鋰離子電池SOC估算法方法研究

黃湘云 宋金蓮

(1.廣東省電子電器研究所,廣東廣州 510400;2.廣州番禺職業(yè)技術(shù)學院機電工程學院,廣東廣州 511430)

鋰電池污染低、能量高、安全性高,已成為電動汽車的主要動力來源。電池荷電狀態(tài)(State of Capacity,SOC)是電動車動力電池系統(tǒng)中最重要的一項性能指標。對鋰電池的SOC值進行有效估算是動力電池應(yīng)用和安全性研究的重點難點。鋰離子電池的模型主要有兩類,一類是依托大量鋰離子電池的實驗數(shù)據(jù),另一類是通過分析鋰離子電池的微觀電化學特性,借助計算機建立微觀模型。常用的SOC估算模型包括RINT模型、THEVENIN模型和PNGV模型等。這些方法受環(huán)境和測量條件影響大,估算SOC偏差較大,不適合實際應(yīng)用。新型的SOC估算方法有人工神經(jīng)網(wǎng)絡(luò)法、卡爾曼濾波法、粒子濾波算法等,能更精確地估算SOC,更利于篩選電池。其中,神經(jīng)網(wǎng)絡(luò)算法用大量數(shù)據(jù)作為學習樣本對網(wǎng)絡(luò)進行訓練。它的黑箱特性在對復(fù)雜的電池內(nèi)部結(jié)構(gòu)和影響因素難以分析的時候具有獨特優(yōu)勢。本文基于NASA提供的數(shù)據(jù),選擇神經(jīng)網(wǎng)絡(luò)模型和等壓降放電時間法作為SOC的估算方案,鋰離子電池放電循環(huán)實驗數(shù)據(jù)進行了分析。估算結(jié)果比較精確,最大誤差為3%,一塊單體電池測量時間約為7分鐘,基本達到實際應(yīng)用和推廣需求。

1 實驗設(shè)計與驗證

本文使用的數(shù)據(jù)來源于NASA的鋰離子電池充放電循環(huán)實驗數(shù)據(jù)組。實驗使用多個統(tǒng)一型號電池,電池額定容量2Ah。數(shù)據(jù)包含測量時間點的電壓、電流、電池表面溫度,放電總?cè)萘?EIS阻抗。放電循環(huán)中電池電壓電流等參數(shù)的測量時間間隔大約是8s或16s。環(huán)境溫度包括常溫(24℃)、低溫(4℃)和高溫(43℃)。放電電流有2A(1C)、4A(2C)和1A(0.5C)三種。在放電工況方面,放電電流有恒流放電和帶占空比的恒流放電兩種,放電截止電壓有2.0V、2.2V、2.5V和2.7 V四種。放電循環(huán)實驗持續(xù)到電池SOC剩余70%為止。本次預(yù)測中只選用常溫(24℃)和1C(2A)的恒流放電工況的電池作為數(shù)據(jù)來源,在放電截至電壓上四種工況都考慮,以增加數(shù)據(jù)的多樣性。 只選取放電平臺上的采樣點,選用等壓降放電時間法。在電池選擇上,選擇數(shù)據(jù)組中電池編號為5、6、7、18和36的電池作為數(shù)據(jù)組,當中包含815組放電循環(huán)數(shù)據(jù).

神經(jīng)網(wǎng)絡(luò)輸入輸出層的確定:除了等壓降放電時間外,放電倍率、環(huán)境溫度和放電截至電壓都會影響電池的放電容量。在選取的電池中,實驗的放電倍率都是1C,環(huán)境溫度都是24℃,因此這兩個參數(shù)不作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)。放電截止電壓每次放電循環(huán)中略有不同,因此把放電截止電壓作為輸入?yún)?shù)之一,剛開始放電時的初始放電電壓也是每次放電循環(huán)中都略有不同,所以也列入輸入?yún)?shù)。神經(jīng)網(wǎng)絡(luò)的輸入層選取等壓降放電時間(t)、初始放電電壓(Vh)和放電截至電壓(Vl)三個神經(jīng)元。輸出參數(shù)是SOC。

隱含層與傳遞函數(shù)的確定:選擇簡單前饋網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)路,對非線性函數(shù)具有較好的擬合效果。為增加訓練精度,隱層設(shè)計為3層,每層10個神經(jīng)元。傳遞函數(shù)影響系統(tǒng)的魯棒性和收斂速度,經(jīng)過多次試驗,三隱層都選擇tansig函數(shù)。另外,選取trainbr函數(shù)作為學習函數(shù),最大訓練步數(shù)設(shè)為1000,訓練精度設(shè)為0.001,訓練速度設(shè)為0.01。

訓練樣本與驗證樣本選取:在選取的電池中,5、6、7、18號電池循環(huán)次數(shù)較多,實驗終止時SOC較低,只有60%左右,而36號電池實驗結(jié)束SOC較高,約75%,因此把5、6、7、18號電池的數(shù)據(jù)作為訓練樣本,把36號電池的數(shù)據(jù)作為驗證樣本,這樣可以保證神經(jīng)網(wǎng)絡(luò)訓練的效果。分配后815組放電循環(huán)數(shù)據(jù)中訓練樣本有621個,驗證樣本有194個,訓練樣本與驗證樣本的比例合理。

2 估算結(jié)果與分析

在初步估算值和測量值的曲線對比上,均方差為4.9739e-5,最大預(yù)測差距約為2.5%,等壓降放電時間法得到了不錯的精度。但是實際應(yīng)用還有一些問題。對一塊SOC在80%左右的鋰離子電池,測量一次等壓降(3.8V-3.4V)放電時間平均需要耗時2000s左右,也就是大約33分鐘。這時3.8V-3.4V的壓降時間范圍幾乎包含了整個放電平臺的時間。等壓降放電時間的長度就已經(jīng)大致表現(xiàn)了電池的SOC。為了使等壓降放電時間法更具有實用價值,減少等壓降放電時間的選擇范圍,以減少放電實驗耗時。把等壓降的電壓范圍減小到3.8v-3.6v,均方差約為7.1704e-5,最大預(yù)測差距約為2%,精度依然很高。此時測量的平均消耗時間已經(jīng)降低為700s左右,預(yù)測一塊電池所需時間降低為12分鐘。再把壓降范圍減少到3.7V-3.6V。均方差為1.1633e-4,精度繼續(xù)降低,最大預(yù)測誤差值為3%。但此時測量時間已經(jīng)降低到約400s,約為7分鐘。比原來的33分鐘已經(jīng)降低不少,具有初步實用價值。

3 結(jié)語

鋰電池的SOC估算具有重要意義。本文從鋰電池的機理出發(fā),詳細分析了影響SOC的參數(shù),討論了鋰離子電池的充放電特征,進一步分析了各種估算SOC的模型方法及其優(yōu)缺點,選出了合適的模型和方法,使用NASA的鋰電池充放電實驗數(shù)據(jù)做了SOC的預(yù)測,最大預(yù)測誤差值為3%,估算測試時間為7分鐘,證明了本文所提出的算法的有效性和可行性。

[1]何耀.動力鋰電池組狀態(tài)估計策略及管理系統(tǒng)技術(shù)研究[D].中國科學技術(shù)大學,2012.

[2]徐鑫珉,王練,史慧玲.基于電化學阻抗譜的電池老化壽命研究[J].電源技術(shù),2015,12:2579-2583.

[3]史艷霞,祖林祿.鋰電池健康狀態(tài)估算平臺的搭建[J].電源技術(shù),2015,10:2106-2107+2143.