吳海東，任曉明，那 偉，黃 超

(1. 上海電機(jī)學(xué)院電氣學(xué)院，上海 201306； 2. 上海航天電源技術(shù)有限責(zé)任公司，上海 201615)

改進(jìn)安時(shí)法結(jié)合神經(jīng)網(wǎng)絡(luò)估算鋰離子電池SOC

吳海東1，任曉明1，那 偉2，黃 超1

(1. 上海電機(jī)學(xué)院電氣學(xué)院，上海 201306； 2. 上海航天電源技術(shù)有限責(zé)任公司，上海 201615)

采用BP神經(jīng)網(wǎng)絡(luò)對(duì)庫侖效率進(jìn)行訓(xùn)練并預(yù)測(cè)，將預(yù)測(cè)得到的庫侖效率代入改進(jìn)安時(shí)(AH)算法，再基于MotoHawk進(jìn)行設(shè)計(jì)，應(yīng)用于地鐵應(yīng)急牽引電池組管理系統(tǒng)。以952國(guó)產(chǎn)A車為試驗(yàn)對(duì)象，結(jié)合實(shí)際運(yùn)行情況對(duì)荷電狀態(tài)(SOC)進(jìn)行估算和分析。試驗(yàn)結(jié)果表明，所采用的方法比傳統(tǒng)AH法估算精度誤差提高4.9%。

荷電狀態(tài)(SOC)； 電池組管理系統(tǒng)； 改進(jìn)安時(shí)(AH)算法； BP神經(jīng)網(wǎng)絡(luò)

荷電狀態(tài)(SOC)是電池管理系統(tǒng)的重要部分，估算方法目前主要有開路電壓法、內(nèi)阻法、安時(shí)(AH)計(jì)量法、神經(jīng)網(wǎng)絡(luò)算法和卡爾曼濾波法等[1]。文獻(xiàn)[2]釆用無跡卡爾曼濾波法，結(jié)合改進(jìn)的電動(dòng)勢(shì)電池等效模型，提高估算算法的精度，估算誤差小于5%，具有較高的實(shí)用價(jià)值。文獻(xiàn)[3]通過分析電池SOC與充放電電流、溫度的關(guān)系，訓(xùn)練后得到BP神經(jīng)網(wǎng)絡(luò)的動(dòng)力電池SOC估計(jì)模型，對(duì)得到的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)試，估計(jì)值和輸出值之間的誤差最大值約為4%。

傳統(tǒng)AH法估算電池的剩余電量時(shí)，基本上未考慮庫侖效率η，導(dǎo)致SOC估算精度降低。本文作者采用改進(jìn)的AH法，結(jié)合BP神經(jīng)網(wǎng)絡(luò)，對(duì)鋰離子電池進(jìn)行SOC估算，再基于MotoHawk進(jìn)行設(shè)計(jì)，并應(yīng)用于地鐵應(yīng)急牽引電池組管理系統(tǒng)，對(duì)SOC進(jìn)行估算和分析。

1 BP神經(jīng)網(wǎng)絡(luò)的庫侖效率預(yù)測(cè)

AH法中，電池剩余電量通過充放電電流在時(shí)間上的積分來計(jì)算[4-5]。庫侖效率[6]與充放電電流和電池溫度緊密相關(guān)。對(duì)單體容量8 Ah鋰離子電池(上海產(chǎn))進(jìn)行1C、2C和3C時(shí)，-5～60 ℃下放電容量的檢測(cè)，用CANalyzer軟件記錄得到數(shù)據(jù)，通過BP神經(jīng)網(wǎng)絡(luò)算法對(duì)庫侖效率進(jìn)行訓(xùn)練并預(yù)測(cè)。將放電電流和溫度作為輸入層，庫侖效率為輸出層，中間隱含層節(jié)點(diǎn)數(shù)根據(jù)實(shí)際情況而定，試驗(yàn)選取20節(jié)點(diǎn)。

神經(jīng)網(wǎng)絡(luò)估算庫侖效率η的過程是：①通過試驗(yàn)獲得經(jīng)驗(yàn)數(shù)據(jù)；②用獲得的經(jīng)驗(yàn)數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；③將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)應(yīng)用于SOC估算中，實(shí)時(shí)估算η。根據(jù)地鐵應(yīng)急牽引鋰離子電池在1C、2C和3C時(shí)的庫侖效率試驗(yàn)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練。選取訓(xùn)練步數(shù)為3 000，訓(xùn)練精度為1.0×10-5。訓(xùn)練結(jié)束，得出預(yù)測(cè)值，整理后的結(jié)果見圖1。

圖1 電流、溫度與放電庫侖效率的關(guān)系

從圖1可知，放電倍率越小、庫侖效率越高，且?guī)靵鲂孰S著溫度的增加逐漸增大。

圖2 BP估算庫侖效率的誤差Fig.2 BP estimated error of Coulombic efficiency

如圖2所示，通過誤差分析得出的訓(xùn)練結(jié)果與試驗(yàn)數(shù)據(jù)基本相符，得到最大、最小誤差分別為-1.2×10-3和-8.0×10-5。這說明：BP神經(jīng)網(wǎng)絡(luò)對(duì)于樣本覆蓋范圍內(nèi)放電庫侖效率的估算，具有較好的泛化性能。

2 基于MotoHawk的改進(jìn)AH算法程序

基于MotoHawk設(shè)計(jì)的改進(jìn)AH算法程序模型見圖3。

圖3 改進(jìn)AH算法模型Fig.3 Improved AH computation model

實(shí)驗(yàn)使用ECM-0S12-070-1001控制器(北京產(chǎn))，所用磷酸鐵鋰(LiFePO4)正極IFP1780123PB型鋰離子電池(上海產(chǎn))容量為24 Ah，單體電壓為2.56 V，單體容量為8 Ah，電流積分周期按100 ms計(jì)算，設(shè)置的電池容量為24 A×3 600 000 ms/100=864 000 Ams(3 600 Ams=1 mAh)。SOC模型主要分為以下幾個(gè)模塊：函數(shù)模塊、庫侖效率模塊、電流范圍校正、SOC范圍校正和SOC記錄校正。在函數(shù)模塊中、離散模式下計(jì)算SOC。SOC范圍校正通過最大最小值對(duì)比，確保SOC在0到100%之間。讀出模塊和記錄模塊能及時(shí)讀寫電池組的SOC，避免傳統(tǒng)AH法無法估計(jì)初始SOC的缺點(diǎn)，并確保數(shù)據(jù)的及時(shí)更新。

SOC記錄校正模塊如圖4所示。

圖4 SOC記錄校正模塊Fig.4 SOC recorded correction module

計(jì)算出來的SOC，經(jīng)過if模塊，當(dāng)SOC≥100%，且為充電狀態(tài)時(shí)，執(zhí)行對(duì)應(yīng)模塊并將SOC=100%記錄到數(shù)據(jù)記錄模塊，防止SOC超過理論范圍導(dǎo)致錯(cuò)誤故障，同時(shí)輸出1到Merge模塊；當(dāng)SOC≤1%且為放電狀態(tài)時(shí)，執(zhí)行對(duì)應(yīng)模塊并將SOC=1%記錄到數(shù)據(jù)記錄模塊，同時(shí)輸出1到Merge模塊；其他情況下，直接將SOC輸出1到Merge模塊，記錄到數(shù)據(jù)記錄模塊。此模塊的主要作用是判別充放電狀態(tài)、對(duì)SOC臨界狀態(tài)及時(shí)校正，并更新到記錄模塊。解決AH計(jì)量法在使用時(shí)無法估計(jì)初始SOC的問題。

由BP神經(jīng)網(wǎng)絡(luò)對(duì)鋰離子電池放電庫侖效率進(jìn)行訓(xùn)練，需要對(duì)放電庫侖效率進(jìn)行預(yù)測(cè)。應(yīng)急牽引電池規(guī)定以2C倍率放電，結(jié)合本地季節(jié)溫度情況，設(shè)定最低、最高溫度分別為-5 ℃和100 ℃，根據(jù)電流傳感器采樣精度，確定溫度間隔為0.1 ℃，得到如圖5所示的預(yù)測(cè)放電庫侖效率。

圖5 預(yù)測(cè)放電庫侖效率Fig.5 Predict discharge coulombic efficiency

庫侖效率模塊如圖6所示。

圖6 庫侖效率模塊Fig.6 Coulombic efficiency module

當(dāng)電池處于放電狀態(tài)時(shí)，根據(jù)溫度對(duì)應(yīng)的放電預(yù)測(cè)庫侖效率關(guān)系，將數(shù)據(jù)導(dǎo)入預(yù)測(cè)庫侖效率模塊，通過實(shí)時(shí)溫度采集，由該模塊查取，代入SOC函數(shù)模塊，計(jì)算放電SOC；當(dāng)電池處于充電狀態(tài)時(shí)，由于是以1C充電，電池為平穩(wěn)狀態(tài)，溫度變化不劇烈，判定庫侖效率為1，代入SOC函數(shù)，計(jì)算充電SOC。

3 試驗(yàn)結(jié)果分析

以952國(guó)產(chǎn)A車為試驗(yàn)對(duì)象，在應(yīng)急牽引下模擬額定狀態(tài)進(jìn)行試驗(yàn)，地鐵以20 km/h的速度運(yùn)行；軌道設(shè)計(jì)為2°上坡400 m，再下坡400 m，然后平直道1 000 m。

試驗(yàn)過程中，通過CANalyzer軟件記錄數(shù)據(jù)，并將數(shù)據(jù)直接導(dǎo)入MATLAB，通過MATLAB進(jìn)行數(shù)據(jù)分析，得到圖7所示的放電電流曲線。

圖7 電池的放電電流曲線Fig.7 Discharge current curve of the battery

分析圖7可知，在100～300 s左右為地鐵應(yīng)急牽引爬坡階段，電池為脈沖式放電，最大值為238 A。在300～620 s左右地鐵為下坡階段，且處于關(guān)閉自牽引狀態(tài)，慢速滑行下坡，在平直道進(jìn)行制動(dòng)測(cè)試的制動(dòng)過程中，出現(xiàn)很高的放電電流。電池組工作狀態(tài)SOC計(jì)算曲線見圖8。

從圖8可知：改進(jìn)AH法的SOC從100%到57.0%階段，地鐵為爬坡階段消耗，剩余電量為43.0%，SOC成平滑斜線下降，電流為脈沖式放電，最大放電電流為238 A，在平直道為制動(dòng)過程，由于制動(dòng)不是連續(xù)過程，使得SOC不再是平滑斜線，SOC從57.0%下降到40.9%，電流也呈現(xiàn)脈沖趨勢(shì)，最大電流為230 A。傳統(tǒng)AH法所得SOC為42.9%。試驗(yàn)后，在穩(wěn)定狀態(tài)下以1C電流將電池組剩余電量放完，檢測(cè)真實(shí)剩余電量為9.72 Ah(對(duì)應(yīng)SOC為40.5%)。由此可知，改進(jìn)AH法的預(yù)測(cè)結(jié)果更接近真實(shí)值。電池組工作狀態(tài)平均溫度曲線見圖9。

圖8 SOC算法曲線Fig.8 SOC algorithm curves

圖9 電池組放電的平均溫度曲線Fig.9 Average temperature curve of battery during discharge

從圖9可知，在180 s之前，溫度在30 ℃以下。由圖5可知，在30 ℃左右，庫侖效率接近1，因此改進(jìn)AH法誤差很小。電池組傳統(tǒng)AH法計(jì)算曲線見圖10。

圖10 傳統(tǒng)AH法的誤差曲線Fig.10 Error curve for traditional AH method

從圖10可知，傳統(tǒng)AH法隨著溫度的上升導(dǎo)致誤差上升，隨著工作時(shí)間的積累，誤差不斷增加，到運(yùn)行結(jié)束時(shí)，相對(duì)于改進(jìn)AH法的誤差達(dá)到4.9%。

4 小結(jié)

本文作者采用BP神經(jīng)網(wǎng)絡(luò)對(duì)庫侖效率進(jìn)行訓(xùn)練并預(yù)測(cè)，將預(yù)測(cè)的庫侖效率代入改進(jìn)AH算法，再基于MotoHawk進(jìn)行設(shè)計(jì)，應(yīng)用于地鐵應(yīng)急牽引電池組管理系統(tǒng)。以952國(guó)產(chǎn)A車為試驗(yàn)對(duì)象，在應(yīng)急牽引下，以20 km/h時(shí)速，在2°上坡400 m，再下坡400 m+平直道1 000 m上以額定狀態(tài)運(yùn)行。試驗(yàn)結(jié)果表明：隨著工作時(shí)間積累，傳統(tǒng)AH法誤差不斷積累，到運(yùn)行結(jié)束，誤差達(dá)到4.9%；改進(jìn)的AH法對(duì)相對(duì)于傳統(tǒng)AH法，SOC估算精確度有很大的提高，更接近真實(shí)值。

[1] WAN Yong-kai(萬永凱). 混合動(dòng)力電動(dòng)汽車鋰離子電池SOC估算方法研究[D]. Wuhan(武漢)：Wuhan University of Technology(武漢理工大學(xué))，2013.

[2] WU Tie-zhou(吳鐵洲)，HU Li-ping(胡麗平). 基于UKF的動(dòng)力電池SOC估算算法研究[J]. Power Electronics(電力電子技術(shù))，2014，48(4)：23-26.[3] CAI Xin(蔡信)，LI Bo(李波)，WANG Hong-hua(汪宏華)，etal. 基于神經(jīng)網(wǎng)絡(luò)模型的動(dòng)力電池SOC估計(jì)研究[J]. Mechanical and Electrical Engineering(機(jī)電工程)，2015，32(1)：128-132.

[4] YU Hai-fang(于海芳)，LU Ren-gui(逯仁貴)，ZHU Chun-bo(朱春波)，etal. 基于安時(shí)法的鎳氫電池SOC估計(jì)誤差校正[J]. Transactions of China Electrotechnical Society(電工技術(shù)學(xué)報(bào))，2012，27(6)：12-18.

[5] XI An-jing(席安靜)，TIAN Guang-yu(田光宇)，BAI Peng(白鵬). 磷酸鐵鋰鋰離子電池EIS參數(shù)隨SOC變化的規(guī)律[J]. Battery Bimonthly(電池)，2012，42(2)：77-80.

[6] WU G L,LU R G,ZHU C B,etal. An improved Ampere-hour method for battery state of charge estimation based on temperature,coulomb efficiency model and capacity loss model[A]. Procee-dings of Vehicle Power and Propulsion Conference (VPPC)[C]. Lille, 2010.

Estimating SOC of Li-ion battery by improved AH combined with neural network

WU Hai-dong1，REN Xiao-ming1，NA Wei2，HUANG Chao1

(1.ElectricCollege，ShanghaiDianjiUniversity，Shanghai201306，China；2.ShanghaiAerospacePowerTechnologyCo.，Ltd.，Shanghai201615，China)

The Coulombic efficiency was taken into the improved Ah computation，then the improved AH computation was designed which was based on MotoHawk and used in the subway of emergency traction battery management system. The 952 domestic A subway was taken as experimental target，state-of-charge(SOC)could be analyzed and estimated combined with the actual operating conditions. The test results showed that the estimation accuracy had been increased 4.9% due to the method used.

state-of-charge(SOC)； battery management system； improved AH computation； BP neural network

吳海東(1989-)，男，江蘇人，上海電機(jī)學(xué)院電氣學(xué)院碩士生，研究方向：電力電子技術(shù)，本文聯(lián)系人；

上海市自然科學(xué)基金(12ZR1411700)，上海市教委優(yōu)青項(xiàng)目(ZZSDJ12003)，上海電機(jī)學(xué)院研究生創(chuàng)新項(xiàng)目(A1-0225-15-005-04)

TM912.9

A

1001-1579(2016)01-0016-04

2015-09-05

任曉明(1977-)，男，浙江人，上海電機(jī)學(xué)院電氣學(xué)院副教授，研究方向：防雷技術(shù)及電磁兼容；

那 偉(1982-)，男，黑龍江人，上海航天電源技術(shù)有限責(zé)任公司工程師，技術(shù)中心副經(jīng)理，研究方向：電池組管理；

黃 超(1989-)，男，福建人，上海電機(jī)學(xué)院電氣學(xué)院碩士生，研究方向：電力電子技術(shù)。