進去研究出了一種實時預估電池電量的方法。此方法提高了估算的準確性及穩定性。在此基礎之上，鄧濤等基于上面的方式引入了負載電壓法。以此將三種方法綜合起來研發出來一種初值預估精確并且能實時估算的算法^[9]。與上述解決的問題不同，侯朋飛和王金全等^[10]基于提高估算法的學習深度，采用了深度學習理論和量子遺傳結合起來的方法。

3 新型估算方法

在傳統鋰電池估算法發展較為成熟的基礎之上，一部分研究人員開發出了一系列運算速度快、結構簡單、成本低廉等優點的創新方法。

基于電池處于非線性狀態下影響量較多估算困難及步驟繁雜等問題，孫弘利等^[11]基于ELM神經網絡模型，對充電電池包進行測試，實驗結果很好地印證了其模型的有效性。同時，駱秀江等人^[12]基于電池處于非線性工作狀態及電池的工作溫度、電壓和電流等的影響，提出了運用支持向量機（SVM）法來估算SOC。但此方法有不足之處：在數據量較大時運算速度較慢。不同于前者，徐洪超和沈錦飛基于安時積分法和開路電壓法的綜合，提出一種新的耦合算法即在前面綜合方法的基礎上加入了拓展卡爾曼濾波法。此方法不僅改善了傳統估算法累積誤差等缺陷而且還降低了計算設備的投入成本^[13]。

4 結論

（1）各種SOC估算法分別有其各自的優勢與不足，如安時積分法可以實時估算但初值不準而開路電壓能準確估計初值但不能實時估算，此時將兩種方式相結合既解決了單個明顯的問題又能提高估算的準確性。進而顯示出綜合法的優勢，促進研究人員持續不斷地創新發展此類方法。

（2）在綜合法的運用前提下，結合研究學者的創新思維產生了新型的估算方法，但這種方法需要不斷地深入研究。

（3）鋰電池研究趨勢在于將電池的各種估算方法綜合運用與實際工況環境結合起來共同考慮。然后制定相應的計劃與解決方法，使得電池的荷電狀態估算更加合理、經濟、準確，進一步實現電池管理系統（BMS）高效運行和延長電池的壽命。

參考文獻

[1] 廖恩華.基于神經網絡的電動汽車磷酸鐵鋰電池SOC估算方法研究[D].成都：電子科技大學，2011.

[2] 胡春花，何仁，王潤才，等.基于PID神經網絡的車用鋰電池SOC估算[J].汽車技術，2012（10）：36-38+43.

[3] 周美蘭，趙強，周永勤.改進的PSO-BP神經網絡估算磷酸鐵鋰電池SOC[J].哈爾濱理工大學學報，2015（04）：88-92.

[4] 劉東，黃碧雄，王一全，等.鋰電池SOC拐點修正安時積分實時估算方法[J].儲能科學與技術，2019（05）：850-855.

[5] 錢瀟瀟，張菁，楊勇.基于改進卡爾曼濾波的鋰電池SOC估算研究[J].智能計算機與應用，2019（03）：194-198.

[6] 高文敬，高松，侯恩廣.基于滑模變結構的卡爾曼濾波對電池SOC的估算[J].廣西大學學報（自然科學版），2017（06）：2067-2073.

[7] 陳元麗，趙振東，陳素娟，等.動力鋰電池SOC估算方法綜述[J].汽車科技，2019（05）：65-69.

[8] 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（06）：38-39.

[9] 鄧濤，孫歡.鋰離子電池新型SOC安時積分實時估算方法[J].重慶理工大學學報（自然科學），2015（01）：101-106.

[10] 侯朋飛，王金全，徐曄，等.基于深度學習和量子遺傳算法的電池SOC估算方法研究[J].微型機與應用，2017（08）：51-55.

[11] 孫宏利，趙冠都.基于ELM神經網絡的磷酸鐵鋰電池SOC估算研究[J].通訊電源技術，2018（09）：69-71.

[12] 駱秀江，張兵，黃細霞，等.基于SVM的鋰電池SOC估算[J].電源技術，2016（02）：287-290.

[13] 徐洪超，沈錦飛.基于EKF-Ah-OCV的鋰電池SOC估算策略[J].江南大學學報（自然科學版），2015（01）：64-68.