楊培善，白銀

（宿州職業(yè)技術(shù)學(xué)院，安徽 宿州 234000）

前言

電動汽車常使用動力電池作為動力源，因此，電池管理技術(shù)是電動汽車的其中一項(xiàng)較為關(guān)鍵的技術(shù)。電池管理技術(shù)就是對電池的充、放電進(jìn)行系統(tǒng)的管理，即電池管理系統(tǒng)（BMS）。電池管理系統(tǒng)以SOC 的在線估計為核心，對電池的電流、電壓、溫度、最大充電及放電功率進(jìn)行計算，并具有熱管理、均衡管理、防止電池過充電和過放電、漏電保護(hù)及故障診斷等功能。其中，電池荷電狀態(tài)是電池管理系統(tǒng)最重要的指標(biāo)，它反映電池的剩余電量，預(yù)估續(xù)航里程，精度越高，續(xù)航里程數(shù)越高。本文簡要介紹了SOC 的定義及影響因素，重點(diǎn)對幾種經(jīng)常使用的SOC 估算方法進(jìn)行了詳細(xì)的比較分析。

1 SOC 定義及其影響因素

電池荷電狀態(tài)SOC 計算的是電池的剩余電量，它是電池當(dāng)前容量與額定容量的比值，它是保證電池安全充放電的重要參數(shù)。美國先進(jìn)電池協(xié)會對電池荷電狀態(tài)是這樣定義的：在特定的放電倍率條件下，動力電池剩余電量與其額定容量的百分比，其數(shù)學(xué)表達(dá)式為式（1）：

式中：為剩余電量；為額定容量。

動力電池完全充滿電時，SOC=100%；動力電池完全放電時，SOC=0%。

其中電池的充放電倍率、環(huán)境溫度、老化周期以及自放電倍率等都會影響動力電池的荷電狀態(tài)，所以，為了高精度估算電池的荷電狀態(tài)需要綜合考慮每一個影響因素。

2 SOC 估算方法分析

2.1 安時法

安時積分法是一種簡單常用的SOC 估算方法，它利用積分的方法對動力電池的電流運(yùn)算，得到動力電池放電的電量，因此，對動力電池電流測量的準(zhǔn)確性決定著安時積分法的準(zhǔn)確性。具體計算公式如下：

其中為初始時刻的SOC 值；CN——動力電池的標(biāo)稱總?cè)萘浚珹·h；η——動力電池充放電效率；I——充放電電流，A。

安利積分法沒有考慮內(nèi)在的電化學(xué)反應(yīng)及溫度等多種參數(shù)的影響。如果電流測量存在較大的誤差，短期內(nèi)沒有太大的精度問題，但隨著積分的累積，誤差也將越來越大，需要定期采用其他方法進(jìn)行校正。其次，SOC 的初始狀態(tài)對SOC估計的準(zhǔn)確性也有很大影響。因此，安時積分法較多應(yīng)用于對SOC 值精度要求不高的場合，如鉛酸電池作為動力電池的電動汽車的能量管理。若想用于其它高精度較的估算，則必須結(jié)合其它算法進(jìn)行改進(jìn)，如開路電壓法和卡爾曼濾波法。

2.2 開路電壓法

動力電池的開路電壓與電池的荷電狀態(tài)SOC 是一一相對應(yīng)的，所以，我們可以用開路電壓來估計電池的SOC。開路電壓法的一個缺陷是電池在某一個工作點(diǎn)的開路電壓需要幾個小時恢復(fù)時間才能穩(wěn)定至SOC 的對應(yīng)值。但它在電池充電的初期和末期效果不錯，所以開路電壓常常與其它方法配合，較多地應(yīng)用于對SOC 值精度要求較高的場合，例如采用鋰離子電池作為常規(guī)動力源的主流電動汽車的能量管理。

2.3 負(fù)載電壓法

如果電池工作的工況是恒定電流，那么相應(yīng)的工作電壓與開路電壓一樣，也存在與SOC 值一一對應(yīng)的關(guān)系。但汽車行駛的時候，載荷通常變化較大，電池的工作工況是不穩(wěn)定的，所以這種方法很難單獨(dú)用于電動汽車的能量管理。和開路電壓法一樣，負(fù)載電壓法往往和其他方法結(jié)合使用。

2.4 內(nèi)阻法

內(nèi)阻一般可分為直流內(nèi)阻和交流內(nèi)阻，內(nèi)阻法是通過測量電池的直流內(nèi)阻來估算SOC 的方法，它曾廣泛應(yīng)用于傳統(tǒng)汽車車載電源鉛酸電池充放電管理。在鉛酸電池充電后期，電池的直流阻抗會隨SOC 的變化而明顯改變，所以這時也可以利用直流阻抗估計電池的SOC 值。電池溫度會嚴(yán)重影響電阻內(nèi)阻（特別是交流內(nèi)阻），從而影響到內(nèi)阻法SOC 估計精度交流。鎳氫電池與鋰離子電池的內(nèi)阻與荷電狀態(tài)SOC 的關(guān)系與鉛酸電池相比更加復(fù)雜，內(nèi)阻法沒有應(yīng)用于鋰離子電池的SOC 估算?，F(xiàn)代汽車多用鋰離子電池作為動力電池，所以，內(nèi)阻法也很難在電動車上應(yīng)用。內(nèi)阻法雖然可以可以與安時積分法結(jié)合對動力電池的放電后期的SOC 的估算，但隨著其它智能算法的應(yīng)用，此方法的應(yīng)用越來越少。

2.5 放電實(shí)驗(yàn)法

最準(zhǔn)確的電池荷電狀態(tài)測量方法非放電實(shí)驗(yàn)法莫屬。在電池的某一個工作點(diǎn)，采用恒定的電流放電至電池的工作截止電壓，放電時間與放電乘積即放出的電量，也就是電池在這個工作點(diǎn)的剩余電量，據(jù)此可以得到這個工作點(diǎn)的準(zhǔn)確的SOC。本方法適用于所有電池，但需要電池停止工作，而且需要大量的時間，不能即時得到SOC 的值，所以只能在實(shí)驗(yàn)室使用和用于SOC 的標(biāo)定，不能用于行駛中的電動汽車。

2.6 卡爾曼濾波法

卡爾曼濾波法及其改進(jìn)算法因?yàn)榱己眠m應(yīng)性在電池荷電狀態(tài)SOC 估算中得到了越來越廣泛的應(yīng)用。這個估計方法可以應(yīng)用于電動汽車的各種復(fù)雜的工況，它把動力電池作為一個動態(tài)系統(tǒng)來研究，荷電狀態(tài)SOC 是動力電池的一個狀態(tài)變量，而把電流、溫度等是系統(tǒng)的輸入變量，工作電壓是系統(tǒng)的輸出變量，通過在線迭代對SOC 進(jìn)行最優(yōu)估計。這個方法具有較強(qiáng)的適應(yīng)性，同時可以給出估計的誤差，但對于硬件及電池模型的要求較高，計算量較大，同時卡爾曼濾波吱的前提是假設(shè)所有噪聲為白噪聲，這也是它的一個局限性。

2.7 人工神經(jīng)網(wǎng)絡(luò)法

采用非線性映射的神經(jīng)網(wǎng)絡(luò)估計SOC 的方法稱為神經(jīng)網(wǎng)絡(luò)SOC 估計法。人工神經(jīng)網(wǎng)絡(luò)估算法目前常使用3 層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：輸入層、中間層和輸出層。輸入層與輸出層的神經(jīng)元個數(shù)由動力電池模型的實(shí)際需求來確定，中間層神經(jīng)元個數(shù)由模型的復(fù)雜程度和分析精度來確定。用于SOC 估計的神經(jīng)網(wǎng)絡(luò)的輸入變量一般為電壓、電流、累計放出電量、電池溫度、內(nèi)阻環(huán)境溫度等。該方法可以應(yīng)用于各種類型的汽車動力電池，若電池模型的神經(jīng)網(wǎng)絡(luò)訓(xùn)練得也較好，SOC 估算誤差可以達(dá)到小于10%。在實(shí)際的使用時，神經(jīng)網(wǎng)絡(luò)法的估算精度在很大程度上會受到訓(xùn)練樣本和訓(xùn)練方法的影響，且易受干擾。

2.8 支持向量機(jī)

本方法是一種基于支持向量機(jī)的荷電狀態(tài)SOC 估算方法，支持向量機(jī)是統(tǒng)計學(xué)習(xí)理論發(fā)展的產(chǎn)物。由于支持向量機(jī)自身對狀態(tài)量的變化比較敏感，因此其在線非線性估計中的估計精度一般高于最小二乘類的估計。在SOC 估計中，支持向量機(jī)利用很多數(shù)據(jù)點(diǎn)進(jìn)行訓(xùn)練并交訓(xùn)練結(jié)果退化成一組支持向量。若支持向量機(jī)能被很好的優(yōu)化，則支持向量機(jī)算法就能夠產(chǎn)生較精確的SOC 估算精度。

3 結(jié)論與展望

電動汽車SOC 估算是電動汽車能量管理系統(tǒng)的一項(xiàng)關(guān)鍵技術(shù)。雖然動力電池SOC 估算的方法很多，但由于各種算法單獨(dú)使用時又都有其相應(yīng)的局限性，一般和其它的方法結(jié)合使用。想要提高精度及準(zhǔn)確性需要通過大量的試驗(yàn)來建立相應(yīng)的數(shù)據(jù)庫，通過硬件技術(shù)，增加動力電池的電壓和電流的測量精度和準(zhǔn)確性，通過相應(yīng)的動力電池模型，精確表征電池充放電過程的動態(tài)性能，通過綜合各種算法，揚(yáng)長避短，最大程度上提高其估算的準(zhǔn)確性。