《动力电池SOC估算教材》由会员分享，可在线阅读，更多相关《动力电池SOC估算教材（20页珍藏版）》请在金锄头文库上搜索。
1、电动汽车用电池SOC估算 目录 SOC的定义 SOC的影响因素 SOC的估算方法 SOC的定义 电池的荷电状态SOC被用来反映电池的剩余电量状况，其定 义为：电池剩余电量与电池容量的比值。 如果以电池充满状态定义为 ，定义式可表 示为 式中， 为电池剩余的电量， 为电池以恒定电流I放电时 所具有的容量，Q为已放出电量。 注：对于电池充满一般定义为：在一定温度(如20度)下以一定电流(如0.3C)充 电，达到单体最高电压后转为恒压充电，直到充电电流小于一定值(如0.03C) ；对于电池放空(SOC为0%)也有类似的定义 USABC定义：在一定的放电倍率下，剩余电量与相同条件 下额定容量的比值 本
2、田的定义 能量角度定义： SOC的定义 SOC的定义 温度的影响：温度降低，容量降 低，但升高容量，损失的容量可 恢复 不同温度下，仍将额定条件下的 容量作为基准 OCV-SOC曲线 SOC的定义 电池成组使用的工况下，由于组 内包含有多个单体，在单体容 量、单体荷电量、温度不一致的 情况下，将变得复杂 以最低单体不能放电作为0%，最 高单体不能再充电作为100%定 义整组SOC。 情形1 情形2 情形3 SOC的影响因素 放电 电流 温度 容量 变化 自放 电 一致 性 影响因 素 SOC的影响因素及特征参数 SOC特征 参数 电压电流温度 SOC的估算方法 SOC估算方法 估算策略优优点缺
3、点 放电实验 法准确、可靠须中断，时间长 安时计量法计算简单不够准确 开路电压法在数值上接近电池电动 势 需长时间 静置 线性模型法模型简单不够准确 内阻法与SOC关系密切测量困难 卡尔曼滤波法适合非线性模型需准确的模型算法 神经网络法精度比较高需大量训练数据 SOC的估算策略 放电实验法 放电实验法估算电池荷 电状态（SOC）是比较准确 的预估方法，它采用恒流持 续放电，放电电流与时间的 乘积即为放出的电量。放电 实验法常常被使用来标定电 池的容量 优点 准确可靠 适用于所有类型电池 缺点 不适用于工作中电池 只能得出一个点的值 SOC的估算方法 安时计量法 安时计量法（ampere hou
4、r，简称 AH）是最常用的 SOC 估计方法，安时计 量法的原理是将电池在不同电流下的放电电量累计起来作为电池的放电量。由此， 得到以下等效放电电量公式： 该方法只是关注该系统的外部特征，在电量估算过程中，只关心流进和流 出电池的电量。安时计量法采用积分法实时计算电池充入与放出的容量，通过长时 间记录与计算电池的电量，最终可得到电池在某一时刻所剩余电量。 优点 简单易行 适用范围广 缺点 不能获得初值 累计误差积累 SOC的估算方法 开路电压法 通过电池的开路电压和电池 SOC 的对应 关系，通过检测电池的开路电压估计电池 SOC。 优点 可以准确预估电池的初始值 开路电压是电动势的外在反映，
5、理论上只和 温度相关，且温度对其影响较小 缺点 充放电过程中开路电压不能直接测量； 电池在充电或者放电后，需要很长一段 时间才能稳定 SOC的估算方法 内阻法 荷电状态(SOC)影响电池的交 流阻抗，因此有学者提出可以用 阻抗值来估计SOC。用不同频率 的交流电激励电池，测量电池内 部交流电阻，并通过建立的计算 模型得到SOC估计值。 优点 交流阻抗反映正负极活性物质导电 电阻的此消彼长的情况，从原理上 有一定正确性 缺点 温度、电流、SOH都可以 影响内阻 内阻值很小在毫欧级，策 略误差大 SOC的估算方法 卡尔曼滤波法 卡尔曼滤波法，是建立在安时积分法的基础之上的。 该方法应用于电池 SO
6、C估计，电池被视为一动态系统，荷电 状态为系统的一个内部状态。卡尔曼滤波法的主要思想，是 对系统的状态做出最小方差意义上的最优估计。 该系统的输入项有：电池电流、环境温度、电池剩余 容量、欧姆内阻以及极化内阻等变量，系统的输出为：电池 的工作电压。由于电池等效模型确定的非线性方程，在计算 过程中要线性化。预估电池荷电状态方法的核心思想是包括 荷电状态估计值和反映估计误差的、协方差矩阵的递归方程 ，协方差矩阵用来给出估算误差范围。 SOC的估算方法 卡尔曼滤波法 递推公式如下 优点 能解决累计误差和初值误差，精度 高 缺点 对模型精度要求高 对处理器运算速度要求高 SOC的估算方法 人工神经网络
7、法 人工神经网络法具有非线性的基本 特性，该系统对外部输入，能得到 对应的输出，所以可用来模拟电池 动态特性，被用来预估电池荷电状 态。 预估电池荷电状态的神经网络层主 要有 3 层：输入、输出以及中间层 ；估计电池荷电状态 常常被用来输入的变量如：电压、 电流、放出电量、环境温度、电池 内阻等。 优点 在建好网络模型的前提下，依靠大 量的样本进行数据训练可以得到较 好的精度 缺点 估算精度取决于合适的神 经网络输入变量，恰当的 变量数量。 需要大量的参考数据来训 练，受训练数据和训练方 法对估算误差的影响较 大。 推荐方案 采用改进的电量估计方法，在大量实验数据的基础上，以卡尔曼滤波法为基础，并考虑 各种影响因素进行补偿，框图如下： 卡尔曼滤波 电池模型 OCV初值 温度补偿 放电倍率 自放电 SOC 可用功率 仪表显示 充放电管理 故障处理 推荐方案 等效电路模型的选择 经典模型 Rint过于 理想，不 适用 Thevenin 易于工程 实现 PNGV电 路与参数 复杂 模型详解 Uoc描述电池的开路电压，R0为电池内阻，I为总电流，Ip为通过极化电阻上的电流， Ul为电池的负载电压，Rp和Cp分别为极化内阻和极化电容 推荐方案 参数辨识 以数学模型为基础，开发模型参数在线辨识的方法，使在电池全寿命过程中，数 学模型都能精确地描述系统的响应特性。 谢谢谢谢
