新能源汽车SOC估算的模糊预测算法研究-第2页-北极星储能网

投稿

我要投稿

2 SOC估算方法研究

2.1 估算方法介绍

SOC的准确估算对于新能源汽车来说非常重要，其估算比较复杂。电流放电大小的不同会导致放出来的的电量不同；若放电电流过大，会使电池极板的空隙中出现大量气泡，在极板内形成气压导致极板上带有微孔的层状结构碳脱落，使极板上可吸附电子的微孔减少，电池中可储存的电量就相应降低，减少电池使用寿命，SOC估算精度不准确；如果放电电流的波动较大，估计的结果误差也会很大；电池长时间静置也会发生自放电行为，使电池容量下降。电池的荷电状态已经被许多学者深入研究过，提出了许多估算方法，例如，安时积分法、神经网络法、开路电压法、卡尔曼滤波法等。虽然方法有很多种，但是这些方法也都不是很完美，依旧存在一些缺点等待改善。

（1）安时积分法

安时积分法也称安时计量法，是最简单、最经典、使用最广泛的电池荷电状态估算方法，其表达式为。企业微信截图_1702457033502.png 是电池初始状态值；图片4.png 是额定容量；图片2.png 是充放电效率；图片3.png 是充放电电流，放电时为正，充电时为负。

安时积分法应用广泛，适用于绝大多数汽车电池，安时积分法能够准确地测量电流并且简单可靠。但是安时积分法不能估算荷电状态的初始状态，电池容量在变化，库伦效率难以测量，在文献[5]中徐尖峰、张颖等人结合了开路电压法和负载电压法对这些不足之处进行了改进，解决了安时积分法的缺点，使其能够估算任何时间的荷电状态，并用实验证明了改进后的安时积分法可以得到比较准确的估算结果。

（2）开路电压法

开路电压法是在多次实验得到电池的开路电压后，将电池长时间静置，使电池的端电压降至实验所得开路电压，根据实验所得开路电压与荷电状态之间的关系可以估算SOC[6]。

在文献[6]中，申彩英、左凯为了提高磷酸铁锂电池的安全性和使用寿命，利用一种精简的开路电压法估算电池的SOC，做了一系列相关实验后，确定了电池SOC和开路电压的对应关系。最终结果表明，精简开路电压法可以精确地估算出电池的SOC。

开路电压法可以较为准确的估算初始时间段内的荷电状态值，精度高且操作简单。可是开路电压法在使用时必须将电池静置足够长的时间，根据电池的不同，静置的时间长短也不同，短的需要几个小时，长的可能需要一天，非常影响汽车的在实用性。

（3）神经网络

神经网络法是一种可以处理非线性问题的新型算法，原理是利用计算机模拟人脑中的神经元系统，将特定的输入量和输出量输入到已经建立好的系统中，获得运行中的SOC值，并不需要深入研究电池的内部结构，其中，输入量和输出量均为从电池中提取的符合工作特性变量。

在文献[7]中张传伟、李林阳等人针对磷酸铁锂电池的非线性关系，采用神经网络法估算电池的SOC，通过充放电测试仪采集数据，再将数据导入到神经网络模型中训练。结果表明神经网络法的误差可以控制在5%以内。

（4）扩展卡尔曼滤波法

卡尔曼滤波法是一种数字滤波，是20世纪60年代初由美国学者Kalman提出一种估计系统最优状态的算法，命名为卡尔曼滤波法。原理是利用线性系统的状态方程，对系统输入量和输出量进行数据观测，以此估计系统的状态，此算法是一种最小方差意义上的最优估计方法[8]。

卡尔曼滤波法用状态方程和观测方程代替电池系统。状态方程：图片5.png ；观测方程：图片6.png 。图片7.png 是系统输入向量，剩余容量、电流、内阻等；图片8.png 是系统输出（K时刻测量值）；图片9.png 是状态量，SOC包含在其中；图片10.png 是系统噪声值；图片11.png 是测量噪声值。