電池管理系統SoC估計與均衡策略優化研究

周 迅，孟令鋒，趙 辰

（四川啟睿克科技有限公司，四川 成都 610000）

關鍵字：電池管理系統；荷電狀態（SoC）估計；均衡策略

1 電池管理系統與SoC估計

電池管理系統（Battery Management System，BMS）的主要功能是實現電池組及各個電池單體的智能化管理與維護，避免電池在充電或使用過程中出現過度充電或過度放電的問題，從而延長動力電池的循環使用壽命[1]。電池管理系統基本組織架構如圖1所示。

圖1 電池管理系統基本構成

電池荷電狀態（State of Charge，SoC）是SoC估計電池管理系統的核心指標，主要作用是顯示電池剩余電量[2]。SoC值是評估電池管理系統運行狀態的關鍵參數，SoC值評估的準確性會對電池的安全使用造成影響。因此，如果出現SoC值不準確的情況，很可能導致汽車電池管理系統誤判，影響電動汽車的運行，嚴重情況下可能會產生危險。

2 動力電池模型及SoC估計方法研究

在鋰離子電池汽車的運行中，為了滿足基本的運轉需求，多使用鋰離子電池提供所需電能。鋰離子電池通常由多節電池單體組成，是目前電動汽車電池系統的主要選擇，具有工作壽命長、安全性高、可靠性強以及自放電率高等優勢。在復雜的運行環境下，依靠傳感器確定電池荷電狀態的實時性和準確性難以得到保障，需要使用電池模型確定電池性能及運行狀態。采用等效電路模型來檢測電池的運行狀態，從而確定電池是否供電[3]。

SoC是在一定放電倍率工況下剩余電量與標定容量之間的比值，可以表示為

式中：Qt為電池剩余容量；Q0為電池標定容量[4]。

應用安時積分法進行計算。具體而言，計算電流在時間上的積分來判斷電池充電、放電的電流變化，根據實際計算的充電或放電過程中電流的變化量，在扣掉原有基礎電流量和標定電容量比值的基礎上，就可以確定當前電池SoC的變化量。

3 動力電池不一致性及均衡研究分析

3.1 電池不一致性原因

（1）生產過程中導致電池出現差異。在生產時，無法確保電池在制造過程中能全部符合標準，在電池原材料、生產工藝、組裝工藝的影響下，都會對電池使用性能造成影響，影響電池使用的一致性。

（2）存儲過程中導致電池存在差異。從鋰離子電池生產到出售，可能被長期存放在倉庫，存儲過程中環境溫度、濕度的變化都會導致電池的不一致性增大。此外，在存儲的過程中也會出現電池自放電的現象，導致電池能量浪費。在長期放電過程中，電池容量逐漸降低，實際可用的電量就大大減少。

（3）使用過程中導致電池存在差異。電動汽車在運行過程中會面臨復雜工況，不確定因素較多。在復雜的工況下，運行環境對電池性能也有不小的影響，電池循環使用的次數越多，其每次存儲電量的能力也會相應降低[5]。

3.2 電池不一致性表現

（1）開路電壓差異。開路電壓差異需要在電池放電過程中測量開路電壓的情況，并與原始的開路電壓比較。

（2）容量差異。在存儲的過程中由于電池不一致性的存在，導致電池可實際使用容量出現較大變化，進而縮短汽車的續航里程。

（3）SoC差異。SoC受電池剩余容量與可用容量的直接影響，當電池可用容量發生變化時，SoC值也就會相應的變化，進而導致電池的電量不能全部發揮出來。

4 動力鋰離子電池SoC估計

4.1 電池模型設計

在正式估計SoC前，需要明確電池模型來了解電池基本性能，在等效模型的基礎上對電池SoC值進行有效估計。選用二階PC等效電路模型進行SoC估計，如圖2所示。

圖2 二階PC等效電路模型

4.2 模型參數辨識

為了獲得動力電池開路電壓（Open Circuit Voltage，OCV）-SoC曲線，需要對電池進行脈沖實驗，實驗步驟如下。

（1）充滿電池，將其空置3 h，在電池溫度恢復到室內溫度時，記錄電池的開路電壓值。

（2）在一個脈沖放電周期的條件下，選用3 A恒流狀態將電池持續放電180 s，記錄電池電壓值。

（3）放電完成后，將電池靜置2 h。當電池恢復到正常條件時，記錄電壓值。

（4）重復步驟（2）和步驟（3），在設定時間內測定周期性脈沖放電與靜置的狀態。

（5）記錄放電過程中的所有參數數據。

在得出測量結果的基礎上，在MATLAB軟件上繪制開路電壓OCV-SoC曲線，脈沖放電電流和放電電壓如圖3（a）、圖3（b）所示，OCV-SoC曲線如圖4所示。

圖3 電池脈沖放電實驗

圖4 OCV-SoC擬合曲線

隨著SoC值的上升，當SoC容量在70%左右時，鋰離子進出受阻，大量的鋰離子被阻擋在外部，導致短時間內的極化內阻增大。電池等效參數隨著運行狀態的不同而逐漸改變，如果離線辨識結果不對，那么SoC估計的精準度會受到影響。

4.3 基于拓展卡爾曼濾波算法的電池SoC估計

考慮到SoC估計的實用性，選用拓展卡爾曼濾波算法（Extended Kalman Filter，EKF）進行電池估算。估計過程的等式可表示為

式中：X為狀態變量；U為噪聲變量。

建立觀測模型

式中：Zk為tk時刻的觀測向量；Hk為觀測矩陣，Vk為測量的噪聲向量。

EKF算法主要用于離散時間的非線性系統，在應用前需要將非線性系統對應的函數進行泰勒展開，去掉高階項就可以得到系統線性函數。在遵循卡爾曼濾波算法理論的基礎上，結合二階PC模型進行估算。逐漸遞推，在時間更新、狀態更新的基礎上計算得出下一個時刻的SoC估計值。將計算得出的估計值與實際值進行對比，得出的結果如圖5所示。

圖5 SoC估計值與實際值對比

從對比情況來看，實際的誤差值相對較小，說明采用EKF算法進行SoC估計可以完成動力電池SoC估計值的準確測量，有較好的測量效果。

5 雙層電感電池均衡控制設計

綜合考慮均衡速度、控制難度以及電路成本，基于Buck-Boost結構的均衡電路構建電感雙層均衡結構，如圖6所示。

圖6 雙層均衡結構

在雙層均衡結構的基礎上，為了有效控制SoC值，需要加強差值測量。如果在實際測量中電路電壓超過0.1 V，則說明SoC估計不夠準確，需要關閉均衡。均衡控制流程如圖7所示。

圖7 均衡控制流程

采集電流和電壓值，利用EKF算法進行SoC估計。比較實際值與估計值的差值，符合條件則開啟均衡，不符合條件則關閉均衡。通過模糊控制器完成PWM信息的占比控制，進而實現均衡電流實時動態調整，確保電池單體均衡。

6 結 論

為了實現動力電池管理系統均衡策略優化，應當明確SoC估計的基本作用、基本算法以及實際的改進思路。在二階PC等效電路模型的基礎上對電池SoC值進行有效估計，通過優化均衡控制策略，為電路實時均衡狀態的實現提供更多全新的選擇。