劉延濤，蘇建華

?

基于SOC的電動汽車智能低壓技術(shù)研究及應(yīng)用

劉延濤，蘇建華

（鄭州中電新能源汽車有限公司，河南 鄭州 450047）

電動汽車相比傳統(tǒng)汽車因使用了更多的電子控制單元（ECU）而產(chǎn)生更大的靜態(tài)電流，導(dǎo)致輔助蓄電池（Auxiliary battery，ABT）虧電現(xiàn)象時常發(fā)生。為此提出一種智能低壓技術(shù)，通過監(jiān)測ABT荷電狀態(tài)（SOC），實現(xiàn)在ABT即將虧電時發(fā)送預(yù)警信息給用戶，并適時自動啟動直流-直流變換器（DC/DC）給ABT充電。結(jié)合開路電壓法（OCV）和無跡卡爾曼濾波算法（UKF）實時在線估算SOC。實車試驗結(jié)果表明智能低壓技術(shù)達到預(yù)期目標(biāo)，能有效避免車輛ABT虧電；配備該技術(shù)的車輛在靜置停放6個月后仍然順利啟動，ABT未有虧電現(xiàn)象。

智能低壓；防虧電；無跡卡爾曼濾波；自動補電；SOC估算；智能12V

前言

目前大部分電動汽車ABT仍然沿用傳統(tǒng)汽車使用的鉛酸電池。ABT作為汽車的重要部件，為整車提供A級電壓（低壓）電源[1]，對車輛的安全性至關(guān)重要。如果ABT出現(xiàn)虧電現(xiàn)象，就會導(dǎo)致車輛無法啟動，從而帶來安全隱患。

電動汽車相比傳統(tǒng)燃油汽車使用了更多了ECU部件，且這些ECU大都需要ABT常電來維持待機及數(shù)據(jù)記憶保存。這無疑增大了整車靜態(tài)功耗，也使得電動汽車上的ABT負(fù)荷壓力增大。車輛如果長期靜置停放，比如未銷售出去的庫存車以及長期不運營的電動物流車等，很容易造成ABT虧電現(xiàn)象。為此需要研究一種電動汽車智能低壓技術(shù)，確保ABT時刻有充足電量支持車輛順利啟動。

1 智能低壓技術(shù)原理

車輛A級電壓平臺通常分為12V（9~16V）和24V（18~ 32V）兩種，尤以12V電壓平臺應(yīng)用最為廣泛，本文以12V低壓系統(tǒng)為研究對象。電動汽車采用DC/DC給ABT充電，DC/DC工作前提有2個，分別是a：車載可充電儲能系統(tǒng)（REESS）[2]提供B級電壓（高壓）電源；b：DC/DC使能信號被激活。滿足這兩點條件后DC/DC即可將B級直流電壓變換為A級14V直流電給ABT充電。

電動汽車在靜置停放時實時監(jiān)測輔助蓄電池SOC（記做SOCABT），當(dāng)SOCABT過低時自動啟動DC/DC為ABT智能補電。為此需要設(shè)置3個閾值，一個低壓虧電報警閾值Va1，一個智能補電開啟閾值Va2，一個智能補電關(guān)閉閾值Va3。當(dāng)SOCABT

智能補電關(guān)閉條件有如下幾個：a、當(dāng)SOCABT>Va3后斷開B級電壓，停止智能補電；b、智能補電進行過程中檢測有鑰匙12V信號或充電12V信號時，停止智能補電，進入正常行車或充電模式；c、為了避免REESS出現(xiàn)過放電，當(dāng)REESS的SOC（記做SOCREESS）≤0.15時，通過Tbox向用戶發(fā)送REESS虧電預(yù)警信息，提醒用戶及時給車輛充電。如果SOCREESS≤0.05時，REESS禁止放電，關(guān)閉智能補電功能。

智能低壓技術(shù)原理流程圖如圖1所示。實現(xiàn)的關(guān)鍵在于SOCABT估算及閾值Va1、Va2、Va3設(shè)定。

圖1 智能低壓技術(shù)原理流程圖

2 SOC估算

目前國內(nèi)外學(xué)者對鉛酸電池SOC估算方法做了很多研究，提出了很多種SOC估算算法[3]。歸納目前常用的SOC估算方法有：開路電壓法（OCV），安時積分法（Ah），擴展卡爾曼濾波算法（EKF），無跡卡爾曼濾波算法（UKF），神經(jīng)網(wǎng)絡(luò)法，支持向量機等。由標(biāo)準(zhǔn)卡爾曼濾波算法（KF）演化而來的EKF和UKF算法是當(dāng)前最熱門的研究方法。

EKF和UKF算法都支持實時在線估算SOC，且估算誤差普遍低于4%。UKF相比EKF算法省去了計算雅克比矩陣，且能逼近泰勒級數(shù)3級精度，本研究采用UKF算法估算SOCABT。具體的UKF算法在大量的文獻資料中都有詳細(xì)介紹，本文在此不在贅述。本文主要介紹如何建立適用于UKF的電池模型狀態(tài)空間方程。

2.1 電池模型建立

UKF算法建立在高精度的電池模型之上，所以估算SOC之前必須建立合適的且能反應(yīng)電池動態(tài)過程的電池模型。目前常用的較高精度電池模型有PNGV模式，Thevenin模型，Randles模型，二階RC模型等。這些模型各有優(yōu)缺點，其中Randles模型尤其適合鉛酸蓄電池使用[4]。但是由于現(xiàn)在的車用鉛酸蓄電池自放電速度非常慢，所以可以忽略電池的自放電效應(yīng)，如此可將Randles模型簡化如圖2所示。

圖2 本研究使用的電池模型

C—電池儲能電容，兩端電壓U為開路電壓；

R—電池歐姆內(nèi)阻，描述端電壓突變特性；

C—電池極化電容，描述極化漸變特性；

R—電池極化電阻，描述極化突變特性；

充放電電流，充電為正放電為負(fù)。

以電池端電壓為輸出，充放電電流為輸入，其等效數(shù)學(xué)表達式如下：

該模型的好處是可以將傳遞函數(shù)轉(zhuǎn)化為差分方程，進而構(gòu)造狀態(tài)空間方程，實現(xiàn)在線辨識模型參數(shù)。

2.2 模型參數(shù)辨識

電池模型參數(shù)辨識方法也有諸多研究，比如混合脈沖功率特性測試（HPPC），含遺忘因子的遞推最小二乘法（FFRLS），KF算法等[5]。HPPC屬于離線辨識方法， FFRLS和KF算法可以實現(xiàn)在線辨識。充放電過程中模型參數(shù)C、R、C、R具有時變性，固化的模型參數(shù)必然會給后續(xù)SOC估算帶來較大誤差。故本研究選用KF算法在線辨識電池模型參數(shù)。

將模型中的輸入和輸出進行拉普拉斯變換得到模型傳遞函數(shù)：

在實際應(yīng)用過程中需要連續(xù)系統(tǒng)離散化，通過采樣信號研究連續(xù)系統(tǒng)的特性。將式（2）進行變換轉(zhuǎn)變?yōu)殡x散系統(tǒng)傳遞函數(shù)：

聯(lián)立式（1）和式（3）可解得C、R、C、R參數(shù)的計算方法如下。T為采樣周期，一般為1s。

根據(jù)變換的位移性質(zhì)，將電壓差定義為：Δ()=(1--1)()，則式（3）可轉(zhuǎn)換為：

轉(zhuǎn)化為差分方程形式如下：

式中ΔU= U-U為測量到的電壓增量，定義=[bbbb]T為狀態(tài)量，F=[ ΔUIII]為系數(shù)矩陣。該方程作為測量方程，可構(gòu)建用于KF算法的線性系統(tǒng)狀態(tài)空間方程如下：

式（7）中過程噪聲和測量噪聲相互獨立，遵循均值為0的高斯分布，其方差矩陣分別為和。通過KF迭代可得任一采樣時刻的狀態(tài)量θ，帶入式（4）可得任一采樣時刻的C、R、C、R。

2.3 UKF估算SOC

根據(jù)安時積分法定義，離散系統(tǒng)SOC估算可表示為：

式（8）中CN代表ABT標(biāo)稱額定容量，單位A.s；η代表充放電庫倫效率，充電時取η=1，放電時取η<1；T為采樣周期，一般取1s。

對式（1）解微分方程得：

式（9）中=RC為時間常數(shù)。

大量的研究表明鉛酸電池OCV與SOC之間存在近似線性對應(yīng)關(guān)系[6]，擬合函數(shù)關(guān)系式如下[7]：

結(jié)合式（1）、（8）、（9），以=[SOC U]T為狀態(tài)向量構(gòu)建SOC估算狀態(tài)空間方程：

式（11）中過程噪聲和測量噪聲相互獨立，遵循均值為0的高斯分布，其方差矩陣分別為和。通過UKF迭代可得任一采樣時刻的SOC。

3 閾值設(shè)定

閾值Va選擇以SOC為基準(zhǔn)，記做VaSOC。低壓虧電報警閾值Va1和智能補電開啟閾值Va2都處于車輛靜置過程中，此時ABT的耗電來自于微小的整車靜態(tài)電流，可認(rèn)為≈U。根據(jù)式（10），可將選擇基準(zhǔn)轉(zhuǎn)換為OCV，記做VaOCV，故Va1SOC、Va2SOC可轉(zhuǎn)換為Va1OCV、Va2OCV。智能補電關(guān)閉閾值Va3觸發(fā)時，ABT處于充電狀態(tài)，此時>U，不能以O(shè)CV為基準(zhǔn)，仍以SOC為基準(zhǔn)，記做Va3SOC。

3.1 低壓虧電報警閾值Va1

Va1是為了提醒用戶ABT即將虧電，讓用戶自己打開鑰匙給ABT充電。觸發(fā)Va1報警時ABT應(yīng)該還有足夠的電量保證車子正常啟動，同時要考慮電壓采集線壓降，所以Va1不能定的過低。如果定的過高，則會增加低壓虧電報警頻率，反而給用戶帶來不良印象。綜合考慮之下，設(shè)定Va1SOC= 0.3。根據(jù)式（10），此時對應(yīng)OCV基準(zhǔn)閾值Va1OCV=11.91V。

3.2 智能補電開啟閾值Va2

如果使用者在收到Va1報警后不做處理，那SOCABT將繼續(xù)下降。當(dāng)Va2被觸發(fā)時車輛將自行開啟B級電壓，激活DC/DC為ABT補電。此時ABT應(yīng)仍有足夠的電量供給整車控制器（VCU）、電池管理系統(tǒng)（BMS）、高壓繼電器工作，保證智能補電順利開啟。但Va2設(shè)置如果過低，考慮電壓采集線壓降，極易造成ABT過放電而無法啟動智能補電。綜合考慮之下，設(shè)定Va2SOC= 0.2，根據(jù)式（10），此時對應(yīng)OCV基準(zhǔn)閾值Va2OCV=11.78V。

3.3 智能補電關(guān)閉閾值Va3

ABT從虧電到充滿需要數(shù)個小時，充電期間一直在消耗REESS能量。REESS能量非常寶貴，為了減少REESS能量損耗，智能補電時間不宜過長。但是Va3被觸發(fā)時需保證ABT被充入了足夠的電量能夠支持車輛長時間停放。綜合考慮之下，設(shè)定Va3SOC=0.9。

4 智能低壓技術(shù)應(yīng)用

4.1 智能低壓控制器

根據(jù)前述控制原理，研制了一款智能低壓控制器。控制器采用PIC16LF1508做主控芯片，實時采集ABT端電壓，確定Va1和Va2。智能補電開始后通過DC/DC采集ABT充電電流發(fā)送給主控芯片，從而實現(xiàn)UKF的測量更新。主電路原理如圖3所示。

圖3 智能低壓控制器電路原理圖

4.2 實車試驗

實車試驗分為：功能驗證試驗和實車靜置試驗。

4.2.1功能驗證試驗

將智能低壓控制器裝配到3輛某型號純電動物流車上同時試驗，3輛車SOCREESS分別為0.8（車1），0.1（車2），0.05（車3），分三輪，每輪進行3次試驗。為了快速驗證功能，在關(guān)鑰匙的情況下，打開車輛電子水泵（功率55w）和電子風(fēng)扇（功率120w）給ABT放電。第一次：快速拉低ABT端電壓至Va1OCV，觸發(fā)Va1報警。之后斷開電子風(fēng)扇繼續(xù)放電，緩慢拉低端電壓至Va2OCV，觸發(fā)Va2開啟智能補電。之后斷開電子水泵，等待SOCABT達到Va3SOC觸發(fā)Va3后關(guān)閉智能補電。第二次：復(fù)制第一次試驗，開啟智能補電后打開鑰匙。第三次：復(fù)制第一次試驗，開啟補電后插槍充電。

試驗結(jié)果：3輛車在三輪測試中均能按照既定目標(biāo)發(fā)送預(yù)警信息，其中車1和車2能開啟智能補電，在智能補電持續(xù)約80分鐘后結(jié)束，說明此時控制器檢測到SOCABT≥0.9。當(dāng)智能補電過程中打開鑰匙或插槍充電都能結(jié)束智能補電并進入正常行車或充電模式。車3由于REESS低電量保護而無法進入智能補電，最終導(dǎo)致ABT虧電。

4.2.2實車靜置試驗

試驗方法：采用50輛同型號電動物流車為樣本，按照SOCREESS區(qū)間劃分組別。其中40輛裝配智能低壓控制器（前4組），其余10輛不裝（第5組），如表1所示。將所有車輛停放在同一個地方，同時開始記錄數(shù)據(jù)。每隔10天檢查ABT端電壓和車輛能否順利啟動，總共記錄6個月數(shù)據(jù)。

表1 實車靜置試驗樣本分配

試驗結(jié)果如表2所示。可以看出大部分裝配智能低壓控制器的車輛都能按照既定目標(biāo)實現(xiàn)智能補電，組4中部分車輛經(jīng)過4個月的停放后因SOCREESS≤0.05導(dǎo)致智能補電功能關(guān)閉。部分車輛即便是裝配有智能低壓控制器且REESS電量充足，仍然沒有順利啟動智能補電而導(dǎo)致ABT虧電。經(jīng)過調(diào)查發(fā)現(xiàn)這部分車輛的ABT健康狀態(tài)（SOH）已非100%，SOH降低后的OCV-SOC曲線會發(fā)生變化，從而導(dǎo)致智能補電失敗。SOH-SOC的聯(lián)合估算將是下一步的研究目標(biāo)。

表2 實車靜置試驗結(jié)果

5 結(jié)論

本文提出一種基于SOC估算的電動汽車智能低壓技術(shù)。根據(jù)輔助蓄電池的充放電特性，采用OCV和UKF的 SOC聯(lián)合估算方法，估算精度高且計算量少。該技術(shù)可采用低成本芯片實現(xiàn)也可以集成在VCU或BMS等部件中。實車試驗結(jié)果表明本文提出的智能低壓技術(shù)在SOH降低不多的情況下可靠有效，但如果SOH降低過多則效果不佳。下一步的研究目標(biāo)是納入SOH估算，考慮不同SOH下的智能低壓控制策略。

[1] 工業(yè)和信息化部.電動汽車術(shù)語:GB/T 19596-2017[S].北京:中國標(biāo)準(zhǔn)出版社, 2017.

[2] 工業(yè)和信息化部.電動汽車安全要求第1部分:車載可充電儲能系統(tǒng)(REESS):GB/T 18384.1-2015[S].北京:中國標(biāo)準(zhǔn)出版社,2015.

[3] 王通,于潔,馬文會,等.電池管理系統(tǒng)SOC估算方法研究進展[J].電源技術(shù),2018,42(2):312-315.

[4] 方海濤.汽車鉛酸電池SOC實時在線估計方法研究與實現(xiàn)[D].合肥:合肥工業(yè)大學(xué),2016.

[5] 邱煥堯,王宏朋,黃凱.基于無跡卡爾曼濾波算法的鋰電池SOC估計[J].汽車實用技術(shù),2018(19): 22- 24.

[6] KONG-SOON N, CHIN-SIEN M, CHEN Yi-ping, et al. State-of- charge estimation for lead-acid batteries based on dynamic open- circuit voltage[C]//Power and Energy Conference, 2008. PECon 2008. IEEE 2nd International, 2008: 972-976.

[7] JANTHARAMIN N, ZHANG L. A new dynamic model for lead- acid batteries[C]//Power Electronics, Machines and Drives, 2008. PEMD 2008. 4th IET Conference on, 2008: 86-90.

Research and application of intelligent low-voltage technology for EVbased on SOC

Liu Yantao, Su Jianhua

( CETCEV, Henan Zhengzhou 450047 )

Compared with traditional vehicle, electric vehicle (EV) generate more quiescent current due to the use of more electronic control units (ECU), resulting in auxiliary battery (ABT) power deficit phenomenon often occurs. In this paper, an intelligent low-voltage technology is proposed. By monitoring the state of charge (SOC) of the ABT, early warning message is sent to users when ABT is about to power deficit, and the DC/DC converter is automatically started to charge ABT in time. Combining open-circuit voltage (OCV) and unscented Kalman filter (UKF) to estimate SOC on-line in real time. The actual vehicle test results show that the intelligent low-voltage technology achieves the expected goal and can effectively avoid the ABT power deficit. The vehicle equipped with this technology still starts smoothly after 6 months' parking, and the ABT has no power deficit.

intelligent low-voltage; preventpower deficit; UKF; automatic charge; SOC estimation; intelligent 12V

10.16638/j.cnki.1671-7988.2019.10.018

U469.72

A

1671-7988(2019)10-49-04

U469.72

A

1671-7988(2019)10-49-04

劉延濤，碩士學(xué)位，工程師，就職于鄭州中電新能源汽車有限公司，主要研究方向為新能源汽車及智能網(wǎng)聯(lián)汽車技術(shù)。