耿晶 張萬良 戰(zhàn)東紅 王維振 張傳龍
摘 要:隨著燃料電池混合動力汽車的普及,三元鋰電池的荷電狀態(tài)(SOC)估算應用是電池管理系統(tǒng)的重要研究方向,直接決定燃料電池混合動力系統(tǒng)的續(xù)航里程。為進一步了解和探索SOC估算方法的準確性,本文基于電池物理模型,通過安時積分法(AH)和內(nèi)阻法SOC與實際路況SOC的對比分析,研究結(jié)果表明:內(nèi)阻法SOC估算方法能夠更符合實際車輛運營SOC的變化情況。
關鍵詞:電池模型 AH 內(nèi)阻法 SOC 車輛運營
Comparative study of the Power Batteries on Real-time Conditions of SOC Estimation Methods
Geng Jing Zhang Wanliang Zhan Donghong Wang Weizhen Zhang Chuanlong
Abstract:With the popularity of fuel cell hybrid vehicles, state of charge(SOC)estimation of ternary lithium batteries is an important research directions for battery management systems, which directly determines the mileage of fuel cell hybrid power systems. In order to further understand and explore the accuracy of SOC estimation method, this paper, based on the battery physical model, compared the SOC of AH method with internal resistance method under the SOC of actual road condition. The result shows that the SOC estimation method of internal resistance method can better meet the changes of SOC in actual vehicles operation.
Key words:battery model , AH, internal resistance method, SOC, vehicle operation
1 引言
隨著傳統(tǒng)車輛對環(huán)境的污染越來越大[1,3],能源的短缺越來越明顯,清潔無污染的能源技術得到了世界各國的密切關注。新能源汽車[2,4]作為新型交通工具,具有零污染、零排放、舒適度高、資源消耗低等很多優(yōu)勢[5],為了緩解環(huán)境污染和能源緊張的現(xiàn)狀,國家大力扶持新能源汽車的發(fā)展。新能源汽車包括純電動汽車、氫發(fā)動機汽車、燃料電池混合動力汽車、燃料電池電動汽車、增程式電動汽車、其它新能源汽車等[6],其中,燃料電池混合動力汽車發(fā)展前景十分美好[7]。
燃料電池混合動力汽車解決了燃料電池汽車存在的一系列問題,包括在加速、爬坡等條件下需要輸出較大功率且功率波動頻繁,燃料電池動力系統(tǒng)瞬態(tài)響應慢,持續(xù)輸出峰值功率能力有限[8-9],且能量無法回收再生制動能量等。因此,燃料電池混合動力系統(tǒng)得到了廣泛應用,劉碩[10]等人針對燃料電池混合動力車,設計燃料電池+蓄電池混合動力系統(tǒng),充分發(fā)揮兩者的優(yōu)點從而提高能源利用率和燃油經(jīng)濟性。針對有軌電車在大功率峰值需求和減速制動過程中,恒定的SOC平衡系數(shù)不能滿足瞬時等效氫耗最小的指標要求問題,建立基于燃料電池/鋰電池的混合動力有軌電車動力系統(tǒng)模型,并通過分析SOC平衡系數(shù)與氫耗特性,張國瑞[11]等人提出一種基于運行模式和動態(tài)混合度的等效氫耗最小化能量管理控制方法。燃料電池混合動力系統(tǒng)的原理是通過鋰電池提供燃料電池的瞬態(tài)需求功率以及制動能量回收,確保燃料電池在出現(xiàn)故障和功率不足的情況下,動力電池可以及時補充電量,在制動能量回收的情況下,可以回收多余的電量,避免能量的浪費。而燃料電池混合動力系統(tǒng)三元鋰電池的SOC的變化情況可以直觀的看出動力電池的工作情況。高精度、高魯棒性的SOC估算策略更準確地進行實時電量預測,避免電池充放電超過限值而引發(fā)的一系列安全性問題。鑒于此,SOC的估算方法成為了我們研究的重中之重[12-13]。
SOC的估算方法有[14]:開路電壓法、神經(jīng)網(wǎng)絡和卡爾曼濾波法、內(nèi)阻法、安時積分法。神經(jīng)網(wǎng)絡法雖然適用于各類電動汽車,但需要大量樣本數(shù)據(jù),需要更高性能的芯片,在電池管理系統(tǒng)中應用成本高,不具備大范圍使用的優(yōu)勢;卡爾曼濾波法常用于電流變化較大的電動汽車,但是此算法依賴準確的電池模型,對系統(tǒng)要求高,因此在實際SOC估算中也不實用;相對于神經(jīng)網(wǎng)絡和卡爾曼濾波法而言,開路電壓法提出時間較早,只要測量或者計算電池的開路電壓就可以估算電池的SOC[18];內(nèi)阻法是通過電池內(nèi)阻與SOC之間的數(shù)值關系建立函數(shù)模型來估算電池的SOC,此方法優(yōu)點是電池充放電后期內(nèi)阻變化劇烈的時候,具有很高的精確度和適應性;安時積分法是根據(jù)電池充電和放電的大小,采用電流的時間積分進行SOC的計算,由于簡單,有效,所以得到了廣泛的使用。
本文基于安時積分法、內(nèi)阻法、開路電壓法,對比研究不同車輛,不同行駛工況的SOC變化情況,研究一種SOC估算精度更高的方法。
2 電池模型及SOC估算方法
2.1 安時積分電池模型及SOC估算方法
AH積分SOC估算模型如圖1。
AH積分法是最常用的SOC估計方法[15]。如果充放電起始狀態(tài)記為SOC0,則當前狀態(tài)的SOC為
其中,SOC0為SOC的初始值,CN為電池額定容量,η為充放電效率,I為電池電流,放電電流為正,充電電流為負。
2.2 內(nèi)阻法模型簡化SOC估算方法
內(nèi)阻法考慮了電池內(nèi)部復雜過程,電池內(nèi)部損耗對輸出電壓及SOC的影響,三元鋰電池等效模型[12-13,16-17]采用圖2所示的Thevenin模型。該電池模型能夠同時等效出電池的靜態(tài)過程和電池的極化現(xiàn)象,而且階數(shù)低,對處理器的運算能力要求低。此外,該電池模型能夠清楚的表達電池開路電壓與端電壓間的函數(shù)關系以及電池的影響因素與各特征量之間的數(shù)學關系。
圖1中,UOC為等效開路電壓,U為端電壓,R0為等效內(nèi)部歐姆電阻,RP為等效極化電阻,CP為等效極化電容。
對于Thevenin模型,選擇UP和SOC為狀態(tài)量,根據(jù)內(nèi)阻法求出閉環(huán)電壓及SOC估算公式如下
式中,QCP為極化電容容量。QCP,max為電池最大容量。
由于電池內(nèi)阻、極化電阻和極化電容參數(shù)復雜,因此對內(nèi)阻法模型進行簡化?;趦?nèi)阻和開路電壓的電池SOC估算方法在直流電路的情況下,電池的等效電路可認為是一個電壓源(即電池開路電壓)和電阻(電池內(nèi)阻)的串聯(lián)電路組成(即戴維南等效電路)[19],電池等效模型[12-13,16]可簡化為圖3所示的模型
通過測得的電池充放電過程中,根據(jù)檢測到的充放電電流和端電壓的關系可以通過下式求得
3 實時工況跟蹤
3.1 AH積分法估算SOC
運行車輛是車輛1、車輛2,不考慮環(huán)境溫度的影響。依據(jù)安時積分法,從運營數(shù)據(jù)電池總電流可估算出車輛的SOC值及與實際車輛運行的SOC值對比如圖4、圖5所示。
從圖4和圖5可以看出,通過安時積分法,可以方便,快捷的算出SOC的值,安時積分法由于對電流進行累積,而且遠程監(jiān)控數(shù)據(jù)是10s取一個電池電流值,所以累積誤差會隨著時間的積累,圖4和圖5兩條曲線的變化都可以看出,當實車SOC變化范圍增大的時候,車輛1根據(jù)安時積分法求出的SOC誤差也隨之增大。車輛2變化趨勢和車輛1車相同,從圖4和圖5同時可以看出AH積分法估算出的SOC適用于動力電池電流變化范圍較小的場所,估算出來SOC變化范圍穩(wěn)定, 在車輛實際運行過程中,安時積分法古估算的SOC值需通過階段性的校準,才能用于車輛運行過程中電池SOC估算。
3.2 內(nèi)阻法簡化模型計算SOC
根據(jù)實際車輛運營輸出電壓和電流的平均值,并結(jié)合公式(4),估算出開路電壓為560V,電池內(nèi)阻為0.365歐。根據(jù)內(nèi)阻法計算的車輛1和車輛2的總電壓和SOC如圖6、圖7、圖8、圖9所示,依據(jù)電池總電壓估算車輛SOC,從圖6和圖7車輛1和車輛2總電壓對比圖可以看出,內(nèi)阻法算出的總電壓和實際車輛運行總電壓曲線擬合性能強,從圖8和圖9同時可以看出,內(nèi)阻法估算的SOC和實車運行SOC曲線跟隨性較好,內(nèi)阻法估算SOC極值變化情況更加符合車輛實際運行的SOC曲線,車輛1和車輛2的SOC最大值和最小值及平均值均與實際車輛運行的SOC接近。
4 結(jié)論
論文主要考慮了充放電效率,電池內(nèi)阻以及開路電壓對SOC的影響,通過安時積分法和簡化內(nèi)阻法的SOC仿真和實際運營對比分析,驗證了模型的準確性,同時可以得出基于簡化內(nèi)阻法的SOC估算值與實際車輛運營的SOC運行曲線接近,而安時積分法隨著電流的累積,安時積分法計算的SOC與實際運營的SOC的誤差隨之增大,實際車輛運行過程中需不斷校準SOC值的變化,因此,選用簡化的內(nèi)阻法估計SOC能夠更加滿足實際運營的要求。
參考文獻:
[1]宋真玉.磷酸鐵鋰蓄電池充電原理及特性研究[J].汽車實用技術,2018(21):16-18+37.
[2]Teng Teng,Xin Zhang,Han Dong,Qicheng Xue. A comprehensive review of energy management optimization strategies for fuel cell passenger vehicle[J]. International Journal of Hydrogen Energy,2020,45(39):20293-20303.
[3]黃勇,曾帆,陳全世,周強,陳伏虎.燃料電池城市客車混合動力系統(tǒng)的自適應控制[J].公路交通科技,2006(09):121-125.
[4]董本云.我國新能源汽車產(chǎn)業(yè)發(fā)展現(xiàn)狀、問題及對策[J].企業(yè)經(jīng)濟,2015,34(03):145-148.
[5]徐梁飛,李建秋,楊福源,歐陽明高.燃料電池混合動力系統(tǒng)鎳氫電池特性[J].清華大學學報(自然科學版),2008(05):864-867.
[6]胡小芳,薛秀麗.燃料電池發(fā)展現(xiàn)狀與分析[J].汽車實用技術,2019(21):34-35.
[7]韓北川.基于模糊控制的混合動力船舶能量管理策略研究[J].機電工程技術,2019,48(07):84-87.
[8]林雨姍,沈元興,沈英.車用燃料電池混合動力系統(tǒng)自適應控制研究[J].機械制造與自動化,2019,48(04):168-172+200.
[9]金振華,歐陽明高,盧青春,高大威.燃料電池混合動力系統(tǒng)優(yōu)化控制策略[J].清華大學學報(自然科學版),2009(02):273-276.
[10]劉碩.燃料電池混合動力電動車的系統(tǒng)設計及控制策略研究[D].重慶理工大學,2019.
[11]張國瑞,李奇,韓瑩,孟翔,陳維榮.基于運行模式和動態(tài)混合度的燃料電池混合動力有軌電車等效氫耗最小化能量管理方法研究[J].中國電機工程學報,2018,38(23):6905-6914+7124.
[12]陳盛華.基于EKF-AH聯(lián)合算法的鋰離子電池荷電狀態(tài)估算[J].電源技術,2019,43(01):103-106.
[13]張易航,王鼎,肖圍,許明標,何淼.鋰離子電池SOC估算方法概況及難點分析[J].電源技術,2019,43(11):1894-1896+1904.
[14]劉鵬飛.電池荷電狀態(tài)估算方法研究[J].汽車文摘,2019(11):49-57.
[15]談發(fā)明,李秋燁,趙俊杰.觀測模型誤差不確定的鋰電池SOC估計方法[J].電測與儀表,2020.http://kns.cnki.net/kcms/detail/23.1202.TH.20191211.1521.010.html.
[16]何培杰,王琪,高田,馬江睿.動力電池荷電狀態(tài)優(yōu)化方法研究[J].國外電子測量技術,2019,38(07):37-42.
[17]紀常偉,李響,梁晨,汪碩峰,牛會鵬.基于LMS AMESim的車用燃料電池-鋰離子動力電池混合動力系統(tǒng)能量管理仿真[J/OL].北京工業(yè)大學學報:2020.http://kns.cnki.net/kcms/detail/11.2286.T.20191121.1036.020.html.
[18]姜威.LiFePO4動力電池二階RC模型參數(shù)的研究[D].浙江:浙江大學,2015.
[19]王宇鵬.基于內(nèi)阻與開路電壓差聯(lián)合法的鉛酸蓄電池SOC估計[J].科技與企業(yè),2015(8):186-188.