基于安时积分法估算电动汽车电池系统能量

基于安时积分法估算电动汽车电池系统能量摘要：准确估计电池的荷电状态(SOC,stateofcharge)是电动汽车电池管理系统研究的关键技术。在估算过程中分散并消除影响SOC值的因素，特别在充放电状态下，使用了以影响因子为基础的电量的动态恢复量对安时计量法进行改进，解决了安时计量法会产生累积误差的问题。因此基于修正SOC定义的电池荷电状态检测方法和计算模型具有简便、实用和可靠性。Abstract:Accurateestimationofstateofcharge(SOC)isoneofthekeytechnologyintheresearchofbatterymanagementsystem(BMS)ofelectricvehicle.PredictingeachstatebydifferentSOCalgorithmcouldeliminatetheinfluenceoffactorsaffectingthevalueofSOC.Especiallyinthecharge-dischargestate,thismethodcouldimprovetheAhcountingapproachbyeliminatingtheaccumulatederrorusingthecalculationofchangingcapacityoflithium-ionbasedoninfluenceefficiency.SobasedonthecorrectedSOCdefinition,theSOC'smeasuringmethodandthecomputationalmodelaresimple,convenient,practicable,andreliable.关键词：电动汽车电池系统剩余电量一引言锂电池已被广泛应用于工业、日常生活等领域，对电池荷电状态（SOC）的估算已成为电池管理的重要环节。但是，由于电池结构复杂，电池的荷电状态受放电电流、电池内部温度、自放电、老化等因素的影响，使得SOC的估算困难。目前SOC估算方法有：开路电压法、安时积分法、内阻法、神经网络和卡尔曼滤波法，开路电压法由于要预计开路电压，因此需要长时间静置电池组，内阻法存在着估算内阻的困难，在硬件上也难以实现，神经网络和卡尔曼滤波法则由于系统设置的困，而且在电池管理系统中应用时成本很高，不具备优势，因此相对于开路电压法、内阻法、神经网络和卡尔曼滤波法本而言，安时积分由于简单，有效而常被采用。本文主要以安时积分法来预测电动汽车电池系统的剩余电量。本文基于总电压为440V，容量为60AH的电池组进行预测。二Ah积分法估计电池电量初始剩余电量是影响的采集精度的一个主要因素，为提高精度本文从重放电效率、温度、电池的SOH即老化和自放电因素加以考虑。2.1Ah积分法Ah积分法是最常用的SOC估计方法。如果充放电起始状态记为SOC0,那么当前状态的SOC为：为充放电效率为电池电流；为电池额定容量；其中，ICIdCSOCSOCNtN001Ah积分法应用中若电流测量不准，将造成SOC计算误差，长期积累，误差越来越大；要考虑电池充放电效率；在高温状态和电流波动剧烈的情况下，误差较大；电流测量可通过使用高性能电流传感器解决，但成本增加；解决电池充放电效率要通过事前大量实验，建立电池充放电效率经验公式。Ah积分法可用于所有电动汽车电池，若电流测量准确，有足够的估计起始状态的数据，它是一种简单、可靠的SOC估计方法。相对于开路电压法的长期存放或静置来获取开路电压，安时积分法更加可靠。图1SOC估计simulink模型2.2充放电效率补偿电池在不同放电倍率（即放电电流）下放电时，放出的电量是不一样的。也就是说，在初始条件相同的情况下，用不同电流（常采用变电流或工况测试的需求设定)放电至截止电压，电池所能放出的电量是不同的。充放电效率因素由于内阻的存在，电池的任何充电、放电过程由于电化学反应都有电量损失，并且损失明显，在估计电池SOC时，必需考虑充放电时的效率，也即库仑效率。早在1898年，Peukert就总结出了放电容量和放电电流关系的经验公式，目前已经广泛应用于蓄电池（尤其适用于铅酸电池）在变电流工作时的容量修正。2.3温度因素补偿温度是影响混合动力电动汽车储能蓄电池工作的一个重要因素。电解液的温度直接影响到蓄电池的实际放电量，环境温度对蓄电池的工作性能和使用寿命有极大的影响作用。所以在剩余能量预测时，必须进行温度的补偿。一般情况下，实际温度系数不是一个常数。在不同温度范围内，温度与容量呈现非线性，而且受到蓄电池的新旧程度的影响。环境温度为0℃时，电池容量最好。当温度T0℃时，温度增加会带来容量的下降；当温度T0℃时，温度减少也会带来容量的下降。2.4电池老化补偿电池衰老AF是指电池在使用过程中，电池内部的化学物质发生变化，从而改变电池的某些特性。在对电池的研究过程中，我们发现随着电池使用的循环次数的增加，电池的总容量是在变化的。当新的电池开始使用时，它内部的化学物质没有充分反映，当经过多次的充放电后，内部的化学物质反应将愈来愈充分，表现出电池总容量在相同条件下将迅速增加，随后电池总容量进入缓慢增长期，当达到最大值后，开始逐渐降低。为老化补偿后的值值，为没有进行老化补偿的其中，：的计算转换式确定如下最后关系曲线确定。电池端电压和电池容量容量，它由衰老过程中为在某一衰老点的电池量；用过程中的电池最大容般为电池容量在整个使是参考电池容量，它一其中，定义为：衰老因子agecakFFcakagecycrefrefcycrefFFSOCSOCSOCAASOCSOCSOCAhAhAhAhAhAA)1/()(/)(2.5电池自放电补偿蓄电池的自放电是指蓄电池在储存期间容量的下降率，即蓄电池无负荷时自行放电使容量损失的速度。由于电池存在一定的自放电，停车时间较长需要考虑进行自放电补偿。自放电速率用单位时间内容量降低的百分数表示。电池的自放电的大小与蓄电池的使用时间、环境温度以及存放时间等多种因素有关，精确计算困难，但可以通过实验方法估算蓄电池的自放电情况。三数据分析该模型通过采集电池电流、电压、温度、给定前一次存储的SOC初值以及电池搁置时间来实时计算估算新的SOC，图2为采集到的各数据，该模型具备自学习功能的以安时积分法为基础的多种状态为补偿的SOC计算能力，能够实时计算电池组的SOC值；由于缺乏各种状态补偿所需数据，目前该模型只是初步具备了对SOC估算的补偿能力，补偿和校核功能需逐步完善。根据电动汽车工况测试以及simulink仿真分析，时间为1000s，可以得出下列数据：最大电流140A，电池组电压为415V，与实测值误差较小。通过放电时间的增加，温度从最初的室温增加到33℃，且SOC呈现出下降的状态。图2simulink仿真数据四结论采用修正的SOC估计方法，可以从本质上消除预测精度的影响，因此通过温度、充电率、老化和自放电因素的修正，能够提高电动汽车电池管理系统的功能，对增加续航里程有一定的意义。