摘 要：隨著生態(tài)文明建設工程的現(xiàn)代化推進，低碳產業(yè)中的電動力汽車于近年來得到了突飛猛進的發(fā)展，其中于電池荷電狀態(tài)估計以及電池組均衡技術為代表的能源管理技術是電動汽車生產的核心技術工藝。本文從前人學者研究成就出發(fā)，明確電動汽車電池技術研究的重大意義，同時分別進行以參數(shù)離線辨識及EKF算法為基礎的電池荷電估計以及電動汽車電池均衡控制策略研究的細節(jié)闡述，旨在為我國電動汽車產業(yè)以及城市低碳建設事業(yè)提供技術理論支撐與研究參考。

關鍵詞：電動汽車 電池荷點狀態(tài)估計 均衡技術

Abstract：With the modernization of ecological civilization construction projects， electric vehicles in low-carbon industry have developed by leaps and bounds in recent years， among which energy management technology represented by battery state of charge estimation and battery pack balancing technology is the core technical process of electric vehicle production. Starting from the research achievements of previous scholars， this paper clarifies the great significance of electric vehicle battery technology research， and at the same time elaborates on battery charge estimation based on parameter offline identification and EKF algorithm and the detailed elaboration of electric vehicle battery balance control strategy， aiming to provide technical theoretical support and research reference for China's electric vehicle industry and urban low-carbon construction.

Key words：electric vehicles， battery load state estimation， balancing technology

1 引言

隨著市場內對電動汽車動力以及持續(xù)性能要求的不斷提升，電動汽車電池荷電狀態(tài)估計與電池組均衡技術設計成為國內外學者尤其關注的熱點話題。

Hannan M A，Lipu M，Hussain A（2017）在研究中對傳統(tǒng)電動機械電池荷電狀態(tài)所使用的具體方法進行綜述總結，總計提出四類具體方法，分別為安時積分運算法、開路電壓估計法、數(shù)據(jù)驅動觀察法、以及基于模型的實踐模擬法[1]。Wang Y，Tian J，Sun Z（2020）在模型模擬實踐法的研究中走得更遠，結合自身實踐成果將基于模型的實踐模擬法在反復大量的電動汽車荷電狀態(tài)預估試驗中參照等效電路回路模型鋰離子狀態(tài)，將該方法細分為狀態(tài)觀測設備辦法以及濾波圖像參考辦法[2]。劉軼鑫，張頔，李雪（2019）于研究中提出使用狀態(tài)觀測設備所進行的模型模擬實驗具有在一定程度上起到抵御模型形變和抗擊外界實驗干擾的效果，但整體設備搭建所耗時較多，為具體試驗的高效率開展埋下相當?shù)碾y度困境，同時其在收斂專項指標測定中所需要的計算流程也相對更加復雜，無法適應新時期的在線數(shù)據(jù)云端互動與更新的要求[3]。同時李占英，時應虎，張海傳（2019）在研究中則承認了濾波方案使用的優(yōu)越性，并在具體實驗中分別探究了不同材質濾波對于電池荷電狀態(tài)評估準確性的影響，其所涉及的濾波類型囊括擴展卡爾曼濾波、無跡卡爾曼濾波、容積卡爾曼濾波以及粒子濾波四類[4]。

Rui X，Li L，Tian J（2018）從電池電源工作的規(guī)律性出發(fā)，使用目標電源運行期間的電壓充當衡量電池內部離散效果表現(xiàn)的參照對象，搭建了一類以小型變壓器為設備依托的人工均衡狀態(tài)電力，于常規(guī)副邊結構處使用BMS控制器進行點陣電路閉路與開路控制，達成電能于電池組內部及旁路電池組之間的均衡互換環(huán)境，同時借助試驗設計證明了該系統(tǒng)于電動車電源電池靜置、放電以及充電期間的良好均衡性能表現(xiàn)[5]。Han X，Ouyang M，Lu L，Li J（2014）將電池均衡性表現(xiàn)放置于電感之上，并在實際模型搭建中令該項數(shù)值充當電能均衡轉換所依托的中介轉換裝置，從電路拓撲結構入手開展了一系列研究，研究證明上述拓撲結構于電池組內展現(xiàn)出了極強的均衡性能，對于放電電流較強的動力能源電池具有較高的效能潛力，在此類均衡技術的應用下整體電路還可以表現(xiàn)出較高的延展能力，可以在錯綜負載的斷通路點陣環(huán)境下完成雙向電能均衡的目標任務[6]。劉紅銳（2014）在試驗中打造了一類以LC震蕩型全新材質電路為基礎的電動車蓄電電池串聯(lián)均衡結構，而后從電池外電壓以及荷電狀態(tài)數(shù)值出發(fā)依次搭建了可行性較強的電池組均衡管理方案，并最終借助BMS試驗證明了其上述兩項研究的實效性發(fā)揮[7]。董燕（2014）在試驗中尤其關注均衡控制算法的設計，以此利用非線性PID現(xiàn)代管控運算機制、粗略型控制運算機制以及以動態(tài)設計為基礎的能量轉化途徑改良算法達成針對電動車電池組的有效均衡性控制[8]。

2 電動汽車電池技術研究意義

電動汽車使用電能作為機械驅動能源，考慮到汽車駕駛所需要的操作空間及續(xù)航能力要求，當下電動汽車內部電能主要以蓄電池的形式存儲于車輛機械核心之中。為了保證汽車驅動的動能強勁，新能源汽車在實際電能技術使用中與動能中心區(qū)域采用動力電池串聯(lián)安裝，用以謀求電池供能時的最佳放電效果和駕駛過程中的最優(yōu)安全保障，系統(tǒng)內針對供能電池所搭載的狀態(tài)監(jiān)控與異常管理系統(tǒng)名為Battery Management System，以下簡稱BMS。此類管理程序存在的意義就在于為技術人員提供精準的電池運轉數(shù)據(jù)參考，可以在實際技術研發(fā)與現(xiàn)實機械維修工作中用以預估電池功能期間的種種參數(shù)狀態(tài)，平衡串聯(lián)電池組之間的差異化性能表現(xiàn)，有效提升電力驅動型機動車的架勢壽命以及性能表現(xiàn)，同時也是車輛內部核心控制程序在運行期間評估能量供給程序的重要參考。作為指示電池剩余電量和均衡電池組動能轉化的關鍵技術，電池荷電狀態(tài)估計及均衡策略研究對于電動汽車的未來發(fā)展具有極強的實踐意義和研究價值。

3 以參數(shù)離線辨識及DEKF算法為基礎的電池荷電估計

一般來講，將某個帶方向的狀態(tài)量加入因果系統(tǒng)內部，該狀態(tài)量的可測量性便會有所下降，在實際數(shù)量表現(xiàn)上可以顯示出歷史數(shù)據(jù)輸入對于整體系統(tǒng)的影響，此時使用電池荷電狀態(tài)數(shù)值充當狀態(tài)量。本次研究借助卡爾曼濾波理論基礎，在動態(tài)試驗程序內部對串聯(lián)電池組內部的個體電池進行觀測，所輸入的數(shù)值類別囊括電流以及做功放熱期間的一端電壓數(shù)值。

從細節(jié)上來談，本次研究所使用的算法邏輯如上圖1所示，在輸入數(shù)量u（k）被帶入到測量體系模型與狀態(tài)控制算法之中后，由技術人員以此記錄此時的狀態(tài)預測數(shù)值x（k|k-1）以及測算數(shù)值y（k），借由x（k|k-1）以及y（k）實現(xiàn)對整體模型內承擔權值效用的卡爾曼增益數(shù)值kg（k）進行計算，而后充分激發(fā)模型內x（k|k）、y（k）以及卡爾曼增益數(shù)值kg（k）的效用，用以達成狀態(tài)預測數(shù)值x（k|k-1）的實時更新，最大程度上達成一種電池荷電估計數(shù)值的實效性。

參照學術界先進控制原理，設需要被估計的電池荷點系統(tǒng)內容的狀態(tài)方程式與監(jiān)測方程式的離散數(shù)值表現(xiàn)如下：

針對上述離散方程式，借助卡爾曼濾波邏輯完成最佳預估，其在實際運算過程中遵循以下流程：

（1）假定當下時刻正處于K，則當下時刻的狀態(tài)表現(xiàn)則為x（k），參照以往時刻的荷點情況以及規(guī)律性系統(tǒng)算術模型可以預估當下電荷狀態(tài)的估計數(shù)值，且具體預估數(shù)值遵循以下公式：

（2）待預測數(shù)值x（k|k-1）的協(xié)方差運算遵循以下公式：

上述式中，p（k|k-1）代表以往時刻點估計值的準確數(shù)值的x（k|k-1）的協(xié)方差運算結果，參照以往時刻估計數(shù)值計算的最末一次更新數(shù)值得出。

（3）流程（1）、（2）是針對電池荷電系統(tǒng)狀態(tài)數(shù)值的歷史更新，在后續(xù)進度計算中具體可以借助以上兩步所得出的估計數(shù)值與測量數(shù)值完成當下時刻的最佳荷電狀態(tài)數(shù)值估計x（k|k），完成對卡爾曼濾波增益效果的權值相關運算，具體運算遵循以下公式：

（4）參照卡爾曼濾波的增益規(guī)律以及荷電狀態(tài)預估數(shù)值可以計算出待評估數(shù)量的最準確數(shù)值表現(xiàn)x（k|k），具體運算遵循以下公式：

（5）最終參照最精準估算數(shù)值，開展協(xié)方差方程代入更新，用以為后續(xù)迭代計算提供方便的數(shù)值參考，具體運算遵循以下公式：

上述式中，I代表單位矩形點陣，整體迭代運算步驟如下圖2所示。

4 電動汽車電池均衡判據(jù)閾值設計

均衡通知策略設計可以保證電動汽車在行駛過程中硬件電路的正常有序運轉，對于整體電池組的均衡電源設計中意義重大，本次研究以前文所研究的電池荷電估計算法為前提，借助電動汽車電源系統(tǒng)內部的拓撲結構網絡為電能向機械能的轉化提供可行性依據(jù)，用以確保在控制設施應用后整體電動車能源串聯(lián)電池結構所展現(xiàn)出的電池荷電數(shù)值差異可以為控制系統(tǒng)限定于安全范疇內。

均衡判據(jù)閾值數(shù)值等同于均衡控制系統(tǒng)啟動并有效運轉的臨街數(shù)值，同時也是技術與研發(fā)人員在工作中確保串聯(lián)電池組彼此之間荷電數(shù)值表現(xiàn)一致的重要參考。該項數(shù)值的具體取值需要參考控制目標與串聯(lián)電池組的常規(guī)運行電壓、電源合計容量以及具體串聯(lián)設計方案等細節(jié)參數(shù)。

在將干擾元素排除在外的前提下，電源均衡控制系統(tǒng)運行的終極結果則將極限追求串聯(lián)電池組內部的荷電數(shù)值的完全相等，但事實上，考慮到電動汽車內部荷電數(shù)值估計得時刻時間差值以及串聯(lián)電源彼此之間的合理干擾誤差，在現(xiàn)實電路結構運轉時，電動汽車內部電源機組是不能達到真正意義上的全部均衡的?；诖?，本次研究設計了一種誤差較小的均衡控制系統(tǒng)，該系統(tǒng)的初始建設目標在于將電動汽車內部電源組結構中的全部12個獨立電源設備的荷電數(shù)值表現(xiàn)之間的偏差值控制在0.01以下。參照上述分析，本次研究繼續(xù)為電動汽車電池組件均衡設備搭建了全新的啟動與停止閾值：倘若出現(xiàn)電池某獨立模組設備中的荷電預估狀態(tài)表現(xiàn)SOCi同整個電動汽車電源機組之間的荷電狀態(tài)表現(xiàn)均值相減后所得差值于正負范疇內不小于ΔSOC，則此時電動汽車電池組件均衡設備進行啟動操作，在設備啟動后直至出現(xiàn)電池某獨立模組設備中的荷電預估狀態(tài)表現(xiàn)SOCi同整個電動汽車電源機組之間的荷電狀態(tài)表現(xiàn)均值相減后所得差值于正負范疇內小于ΔSOCout，則此時電動汽車電池組件均衡設備進入停止狀態(tài)，本次研究所使用的ΔSOC與ΔSOCout恒定取值ΔSOC=0.03，ΔSOCout=0.01。

下一步將具體設計本次研究中所涉及的精確均衡其停止狀態(tài)觸發(fā)條件，其中系統(tǒng)內運行的電動汽車電源電流均值遵循以下公式：

倘若電源模組內某一獨立電池在荷電表現(xiàn)中存在同整個電動汽車電源機組之間的荷電狀態(tài)表現(xiàn)均值相減后所得差值于正負范疇內恰巧與的固定值保持一致，那么此時結合電氣自動化原理中的削峰理念，此時若想保證整體電池獨立機組之間的相互平衡一致則必須要把電池機組內部的多余電量數(shù)值向整個電源機組進行平分共享。而如若此時技術人員選擇結合電氣自動化原理中的填谷理論，此時若想保證整體電池獨立機組之間的相互平衡一致則必須用整個電源機組多余的電量數(shù)值向目標獨立電池機組處進行轉移分配。

5 結語

通過本文研究得知，電池管理技術是新時期電動汽車產業(yè)化發(fā)展的核心科技功能。（1）在電池荷電狀態(tài)估計方法探索中，本文設計了以DEKF算法為基礎的電池荷電狀態(tài)評估辦法；（2）在電池組均衡控制技術研究中，本文明確規(guī)定了均衡啟動判據(jù)數(shù)值。以此助力我國機動車產業(yè)的低碳升級與區(qū)域生態(tài)文明的永續(xù)發(fā)展。

云南省教育廳科學研究基金項目“考慮電池容量衰退的純電動汽車鋰離子電池荷電狀態(tài)研究”，項目編號：2022J1352。

參考文獻：

[1]Wang Y，Tian J，Sun Z，et al.A comprehensive review of battery modeling and state estimation approaches for advanced battery management systems[J]. Renewable and Sustainable Energy Reviews.2020，131：110015.

[2]Hannan M A，Lipu M ，Hussain A ，et al. A review of lithium-ion battery state of charge estimation and management system in electric vehicle applications： Challenges and recommendations[J]. Renewable & Sustainable Energy Reviews，2017，78（oct.）：834-854.

[3]劉軼鑫，張頔，李雪，等.基于SOC-OCV曲線特征的SOH估計方法研究[J]. 汽車工程. 2019，41（10）：1158-1163.

[4]李占英，時應虎，張海傳，等. 基于RBF-BSA的鋰離子電池SOC混合估算算法[J]. 華中科技大學學報（自然科學版）. 2019， 47（12）： 67-72.

[5]Rui X，Li L，Tian J. Towards a smarter battery management system：A critical review on battery state of health monitoring methods[J]. Journal of Power Sources， 2018，405：18-29.

[6]Han X，Ouyang M，Lu L，Li J.A comparative study of commercial lithium ion battery cycle life in electric vehicle：Capacity loss estimation[J]. Journal of Power Sources，2014，268：658-669.

[7]劉紅銳．蓄電池組均衡器及均衡策略研宄[D]．天津大學，2014．

[8]董燕．鋰離子電池組能量均衡時序優(yōu)化及控制[D]．重慶大學，2014．

作者簡介

鐘彥雄：男，實驗師、工程師，大學本科。研究方向：汽車技術、新能源汽車技術、職業(yè)教育。