电动汽车动力电池剩余容量估算方法研究

电动汽车动力电池剩余容量估算方法研究

0蓄电池剩余容量的测量由于恶劣的条件，电动汽车的剩余容量（tc）通常受到许多因素的影响，如室温、电池宽度、充电时间、老化程度等。目前,电动车和其他蓄电池用户,在使用前或在工况中,了解电池实际所剩容量是非常重要的。例如,汽车驾驶员须了解目前状态下还剩多少燃油,能否在燃油耗尽之前到达目的地。但目前动力电池的剩余容量测量不能达到燃油汽车剩余油量的测量水平,因此容易造成电动汽车在比如十字路口,或高速公路等工作状况下临时停车,对用户而带来不便甚至是危害。剩余容量的非准确测量对电池的充电产生直接的影响,由于不能准确的预测是否“浅放”或“过放”电,使电池发生“过充”或“欠充”,造成电池早衰寿命缩短,进而使成本增加。由此看来,蓄电池的SOC的准确测量问题已成为其广泛取代燃油能源的瓶颈。蓄电池SOC的检测比较复杂,常用的方法有:密度估算法、安时计量估算法、开路电压估算法、内阻或阻抗估算法、结合几种估算方法的综合估算法等等。近年来,提出了卡尔曼滤波递推估算法和模糊逻辑估算法以及神经网络估算法。1工作环境选择对于动力电池SOC的估算方法,应随其工作环境的不同而选择,即根据工作环境对SOC的测量方法提出相应的策略。Piller总结了几种适合电动车辆工作环境的SOC测量方法:安时法、阻抗法、神经网络以及模糊逻辑法、卡尔曼滤波法。1.1循环放电估计安时法又称为电量积累法。在充电和放电过程中通过积累电池的电量来估计电池的SOC,并根据温度、放电率对SOC进行补偿。该方法简单,为目前市场上多数电动汽车所采用。但存在的问题是:在估算SOC时存在积累误差,因为必须对电池充电效率进行经验估计,而每次放电截止通常以电压的终值为参考量,即单格电压为1.75V为SOC的零点,而由于每次工作电压不同,放电至单格电压为1.75V未必就是对应的SOC零点,故存在积累误差。该方法在使用中对温度与老化程度缺乏补偿。1.2soc的变化。c单纯的阻抗测量法存在的问题是电池阻抗数值小,阻抗的变化范围也较小,因此,不能用阻抗微小的变化来描述整个SOC的变化。一些研究发现,电池循环次数不同时,测得的阻抗可能相同,但所对应的SOC却不同。1.3卡尔曼滤波卡尔曼滤波法是20世纪60年代发展起来的一种现代滤波方法,它的重要作用之一在于系统的状态估计。当干扰为正态分布时,这种滤波给出状态的最小方差估计;当干扰不是正态分布时,这种滤波给出了状态的线性最小方差估计。卡尔曼滤波算法适合于平稳与非平稳过程,它利用反复不断的递推运算进行“估算-修正”,以求得每一时刻的最佳估算结果。只要记住前一步的估算结果,就可以进行下一步的估算,因此极大地减少了存储空间。但是,卡尔曼滤波算法必须建立在数学建模基础之上,复杂的计算还包含了矩阵求逆运算,同时,初值的选择也尤为重要,错误的初值会导致递推误差的加剧。1.4电池输出设备由于动力电池的数学模型至今仍处于探索阶段,因此,最近提出了神经网络法。神经网络具有可以充分逼近任意复杂的非线性关系,鲁棒性和容错性强,规范化能力强,以及并行结构与学习能力等特点。对于外部激励能给出相应的输出,故可以模拟电池的输入输出特性。对于蓄电池这样的内部数学模型不明的系统,最适合利用神经网络来完成其容量状态的估测。神经网络的方法必须基于传统方法实践经验的积累,才能对网络进行训练。因此,首先必须保证经验数据的准确性,才能确保网络估算的准确性。为找到更适合在线测量SOC的简便方法,首先对蓄电池的恒流放电进行了研究。2恒流电研究2.1电池测试方法文中全部实验条件与电池工作模式如下:电池型号为6-DZM-10。电池的标称电压12V,实验温度(25±2)℃。放电模式为恒流放电,放电倍率0.24C2,放电终止电压10.5V(单格电压为1.75V)。2.2工作电压对剩余容量的影响恒流放电曲线如图1所示,分为2部分(由于放电曲线的开始部分在本SOC计算方法中的实际意义与平台部分相同,故不作特别考虑):第一部分为平台电压部分,应该占放电曲线的80%~90%,且基本呈线性;第二部分电压呈急剧下降趋势,处于曲线的最后阶段。电池处于该阶段时,电压较小,且快速衰变到终止电压,因此,应尽量避免使电池工作在该区域。假设第一部分与第二部分的交界点为拐点f(t0,u0)(拐点的计算与讨论将在另外文章中做专门论述),即在拐点之前电压基本呈线性变化;而拐点后电压呈非线性变化,即电压急剧下降。电池放出的容量与工作模式有关。当放电倍率固定,温度相同,不考虑老化因素,在相同终止电压下,放出的电量也不相同。按2.1的工作模式放电6次得到的放电电压曲线如图1所示。图中虽然起始放电电压不同,但放电曲线的斜率基本相同,将该曲线的横轴换成对应某工作电压u(t)下至放电终止时间t,则图1变换成图2。图2中对应某一工作电压下的剩余工作时间基本是一定的,以工作电压为12.08V和11.50V为例(表1)。由于放电为恒流放电,因此剩余时间即可表示SOC(电流×时间)。通过以上的分析,动力电池恒流放电状态下工作电压与剩余容量关系可得到以下结论:利用动力电池恒定负载下的工作电压,确定实时状态下动力电池的SOC。由于动力电池在工作状态下负载是不确定的,在特殊情况下,减小动力电池的输出电流可能会发生意外事故,因此,为电池设置一个预置负载,以完成随时进行恒定负载电流下的工作电压的检测。2.3恒放空电动态过程的确定问题由于电池的工作电压与输出电流成反比,工作中动力电池的负载大小是随时间变化的,而且其负载性质不确定,因此,其工作电压值必然出现忽高忽低跳动的现象,同时由于负载性质的不确定,过渡过程时间也不能确定。为使检测到的工作电压真实地反映SOC的实时状况,且对过渡过程时间有一定的控制,电池外接一个纯电阻恒流负载,并周期地将电池以恒流放电,测量其工作电压,根据上述分析,该电压必定落在恒流放电的时间曲线上,工作电压就能确定当前剩余时间以及SOC。首先需要解决的问题是选取合适的外接负载。外接负载建议选取一般工况下的平均负载。其次是从工作负载突变到外接负载,如何确定电流的突变(或电压的突变)动态过程时间。如果蓄电池的等效电路如图3所示,Ri——欧姆电阻包括极板和电解液以及导线电阻等;Rt——扩散电阻与极化电阻之和(扩散电阻是由于电极中间的电解液向表面扩散产生的电阻,或者是大量的正离子和负离子的转移产生的电压降落相对应的电阻。极化电阻是由于充放电所产生的极化带来的电压降落对应的电阻);Csurface——双层电容,其是在充电或放电过程中,电解液中被离解的分子与离子在溶液内部被划分成两层而形成的电容;Rd——自放电等效电阻,并将电池的开路电压等效为电容Cbulk。Bhangu给出的电压突变时动态过程与参数的关系如图4所示。对于Ri=0.0026Ω,Csurface=23F,则时间常数τ=0.0598s,调整时间ts=3,动态过程的调整时间ts=0.1794s。ShinyaSato的试验中电流和电压在1s的时间范围内分别从4.8A降到2.4A,11.99V升至12.09V,验证了从动态切换到静态的可能性。同时,还可利用并联大电容的方法解决工作负载短暂动力缺失的问题。3放散压曲线斜率将输入电压10.5~13.0V分成7段(根据精度要求可分为更多小段):考虑到放电电压曲线在后期下降十分迅速,将电压后期的区间加大,放电电压的平台区细分为13.0~12.70~12.40~12.10~11.80~11.50~11.26~10.50。同样,对应的剩余时间也分为7段(表2)。按每个段的具体情况计算放电曲线斜率(图5)。式中:uci——对应第i段开始的电压;uzi——对应第i段结束的电压;tci——对应第i段开始的时间;tzi——对应第i段结束的时间;Ki——第i段的斜率。通过判断测量的工作电压所属的区段,测量到某工作电压ui对应的剩余时间Ti为:例如:测得某工作电压u为11.6V,则剩余时间T为:4实际放电电压的初始电压确定采用89S52单片机来控制蓄电池放电电流恒定,周期检测电池恒定负载下的工作电压,求其差值,利用上述斜率测量法来计算电池SOC。采用AD974作为A/D转换器,AD974为4通道,16位串行A/D转换器,外部非连续时钟模式,并在转换结束后利用同步信号SYNC读取数据。将采样周期设定为2min,估算各工作电压下的剩余时间,由于实际放电电压在最初阶段存在一个“陡降复升”而不稳定,因此,电池的初始SOC还是利用其开路电压来估算。绝对误差校验如图6所示。其中,Ts——采用电量积累法测量的剩余时间,Tj——采用本文的分段计斜率法计算的剩余时间。图7所示的相对误差ess用下式计算:放电结束附近最大相对误差为6.56%,这是由于在拐点附近的斜率差异增大的原因。为防止在最后阶段的误差增大,可将最后阶段的斜率Ki加大,这样有利于防止意外事故的发生。需要说明的是,在实践应用中根据具体情况,通过软件对稳定、老化等干扰进行必要的补偿。5工作电压动态测量动力电池soc通过对铅酸蓄电池恒流放电模式工作电压特性曲线的分析,可以利用动力电池恒定负载下的工作电压,确定实时状态下动力电池的SOC。根据电池在工作情况下的放电电流不确定特点,提出了一种全新的利用工作电压动态测量动力电池SOC的方法。该方法通过外接一个恒定电流负载,测得一系列处于工作状态下