史艷霞， 祖林祿

(1.天津中德職業(yè)技術(shù)學(xué)院電氣與能源學(xué)院，天津300350；2.天津大學(xué)電氣與自動(dòng)化工程學(xué)院，天津300072)

鋰電池健康狀態(tài)估算平臺(tái)的搭建

史艷霞1， 祖林祿2

(1.天津中德職業(yè)技術(shù)學(xué)院電氣與能源學(xué)院，天津300350；2.天津大學(xué)電氣與自動(dòng)化工程學(xué)院，天津300072)

通過對(duì)現(xiàn)有電池健康狀態(tài)(SOH)估算方法進(jìn)行分析，提出應(yīng)用MATLAB軟件平臺(tái)搭建SOH估算平臺(tái)的方法。對(duì)SOH的估計(jì)使用電壓曲線擬合法，通過BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練并預(yù)測(cè)電壓值，然后計(jì)算得到SOH的大小。算法的設(shè)計(jì)過程應(yīng)用MATLAB的圖形用戶界面(GUI)實(shí)現(xiàn)，降低了SOH估算方法的使用門檻。仿真結(jié)果表明，該平臺(tái)能夠準(zhǔn)確預(yù)測(cè)SOH，為SOH估計(jì)系統(tǒng)的創(chuàng)建奠定了基礎(chǔ)。

SOH；MATLAB；BP神經(jīng)網(wǎng)絡(luò)；圖形用戶界面

1 電動(dòng)汽車電池健康狀態(tài)估算方法概述

近年來，電動(dòng)汽車以其優(yōu)良的節(jié)能環(huán)保特性成為未來汽車發(fā)展的重要方向。而電動(dòng)汽車電池組健康狀態(tài)(State-of-Health，SOH)的下降成為制約電動(dòng)汽車發(fā)展的重要瓶頸。SOH的標(biāo)準(zhǔn)定義是指使動(dòng)力電池從充滿電狀態(tài)以一定倍率放電，當(dāng)電壓到達(dá)截止電壓時(shí)放出的容量與其總?cè)萘康谋戎礫1]。隨著電池循環(huán)使用次數(shù)的增加，電池組健康狀態(tài)會(huì)不斷下降，健康狀態(tài)下降的程度主要由健康狀況下降最嚴(yán)重的單體電池決定。所以通過準(zhǔn)確的估算電池組每個(gè)單體電池的SOH，及時(shí)更換SOH到達(dá)臨界值的單體電池，即可確保電動(dòng)汽車的整個(gè)電池組都工作在最佳狀態(tài)。研究具有較高精度的SOH估算方法，將有助于推進(jìn)電動(dòng)汽車產(chǎn)業(yè)的發(fā)展。

現(xiàn)有的電池SOH估算方法主要有以下幾種[2]：

(1)完全放電法。也稱為定義法，指以一定的放電倍率，將被測(cè)電池全部放電，測(cè)量出放電時(shí)間，然后根據(jù)安時(shí)法計(jì)算出電池總?cè)萘浚瑥亩玫诫姵氐腟OH。這種方法是業(yè)界公認(rèn)的最可靠的辦法，但測(cè)量時(shí)需將電池離線，對(duì)于電動(dòng)汽車電池組來說比較困難，而且需要專門的設(shè)備反復(fù)充放電，操作時(shí)間長且實(shí)用性不強(qiáng)。

(2)電阻折算法。內(nèi)阻是電池的本質(zhì)屬性之一，電池內(nèi)阻會(huì)隨著電池的使用和老化而不斷增加，從而導(dǎo)致電池的最大容量下降。從電池內(nèi)阻的角度出發(fā)，可以根據(jù)內(nèi)阻與電池健康狀態(tài)的關(guān)系來估算SOH。此方法存在一定的缺陷：一是電池內(nèi)阻的大小一般為毫歐，不易測(cè)量；二是電動(dòng)汽車的電池工作環(huán)境非常復(fù)雜，電池內(nèi)阻與SOH的關(guān)系并不是很明確。

(3)阻抗分析法。這種方法相對(duì)來說比較復(fù)雜，首先通過大量的實(shí)驗(yàn)得到電化學(xué)阻抗譜。然后用電池專用阻抗譜分析儀器或軟件得到阻抗數(shù)據(jù)，將數(shù)據(jù)進(jìn)行分析及處理，得出阻抗模型與電池SOH的相關(guān)性，從而預(yù)測(cè)電池的SOH。此種方法對(duì)設(shè)備儀器要求比較高，成本很高，且算法復(fù)雜，非常不適合用于電動(dòng)汽車。

(4)電壓曲線擬合法。純電動(dòng)汽車動(dòng)力電池在使用過程中，電池的老化即電池容量的衰減，會(huì)引起電池在充放電過程中端電壓的變化。電壓曲線擬合法就是利用不同健康度下電池充入或放出相同電量時(shí)，會(huì)有不同的電壓表征這一特點(diǎn)，來估算電池當(dāng)前的SOH。相對(duì)于以上幾種方法而言，電壓曲線擬合法的優(yōu)點(diǎn)是運(yùn)算量小，不需要大量的實(shí)驗(yàn)數(shù)據(jù)支持，成本比較低，易實(shí)現(xiàn)，且相對(duì)準(zhǔn)確。但是SOH估算的準(zhǔn)確性對(duì)估計(jì)算法的依賴性較強(qiáng)。

本文采用電壓曲線擬合法對(duì)SOH進(jìn)行估算，并通過使用擬合能力較強(qiáng)的BP神經(jīng)網(wǎng)絡(luò)算法，實(shí)現(xiàn)SOH的準(zhǔn)確估算。為了提高此方法的通用性，本文應(yīng)用MATLAB設(shè)計(jì)圖形用戶界面(GUI)實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)估算SOH，大大降低了此方法的應(yīng)用門檻。

2 電壓曲線擬合法估算電池SOH

用電壓曲線擬合法來估算電池SOH流程如圖1所示。

圖1 電壓曲線擬合法估算SOH的流程框圖

如圖1所示，首先進(jìn)行電池的充電與放電實(shí)驗(yàn)，得到電池充放電數(shù)據(jù)，其中，不同充放電循環(huán)次數(shù)代表不同的電池SOH。將這些不同SOH的充電電壓曲線分別進(jìn)行歸一化處理，然后在同一坐標(biāo)軸中畫出，選取相對(duì)來說比較居中的一條充電曲線作為BP神經(jīng)網(wǎng)絡(luò)擬合的訓(xùn)練曲線。將選好的訓(xùn)練曲線用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合，得到充電電壓和SOH之間的定量關(guān)系式。選取其它部分曲線作為驗(yàn)證曲線，將電壓值帶入到定量關(guān)系式中，可求得估計(jì)的SOH數(shù)值，通過將估計(jì)值與真實(shí)的SOH值進(jìn)行比較，驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)得到的定量關(guān)系的正確性。最后，可以通過實(shí)時(shí)測(cè)取充電時(shí)端電壓的數(shù)值，實(shí)現(xiàn)對(duì)SOH的估算。整個(gè)過程可以概括為：建模-模型驗(yàn)證-模型應(yīng)用。

2.1 電池充放電數(shù)據(jù)采集

本文利用恒溫箱及專用的電池測(cè)試系統(tǒng)，對(duì)磷酸鐵鋰單體電池進(jìn)行循環(huán)充放電實(shí)驗(yàn)，電池標(biāo)稱容量為200 Ah。用單體電池，按照充電-擱置-放電-擱置-充電的循環(huán)模式對(duì)電池進(jìn)行循環(huán)實(shí)驗(yàn)[3]。一般認(rèn)為當(dāng)電池容量下降到80%左右，即SOH為80%時(shí)電池報(bào)廢。在本實(shí)驗(yàn)中，當(dāng)電池容量到達(dá)160 Ah時(shí)循環(huán)結(jié)束。在充放電循環(huán)期間，每隔5 s記錄一次數(shù)據(jù)。本次實(shí)驗(yàn)采用最常用的先恒流再恒壓的方式對(duì)電池進(jìn)行充電。按照上述步驟，循環(huán)450次得到單體電池的充放電數(shù)據(jù)如表1。

表1 220 Ah電池充放電循環(huán)數(shù)據(jù)(部分)

由表1所知，隨著電池充放電的不斷循環(huán)，電池的SOH會(huì)逐漸下降，此時(shí)的充電和放電電壓曲線也會(huì)變化，本文選用電池充電電壓曲線進(jìn)行SOH估算，充電電壓隨時(shí)間的變化如圖2所示，由圖可得，隨著充電次數(shù)的增加，電池電壓達(dá)到3.9 V的時(shí)間逐漸減少。

圖2 不同循環(huán)次數(shù)時(shí)充電電壓曲線

2.2 充電電壓曲線歸一化

如圖2所示，電池充電電壓曲線會(huì)隨著SOH的不同而發(fā)生變化，但幾根線的整體變化趨勢(shì)是相同的。因此可以把充電電壓曲線歸一化，這里采用尺度變換的方法。歸一化的過程如下式所示[4]：

2.3 基準(zhǔn)充電電壓曲線的選取

為評(píng)估不同SOH(即不同循環(huán)次數(shù))時(shí)歸一化后充電電壓曲線的一致性，計(jì)算出每根曲線和坐標(biāo)軸所圍圖形的面積。計(jì)算時(shí)，可用方便又較為準(zhǔn)確的線性插值法[5]。計(jì)算公式如下：

根據(jù)公式(5)，計(jì)算出歸一化后五個(gè)不同SOH對(duì)應(yīng)的充電電壓曲線所包圍的面積，結(jié)果如表2所示。一般選取面積居中的曲線作為基準(zhǔn)充電電壓曲線。根據(jù)表2，按歸一化后的曲線所包圍的面積進(jìn)行排序。可見第100次的充電曲線誤差最小，選其作為基準(zhǔn)曲線。

表2 充電電壓歸一化曲線一致性對(duì)比分析

2.4 GUI估算平臺(tái)的搭建

應(yīng)用MATLAB的GUI設(shè)計(jì)基于BP神經(jīng)網(wǎng)絡(luò)的電池電壓估算系統(tǒng)[6]。在MATLAB命令窗口輸入nntool并按Enter鍵，就可以打開Neural Network窗口，如圖3所示。

圖3 MATLAB GUI界面實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)估計(jì)

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程：點(diǎn)擊Import按鈕，可以從工作空間或數(shù)據(jù)文件中導(dǎo)入輸入時(shí)間變量(Input data)及輸出的目標(biāo)電壓變量(Target data)；然后應(yīng)用New按鈕，在打開的窗口中選擇應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)訓(xùn)練；訓(xùn)練完成后可以通過Export按鈕，將訓(xùn)練得到的估計(jì)輸出數(shù)據(jù)(Output data)以及誤差數(shù)據(jù)(Error Data)導(dǎo)入到右側(cè)窗口，即可查看網(wǎng)絡(luò)的估計(jì)效果。訓(xùn)練結(jié)束后，可以通過在Input data窗口輸入測(cè)試的時(shí)間變量，應(yīng)用訓(xùn)練得到的網(wǎng)絡(luò)，得到估計(jì)的電壓值。

2.5 根據(jù)基準(zhǔn)曲線計(jì)算SOH

根據(jù)擬合好的電壓曲線，計(jì)算SOH的公式為：

3 實(shí)驗(yàn)驗(yàn)證

任意選取六組電池進(jìn)行充放電實(shí)驗(yàn)，根據(jù)上文方法進(jìn)行SOH估算，并與實(shí)驗(yàn)組電池的SOH進(jìn)行對(duì)比分析，得出結(jié)果如表3所示。

從表3可以看出，選用BP神經(jīng)網(wǎng)絡(luò)擬合歸一化電壓曲線為基準(zhǔn)曲線，SOH估算精度較高，滿足實(shí)驗(yàn)要求。

表3 估算結(jié)果誤差分析

4 結(jié)論

本文通過分析現(xiàn)有電池SOH估計(jì)方法，提出一種使用門檻較低、精度較高的估計(jì)方法，即通過MATLAB GUI界面，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法擬合充電電壓曲線，通過測(cè)量的充電電壓數(shù)值求解SOH的方法。仿真結(jié)果表明，該方法的精度和可靠性均滿足設(shè)計(jì)要求，為電動(dòng)汽車SOH估算的系統(tǒng)化奠定了基礎(chǔ)。

[1]李勇，王麗芳，廖承林.電動(dòng)車鋰離子電池健康狀態(tài)模型研究進(jìn)展[J].電源技術(shù)，2013,37(5):863-866.

[2]徐文靜.純電動(dòng)汽車鋰動(dòng)力電池健康狀態(tài)估算方法研究[D].吉林：吉林大學(xué)，2012.

[3]泮國榮，胡桂林，項(xiàng)忠曉，等.質(zhì)子交換膜燃料電池測(cè)試系統(tǒng)的設(shè)計(jì)與搭建[J].電源技術(shù)，2014,38(8):1469-1471.

[4]唐致遠(yuǎn)，阮艷莉.鋰離子電池容量衰減機(jī)理的研究進(jìn)展[D].天津：天津大學(xué)，2005.

[5]朱晨.備用電力系統(tǒng)中VRLA電池SOC及SOH的在線估計(jì)方法研究[D].北京：北京交通大學(xué)，2010.

[6]MORENO J,ORTUZAR M E,DIXON J W.Energy-management system for a hybrid electric vehicle[J].Using Ultracapacitors and Neural Networks,2006,53(2):614-622.

Creating of SOH estimation platform for Li-ion battery

By analyzing the current SOH estimation method,the SOH estimation platform using MATLAB was created. Firstly, the BP neural network was used to fit the voltage curve,and the train and prediction of the voltage value were realized.Then,the SOH was calculated by the estimated voltage.The design process of this algorithm was achieved by the GUI of MATLAB,which reduced the using threshold of SOH estimation method.Simulation results demonstrate that this platform can predict the SOH accurately,and lay a foundation for SOH estimation system.

SOH;MATLAB;BP neural network;GUI

TM 912

A

1002-087 X(2015)10-2106-02

2015-07-06

史艷霞(1965—)，女，湖北省人，副教授，主要研究方向?yàn)殡妱?dòng)汽車設(shè)計(jì)、電力電子技術(shù)。