蓄电池SOC估算方法综述

电测与仪表ElectricalMeasurement&Instrumentation第51卷第4期2014年2月25日Vol.51No.4Feb.25,20140引言蓄电池作为一种储能设备，具有电压稳定、供电可靠等特点,因此电池储能系统被广泛应用于微电网、不间断电源（UPS）、电动汽车等领域。在微电网中，电池储能系统提供并网功率调节及调峰、孤网运行、改善电能质量、提升微电源性能等功能［1-2］;蓄电池也是UPS［3-4］、电动汽车等产品的核心部件。蓄电池一般串联成蓄电池组以满足高电压大容量使用要求，在使用过程中，由于单体电池性能差异、环境温度变化、过充放电等因素影响，电池组性能取决于性能最差的单体电池，所以电池组使用寿命往往低于厂商给出的单个电池寿命。如果没有任何管理措施，电池组进行粗放使用，会加速电池组的性能劣化，导致电池组提前报废。因此，需要有可靠的BMS（电池管理系统）来对电池进行有效的管理［6-10］。BMS可以提高蓄电池使用效率，延长电池组使用寿命，降低运行成本，提高电池组可靠性。电池管理系统主要功能包括电池充放电控制、电池参数测量（电池的电压、电流、温度等）、电池组均衡控制、SOC估计、电池寿命估计、故障诊断等［11］,其中SOC估计是电池管理系统研究的核心和难点［12］。准确的SOC可作为电池充放电控制［13］和电池均衡的重要依据［14］，对于电动汽车用蓄电池，SOC还可以准确反映续驶里程［15］。传统SOC定义基于电量给出［16-21］，考虑到动力电池应用场所以及动力电池复杂运行工况，从电能角度定义SOC能更准确反映电池的荷电状态［18,22］。人们对电池SOC算法进行了大量研究［15-60］，也取得一些成蓄电池SOC估算方法综述季迎旭，杜海江，孙航（中国农业大学，北京100083）摘要：电池荷电状态（stateofcharge，SOC）是电池管理系统（BatteryManagementSystem，BMS）的重要参数，准确估算电池SOC具有重要意义。首先分析了一般SOC定义存在的问题，提出以电能代替电量定义SOC更能准确描述在各种工况下动力电池的荷电容量；其次将已提出的估算方法分为开路电压法、安时积分法、高级估算方法和复合方法等四类，并对各自优缺点和适应工况进行分析。提出充分利用数据挖掘和数据融合技术将BMS记录的历史数据用于SOC估算，有助于提高计算精度和适用范围。关键词：蓄电池；荷电状态（SOC）；SOC定义中图分类号：TM912文献标识码：A文章编号：1001-1390（2014）04-0018-05ASurveyofStateofChargeEstimationMethodsJIYing-xu,DUHai-jiang,SUNHang（ChinaAgriculturalUniversity,Beijing100083,China）Abstract：Batterystateofcharge（SOC）isoneoftheimportantparametersinbatterymanagementsystem.AnaccurateestimationforthebatterySOCisofgreatsignificance.Firstly,thegeneralproblemsexistinginthedefinitionofSOCisanalyzed,andthefactisdiscussedthatthevariousconditionsofpowerbatterySOCisbetterdescribedbythedefinitionwithpowerinsteadofcoulomp.Secondly,theexistingestimationmethodsaredividedintofopen-circuitvoltagemethod,ampere-hourintegralmethod,advancedestimationmethodandcompositemethod,andtheiradvantages,disadvantagesandadaptiveworkingconditionsareanalyzed.Datamininganddatafusiontechnologyareintroducedtotherecordedhistoryofbatterymanagementsystem（BMS）datafortheSOCestimationtoimprovetheaccuracyandscopeofapplication.Keywords：battery,stateofcharge,definedanalysis18--电测与仪表ElectricalMeasurement&Instrumentation第51卷第4期2014年2月25日Vol.51No.4Feb.25,2014果，但是在工程应用方面并没有取得很好的效果。论文首先对SOC定义进行分析，其次将SOC估算算法分为安时积分法，开路电压法、高级估计算法及各种复合方法，分析了各种方法存在的问题，最后给出结论。1SOC定义分析美国先进电池联合会（UnitedStatesAdvancedBatteryConsortium,USABC）将SOC定义为在特定放电倍率条件下，电池剩余电量占相同条件下额定容量百分比［23］：SOC=QCQI（1）式中QC为电池剩余容量；QI为以电流I放电时所具有的容量。电池充满时，SOC=1；电池放完电时，SOC=0。随着放电倍率的变化，相应的额定容量也会发生变化。依据该定义，电池在不同工况时，QI会发生变化。以此公式计算SOC由于没有固定的参考基准值，结果缺乏实用价值。因此，人们在实际工程中一般用电池标称容量（QN）来代替不同放电倍率下的额定容量（QI），即：SOC=QCQN（2）此定义适用于恒定低功率负载场合，但是在动力电池应用场所，电池工况变化复杂，负载和环境温度大范围变动，电池组电压也有很宽的波动范围，从能量角度定义SOC更加合适［18,22］，即：SOCE=WCWN（3）WN=QN×EN（4）式中EN表示电池标称电压；WN表示电池标称电能。WC表示电池剩余电能，可表示为：WC=W0－乙t0ηE（SOC）Idt（5）式中W0表示电池初始电能；E（SOC）为电池的电动势；I为电池充放电电流。基于电量和电能定义的SOC，可以得到经典SOC估算方法：SOC=Q0－乙t0ηIdtQN（6）SOCE=W0－乙t0ηE（SOC）IdtWt（7）式（6）和式（7）中，在获得初始值Q0和W0后，以积分方法累积电量或电能，但是，测量Q0和W0时的工况并不同于实时工况，导致估计误差。例如，当充满电（按定义得SOC=1）的电池以某一恒定的大电流放电至终止电压,放出了该恒流放电所能放出的电量,按定义得SOC=0，但这时如果再以较小的电流放电,则电池又能继续放电,表现出SOC≠0；将充满电的电池在低温下以某一恒定电流放电，等到放电结束，则SOC=0，再将电池放于常温下放电，还以该电流放电，我们会发现电池还能放电一段时间，这表明电池SOC≠0，这又会出现矛盾。根源在于Q0和W0是针对标称工况的初值，而实际很难保证运行在这一理想状态。日本本田公司电动汽车EVPlus定义SOC［24］:SOC=剩余容量额定容量-容量衰减（8）式中剩余容量=额定容量-净放电量-自放电量-温度补偿容量。虽然考虑了容量衰减因子，但是定义式中分母是变化的，即基准值是一个变化值，与式（1）一样难以应用。影响电池容量的因素包括电池的充放电电流、电压、电池健康状态（SOH）、温度、自放电因数以及充放电效率等，因此SOC定义严格讲应是上述参量的函数，即：SOC=f(U,I,T,SOH,Kdis,η)（9）式中U、I分别代表电池的充放电电压和电流；T代表温度；SOH为电池的健康状态，Kdis表示电池的自放电率；η表示电池的充放电效率。SOC的估计目标是确定这一函数关系以及相应的参数取值。2开路电压法研究表明，二次电池（铅酸电池、锂电池等）电动势与SOC密切相关，而电池开路电压在数值上接近电池电动势。文献［30］描述了铅酸电池开路电压、剩余容量和电解液密度良好的线性关系。MH/Ni电池和锂离子电池的开路电压与SOC关系的线性度不如铅酸电池好,但其对应关系也可以估计SOC,尤其在充电初期和末期效果较好［31］，所以可利用电池静置状态的开路电压来估计电池SOC初值［27,29,32］。因此，开路电压法［25-29］经常与安时积分法一起来估算SOC，当19--电测与仪表ElectricalMeasurement&Instrumentation第51卷第4期2014年2月25日Vol.51No.4Feb.25,2014电池在静置状态时，用开路电压估计的SOC值对电池初始SOC值进行修正。但是，利用开路电压法估计的SOC为电池静态值，该对应关系仅考虑了额定工况下的对应关系，可称为额定SOC，如果后续运行工况大范围变动，此工况的初始SOC有可能显著偏离额定SOC，成为估算误差的根源。当电池进入运行状态后，估计算法应立即根据实际工况修正初始值以得到该工况时开路电压对应的有效SOC初值，当电池停止运行并重新进入静置状态后，再恢复为新的额定SOC初值。此外，开路电压法的显著缺点是需要电池长时静置,以达到电压稳定,电池状态从工作恢复到稳定,需要几个小时甚至十几个小时,这给测量造成困难［31］。3安时积分法安时积分法［26,33-35］是经典SOC估算方法，又称库伦计数法，是目前电池管理系统中使用最广泛的一种方法［36-38］。它是通过对电流连续检测并进行积分得到电池释放或吸收的电量，从而得出电池的SOC值，公式如式（6）。此方法有以下几个缺点：（1）要求电流的检测频率和精度非常高，否则会导致积分误差增加；（2）电池充放电效率和电池的SOC值、电流、温度、老化、内阻变化率、寿命等都有关系，难以准确测量，造成SOC的估算误差越来越大，形成累积误差；（3）在高温或电流波动剧烈情况下，电池的容量会发生变化，仅用该方法很难得到准确结果。总之，该方法在充放电电流大范围变动时存在测量误差，容易形成SOC累积误差，不能准确考虑电池充放电效率，在温度和负载波动剧烈的情况下，误差更大。电池自放电、充放电效率和电流精确测量等问题是安时积分方法的难点。4高级估算方法由于蓄电池剩余容量和电池开路电压、电池充放电电流、蓄电池内阻、电解液温度、自放电及电池循环寿命等多个参数有关，且具有较强非线性，很难得到准确估算值，因此人们尝试将自适应模型或迭代方法用于估算SOC［39-51,55］，其中卡尔曼滤波器［39-44］和神经网络［51-55］研究较多。卡尔曼滤波法理论核心思想是对系统状态做出最小方差意义上的最优估计，即对系统建立状态方程，利用最小二乘估计、最小方差估计、递推最小二乘估计等数学方法对系统进行状态估计。文献［39-44］介绍了卡尔曼滤波法，建立适当的电池模型，得到完整电池状态方程，基于此进行SOC估计。由于状态方程非线性，对卡尔曼滤波法进行改进，得到了扩展卡尔曼滤波法［45-50］。卡尔曼滤波法优点是对初始SOC误差不敏感，缺点是对电池性能模型精度及电池管理系统计算能力要求高。神经网络法指模拟人脑生物过程的人工智能系统，避开电池内部复杂性，应用模糊神经网络对电池进行建模，以电池电流、电压、温度等电池外特性为输入，利用样本数据对系统进行训练，达到要求后，用训练好的系统根据当前输入对SOC进行估算［12,21,51-55］。但数据样本对预测结果有较大影响，所以样本数据精度会影响神经网络估算结果。为了简化神经网络，常常忽略一些对电池荷电状态影响较小的因素［52］，但会带来新误差。5复合方法虽然SOC估算可选择的方法比较多，但是各种方法都有一定局限性，如安时积分法不能准确得知电池初始SOC值、开路电压不适合在线测量、神经网络法需要大量训练数据、卡尔曼滤波法对模型精度要求高等，于是可以把其中几个方法复合使用，试图提