《动力蓄电池及管理系统检修》 课件 任务三 电池单体SOC估算

任务三电池单体SOC估算《动力蓄电池及管理系统检修》比亚迪电池组装车间小王去到比亚迪电池组装车间进行参观学习，好奇的问道李师傅：“李师傅，电动汽车仪表上的SOC是什么意思？和电池有什么关系呢？”李师傅回答道：“SOC反应了电池的剩余电量状况，与电池电压存在对应关系”。本任务将学习如何准确规范地检测电池单体电压，并根据检测结果对电池SOC进行粗略估算。电池单体SOC是什么？电池组装工李师傅、参观学习学生小王电池单体SOC是如何进行估算的？能按照电池单体OCV-SOC曲线测绘方法，通过万用表测量每一工步电池单体的电压值，准确绘制出OCV-SOC曲线。能按照SOC估算方法，利用绘制的电池单体OCV-SOC曲线，准确估算电池当前SOC。电池电压相关参数（1）电动势：

电池正极与负极平衡电势（平衡电位的差值），一般用E表示。电动势即电子运动的趋势，能够克服导体电阻对电流的阻力，使电荷在闭合的导体回路中流动的一种作用。这种作用来源于相应的物理效应或化学效应，通常还伴随着能量的转换，因为电流在导体中（超导体除外）流动时要消耗能量，这个能量必须由产生电动势的能源补偿。电池单体OCV-SOC曲线测绘电池电压相关参数（2）开路电压（OCV）：OCV指的是锂电池在断路条件，内部无化学反应时的端电压，即外电路中没有电流流过时，电池正、负两极之间的电位差。一般情况下，电池的开路电压小于它的电动势。由于电池内部的极化效应，锂电池断开负载电路时，电池端电压会逐渐降低。当电池内部无化学反应，端电压达到平衡，此时的端电压值为OCV，理论上其值等于电动势。因此，OCV可作为SOC估计中的一个重要参数。在电池工作过程中，如果实际工作电压高于额定电压过多，充电时正极的锂离子将过度逃逸至负极，堆积的锂离子不能及时嵌入负极活性材料中，在增加短路风险的同时还会破坏晶格结构的稳定性，存在安全隐患；当实际工作电压长时间低于电池设计的截止电压时，电池负极的碳元素集流体在放电时可能出现分解，从而导致电池漏液。电池单体OCV-SOC曲线测绘电池电压相关参数（3）工作电压：电池在工作状态下（即电路中有电流流过时）电池正负极之间的电势差。工作电压又称端电压，是指电池在工作状态下即电路中有电流流过时电池正负极之间的电势差。在电池放电工作状态下，当电流流过电池内部时，需克服电池的内阻所造成阻力，会造成欧姆压降和电极极化，故工作电压总是低于开路电压，充电时则与之相反，端电压总是高于开路电压。即极化的结果使电池放电时端电压低于电池的电动势，电池充电时，电池的端电压高于电池的电动势。由于极化现象的存在，会导致电池在充放电过程中瞬时电压与实际电压会产生一定的偏差。充电时，瞬时电压略高于实际电压，充电结束后极化消失，电压回落；放电时，瞬时电压略低于实际电压，放电结束后极化消失，电压回升。电池单体OCV-SOC曲线测绘荷电状态（SOC）定义（4）标称电压：锂电池荷电状态也叫电池的SOC，全称是StateofCharge，荷电状态，也叫剩余电量，反应电池的剩余电量状况，是电池使用过程中的重要参数，代表的是锂电池在一定放电倍率下，剩余容量与相同条件下额定容量的比值，常用百分数表示，含义是剩余电量为0%~100%，当SOC=0%时表示电池放电完全，当SOC=100%时表示电池完全充满，因此SOC的数值范围为0≤SOC≤100%。电池单体OCV-SOC曲线测绘电池单体OCV-SOC曲线（4）标称电压：SOC-OCV曲线是我们电池在SOC标定过程中非常重要的一条曲线，通常在电动汽车运行了一段时间后，在车辆静置再启动前，BMS会调用这个曲线，对SOC值进行一次矫正，并通过一定的算法和其他矫正系数得到一个SOC值的更新，因此这个曲线的准确性尤为重要，直接关系到了SOC的精度。电池单体SOC与OCV存在一一对应关系，即OCV-SOC曲线。电池单体OCV-SOC曲线测绘（a）三元锂电池（b）磷酸铁锂电池电池单体OCV-SOC曲线（4）标称电压：电池单体SOC与OCV存在一一对应关系，即OCV-SOC曲线。电池单体OCV-SOC曲线测绘（c）钛酸锂电池电池单体OCV-SOC曲线测绘方法（1）选定某一电池单体，分别测量从0到100%之间不同SOC对应的OCV值。使用万用表检测电池单体正负极端子之间的电压值，检测值称为端电压。电池单体不工作时，端电压为开路电压；电池工作时，端电压为工作电压。注意：电压值的读数需精确到mV级别。（2）根据检测结果，通过描点连线方式绘制所测电池单体的OCV-SOC曲线。电池单体OCV-SOC曲线测绘电池单体电压取点方法选定待测电池单体。在动力蓄电池检测教学平台选定某一电池单体，并设定电池种类。设置工步。根据锂离子蓄电池的OCV-SOC曲线特性，在SOC较低和较高的区间设置较多的取点数，在中间段设置较少的取点数，如图所示。电池单体OCV-SOC曲线测绘OCV-SOC曲线测绘工步设置报数法任意指派一名学生开始从1-5依次报数报相同数目的同学为一组电池单体OCV-SOC曲线测绘电池单体OCV-SOC曲线测绘资料员负责查阅动力电池检测教学平台使用说明书。小组讨论设计电池单体电压取点数。记录员正确记录每个点对应的电压值。完成电池单体OCV-SOC曲线测绘电池单体OCV-SOC曲线测绘电池单体OCV-SOC曲线测绘汇报时阐述操作步骤报告小组分工情况报告小组工作目标动力蓄电池检测教学平台绝缘手套、护目镜、安全帽、耐磨手套维修手册、动力蓄电池检测教学平台及使用说明书、万用表、纸笔、直尺教学实训平台说明书电池单体OCV-SOC曲线测绘电池放电时小心触电。小心重物砸脚。小心头部磕碰。在动力蓄电池检测教学平台设定电池种类。设置工步时，在SOC较低和较高区间设置较多取点数。在中间段设置较少取点数。电池单体OCV-SOC曲线测绘开始试验，使用万用表检测每一工步电池单体的电压值，并将结果记录在表中。电池单体OCV-SOC曲线测绘电池单体OCV-SOC曲线测绘SOCOCVSOCOCV0

4%

8%

12%

16%

20%

40%

60%

80%

84%

88&

92%

96%

100%

电池单体端电压检测记录电池单体OCV-SOC曲线测绘电池单体OCV-SOC曲线绘制SOC估算的目的SOC（荷电状态）简单的说就是电池还剩下多少电，SOC是BMS系统中最重要的参数，因为其他车辆相关设置均是以SOC为基础的，所以它的精度和健壮性极其重要。SOC算法一直是锂离子电池管理系统(BMS)开发应用的关键技术之一。电池单体SOC估算估算电动汽车续驶里程。12有效提高电池利用效率，延长使用寿命；高精度的SOC估算可以使锂离子电池组发挥最大的效能。3保证电池的使用安全，有效降低所需要的电池成本。SOC估算方法电池单体SOC估算安时积分法开路电压法卡尔曼滤波法电池模型法神经网络法放电实验法SOC估算方法电池单体SOC估算（1）放电实验法原理：以恒定的电流使电池处于不间断的放电状态，当放电到达截止电压时对所放电量进行计算。优点：方法简单，估算精度也相对较高缺点：不可以带负载测量，需要占用大量的测量时间，放电测量时，必须中断电池之前进行的工作，使电池置于脱机状态，不能在线测量。SOC估算方法电池单体SOC估算（2）开路电压法开路电压法估算SOC是将电池充分静置（一般需要1小时以上），使电池端电压恢复至开路电压，通过测量电池的开路电压，通过OCV-SOC曲线估算电池当前SOC值。SOC估算方法电池单体SOC估算（2）开路电压法由于开路电压法需要电池进行较长时间的静置，而且有些电池存在电压平台，比如磷酸铁锂电池，在SOC30%～80%之间，OCV-SOC曲线近视为直线，导致SOC估算精度不够，而且不适用于动态估算。所以通常将开路电压法与其他方法结合起来进行SOC估算。SOC估算方法电池单体SOC估算（2）开路电压法优点操作简单，只需测量开路电压值对照特性曲线图即可获得荷电状态值。缺点①电池须经过长期静置，但电动汽车启动频繁，开路电压短时间内很难稳定；②电池存在电压平台，特别是磷酸铁锂电池，在SOC30%-80%期间，端电压和SOC曲线近似为直线；③电池处于不同温度或不同寿命时期，尽管开路电压一样，但实际上的SOC差别可能较大。SOC估算方法电池单体SOC估算（3）安时积分法安时积分法是在初始时刻SOC的基础上估算电池当前的SOC。通过计算一定时间内充放电电流和对应时间的积分，从而计算变化电量的百分比，最终求出初始SOC和变化的SOC之间的差值，即当前时刻的SOC。

SOC估算方法电池单体SOC估算（3）安时积分法安时积分法在估算过程中只需实时监测电池的电流，然后通过计算得出SOC。由于安时积分存在误差，而且随着时间的增加，累计误差会越来越大，所以单独采用安时积分法对电池SOC进行估算不能取得较高的精度。

SOC估算方法电池单体SOC估算（3）安时积分法实时测量电池包主回路电流，并将其对时间积分，充电为负放电为正。放电过程，用初始电量减去积分结果，得到当前电量;充电过程，用初始电量加上积分结果，得到当前电量。安时积分法的一个问题是，初始电量的判断，无法直接得到。另外，由于系统电流的波动性很大，而电流采样是间隔一定时间进行一次，使得采样值与一段时间的平均值并不一定近似，长时间累积下来，造成比较明显的误差，并且误差不是安时积分法自己能够消除的。因此，安时积分的实际应用必须与其他方法相结合，解决初值和累积误差的问题。SOC估算方法电池单体SOC估算（3）安时积分法该估算方法存在着误差，主要来源于三个方面：①电流采样造成误差：采样精度、采样间隔。②电池容量变化造成误差：温度变化、电池老化、充放电倍率不同、电池自放电。③SOC：初始SOC估算困难、最终SOC过程取舍误差。安时积分法只单纯从外部记录进出电池的电量，但忽略了电池内部状态的变化。同时电流测量不准，造成SOC计算误差会不断累积，需要定期不断校准。SOC估算方法电池单体SOC估算（4）卡尔曼滤波法卡尔曼滤波算法是利用时域状态空间理论的一种最小方差估计，属于统计估计的范畴，宏观上就是尽可能减小和消除噪声对观测信号的影响，其核心是最优估计，即系统的输入量在预估基础上对状态变量进行的有效修正。A将噪声与信号的状态空间模型作为算法模型，在测量时，应用当前时刻的观测值与上一时刻的估计值，对状态变量的估算进行更新。原理C对电池模型的准确程度依赖较大，为了提高该算法预测结果的准确性和精度，需要建立可靠的电池模型。算法相对比较复杂，其计算量也相对较大，对运算器的性能有较高要求。缺点B适合计算机对数据进行实时运算处理，应用范围广，可以用于非线性系统，对行驶过程中电动汽车的荷电状态预测具有较好的效果。优点D广泛应用于航天、通信、导航、控制、图像处理等领域。对于动力电池采用卡尔曼滤波进行SOC估算，是当前非常主流的一个方向。应用SOC估算方法电池单体SOC估算（5）神经网络法神经网络法是模拟人脑及神经元来处理非线性系统的新型算法。神经网络的目的是模仿人类的智能行为，通过并行结构与自身较强的学习能力获得数据表达的能力，能够在外部激励存在时给出相应的输出响应，并使具有良好的非线性映射能力。无需深入研究电池的内部结构，只需提前从电池中提取出符合工作特性的输入与输出样本，并将其输入到建立系统中，就能获得运行中的SOC值。SOC估算方法电池单体SOC估算（5）神经网络法神经网络法应用于锂电池荷电状态检测的原理是：将大量相对应的电压、电流等外部数据以及电池的荷电状态数据作为训练样本，通过神经网络自身学习过程中输入信息的正向传播和误差传递的反向传播反复进行训练和修改，在预测的荷电状态达到设计要求的误差范围内时，通过输入新的数据来得到电池的荷电状态预测值。SOC估算方法电池单体SOC估算（5）神经网络法神经网络法估算SOC后期处理相对简单，即能有效避免卡曼滤波法中需要将电池模型作线性化处理后带来的误差，又能实时地获取电池的动态参数。但神经网络法需要大样本数据，样本对训练结果有重大影响，需要筛选合适样本，取样工作量大。SOC估算方法电池单体SOC估算（5）神经网络法基于BP人工神经网络的动力电池SOC估算方法，以三元软包电池作为实验对象，通过对电池电压、电流、内阻及温度的数据采集，获得海量数据。在实际使用过程中，随着电池包工作循环次数的增加，BMS内部的均衡模块会对各单体间的差异进行均衡，最大限度地消除不一致性。但神经网络法需要大样本数据，样本对训练结果有重大影响，需要筛选合适样本，取样工作量大。实验中，为尽可能降低单体不一致性对实验数据采集的影响，选用最新成组并通过质量测试的电池包，此时的单体不一致性最小，对实验数据采集影响、采集误差也最小。建立电池的等效电路模型，考虑电池极化、充放电倍率及温度的影响对初始数据进行修正。数据修正后用于网络模型的训练，并验证了模型的可行性。SOC估算方法电池单体SOC估算（5）神经网络法基于MATLAB平台建立BP人工神经网络模型，将模型用于实验数据的预测，神经网络对此类系统预测的精确度高低依赖于数据量基础，数据的缺乏将大大降低预测的精度。试验收集到整个电池包完整的充放电循环数据用于函数拟合，海量的数据提高了函数拟合的精确度，增强了训练网络的稳定性。训练好的神经网络模型，将直接应用于实验数据的仿真。通过函数拟合实现了SOC的估算。最后，通过对比SOC的预测值与实际测量值，最终证明建立的人工神经网络模型对SOC估算的有效性。回归图性能图SOC估算方法电池单体SOC估算（5）神经网络法基于MATLAB平台建立BP人工神经网络模型，将模型用于实验数据的预测，神经网络对此类系统预测的精确度高低依赖于数据量基础，数据的缺乏将大大降低预测的精度。试验收集到整个电池包完整的充放电循环数据用于函数拟合，海量的数据提高了函数拟合的精确度，增强了训练网络的稳定性。训练好的神经网络模型，将直接应用于实验数据的仿真。通过函数拟合实现了SOC的估算。最后，通过对比SOC的预测值与实际测量值，最终证明建立的人工神经网络模型对SOC估算的有效性。SOC仿真曲线SOC误差曲线SOC估算方法电池单体SOC估算结论②通过分析电池老化及建立等效电路模型，建立修正公式对采集到的数据进行修正，可以有效提高数据采集的准确性；①采用整包电池组实验采集到庞大的数据量，数据量直接影响函数的拟合性能，数据基础的提高可以有效提高估算结果的有效性；③提高精度的同时结合神经网络处理庞大数据量的可靠性能实现函数拟合，应用于SOC的估算，相比于当下研究较热的白箱模型和灰色模型估算剩余电量，神经网络在模型复杂程度低、可高效处理大量数据的前提下保证了估算结果的准确性及可靠性。动力电池SOC估算方法缺陷电池组一致性问题是电池组使用期间的最常见问题，也是最难以解决的技术难题，对于电动汽车而言，非常影响车辆的实际充放电电量和汽车的续航里程，情况严重的还会发生热失控故障并引发车辆自燃，车载BMS的SOC估算准确度往往都是建立在电池组一致性良好的情况下，电池组一致性问题的存在将彻底扰乱SOC估算准确性。电池单体SOC估算动力电池SOC估算方法缺陷在BMS中，SOC(电池荷电状态)、SOP(电池能源状态)、SOH(电池健康状态)都是非常重要的管理指标，直接关系到BMS的管理质量和成败，特别是实时SOC值，匹配一个与之相对应的预估行驶里程，它是使用者在实际使用中判断电池系统状态的依据，直接影响出行计划的安排和实施。电池单体SOC估算动力电池SOC估算方法缺陷在上述各种估算方法中，都是建立在电池组一致性良好的条件下，均存在一个严重缺陷，那就是如果电池组发生了一致性问题，特别是一致性问题突出的情况下，SOC估算就会产生非常大的估算误差，给使用者带来误导甚至引发事故。例如，电动汽车出发前显示可行驶里程远远高于驾驶者的实际路程，但行驶途中却突然急速掉电，甚至突然没电，半路抛锚，如果是在高速公路上行驶，非常容易发生被追尾事件。电池单体SOC估算影响SOC估算的因素锂离子动力电池组的实时SOC是一个变量，无法直接测量，不能通过传感器件直接测量得到，在工作时会受到外部环境多方面因素的影响。包括温度、放电电流、放电倍率、内阻、自放电率、衰减程度等等。在上述因素中，影响最大的因素是电池组的衰减程度