锂离子电池组可用剩余容量的估算方法.pdfVIP

2011 12Vol 35 No 12 研 究 与 设 计 收稿日期 2011 06 05 作者简介 李练兵 1972 男 河北省人 博士 教授 主要研 究方向为电力电子与运动控制 1517 锂离子电池组可用剩余容量的估算方法 李练兵 杜仲刚 梁浩 河北工业大学 天津 300130 摘要 锂离子电池的可用剩余容量是电池管理系统 BMS 中一个重要参数 为精确计算电池的可用剩余容量 提出了一 种新型的估算锂离子电池可用剩余容量的方法 利用开路电压法与智能估算方法相结合估测电池的SOC 得到锂离子 电池SOC的实际值和估测值 经过比较 能很好的反映出电池随老化程度及其他条件的改变而发生的可用剩余容量变 化 关键词 锂离子电池组 可用剩余容量 SOC 中图分类号 TM 912 9文献标识码 A 文章编号 1002 087 X 2011 12 1517 03 Estimation of remaining capacity of lithium ion battery LI Lian bing DU Zhong gang LIANG Hao Hebei University of Technology Tianjin 300130 China Abstract The available residual capacity of lithium ion is the very important parameters of the battery management system In order to calculate the available residual capacity more accurately a new type of residual capacity of lithium ion was proposed which properly combined the open circuit voltage method with intelligent forecasting methods to obtain the actual value and estimated value ofSOC By comparison the method can better reflect the change of the available residual capacity with the aging of lithium ion and the change of other conditions Key words lithium ion battery pack residual capacity available SOC 锂离子电池组是各类电动车中最常用的储能元件 其可 用剩余电量的精确测量在电动车的发展中一直是一个非常关 键的问题 1 电池的SOC值是电池能量管理系统中一个非常 重要的参数 同时也是电动汽车与混合动力汽车中制定控制 策略的一个关键参数 实时准确的SOC值的确定是提高电池 效率 有效保护电池的基础 但是由于锂离子电池在动态时期 复杂的化学变化 使得各种估计方法并不是十分的满意 动力 电池的荷电状态 SOC 是表征电池状态的重要参数之一 本 文中SOC被用来反映电池的可用剩余容量情况 准确计量 SOC是电池安全和优化控制充放电能量的保证 1 锂离子电池组 1 1SOC定义 本文所指的SOC是指当前锂离子电池组的可用剩余能 量 用来准确的反应锂离子电池的当前状态以及电池的使用 情况 在不同的放电电流大小和温度的情况下 电池可用剩余 容量SOC发生变化并会随着电池阻抗的增大而减小 其数值 上定义为电池剩余容量与电池容量的比值 SOC Qres Qn 式中 Qres为电池剩余容量 Qn为电池以标准电流I放电时所 具有的剩余容量 即额定容量 1 2 电池可用剩余容量 由于锂离子电池在动态运行过程中的复杂变化 锂离子 电池组在不同温度 电流和内阻下的可用剩余容量会有很大 不同 给电池可利用能量计算带来较大的误差 通过以上分析 本文把剩余容量归结为温度 电流 放电 时间的函数 得到可用剩余容量为 式中 Qres i t T 为电池可用剩余容量 Q i 0 T 为电池放电开始 所具有的额定可用剩余容量 为已用容量 即蓄电池 从开始放电到经过时间t所放出的电量 T为温度传感器实时 监测的温度值 1 3 开路电压法与智能估测相结合的估算方法 开路电压法是指根据测得开路电压值直接估计电池的剩 余容量 但由于自恢复效应和电压平台现象使估算出来的SOC 误差过大 而智能估测具有非线性基本特性 将开路电压法与 智能估测的方法相结合 对电流检测误差进行校正 计算锂离 子电池组充放电电能 这样既适应了动力锂离子电池组在使用 过程中电流变化剧烈表现出的非线性等特点 又可以根据开路 电压及时的修正电流积分误差 通过开路电压和充放电电流的 大小实时更新电流误差系数 并由此时的开路电压计算出锂离 子电池组在放电达到终止电压时的实际剩余电能 研 究 与 设 计 2011 12Vol 35 No 12 1518 2SOC估算策略 2 1 BP 神经网络方法估测SOC 根据锂离子电池的模型可知 在众多物理量中 只有锂离 子电池的开路电压才是反映电池剩余容量的本质参数 2 本文 采用反向传播算法 BP 神经网络 对锂离子电池的开路电压进 行学习和训练 拟合出电池在不同放电电流和开路电压下的 剩余容量曲线 一般来说 对于不同类型的锂离子电池或者同一类型电 池在不同生命周期 上述因素和SOC之间的关系并不确定而 且它们与SOC的关系表现出极大的非线性 在电池包内 每一 个单体电池都有确定的SOC 理想状况下 每一个单体电池的 SOC均可监测和控制 但是在实际情况下 这是不可能和无效 的 3 所以 本文中提出了基于一种基本SOC估测模型并在电 池使用过程中进行不断数据更新的估测方法 构建 ANFIS 采用三输入一输出的结构 从锂离子电池充 放电实验结果可以知道 电压降的大小与充放电电流 电池的 满充容量有直接关系 在 ANFIS 模型中 输入即为放电电流 I 电池初始容量Vd 电流变化率 di dt 输出为电压降Vd 由于各种神经网络的激活函数 学习规则等不同 所以在 输入之前需对输入样本作归一化处理 这种三维空间到一维 空间的映射 采用归一化数据处理 将输入输出向量限制在 0 1 得到处理公式 2 2 建立 BP 神经网络 在开路电压法的原理上利用智能估测方法 对电池的 SOC进行估计 这种方法的优点是一方面利用了开路电压与 SOC的线性度关系 另一方面利用神经网络特有的非线性适 应信息处理能力 建立锂离子电池电压降模型 利用神经网络 方法快速地得到电池的剩余容量 不但精度较高 且利用开路 电压预测可以避免考虑电池的老化问题 在锂离子电池的运 用上有其优越性 BP 学习算法的基本原理是梯度最快下降法 它的中心思 想是调整权值使网络总误差最小 也就是采用剃度搜索技术 以期使网络的实际输出值与期望输出值的误差均方值为最小 网络学习过程是一种误差边向后传播边修正权系数的过程 4 从理论上而言 BP 网络可近似任何的连续非线性函数 BP 网络中的隐层节点使用的是 Sigmoid 函数 其函数值在输入空 间中无限大的范围内为非零值 最常用的 Sigmoid 型函数为 式中 参数 可控制其斜率 式中表示的 Sigmoid 函数为非对 称函数 另一种 Sigmoid 函数是双曲对称型函数表示为 经过推导得到每个节点的作用函数 该类函数具有渐近线 平滑性和单调性 使用 BP 神经网络预测SOC值 构建的网络为一输入 即 开路电压 一输出 即可用剩余容量值 本文采用单隐层结 构 采用改进后的尺度化共轭梯度算法 通过改变节点 经过 迭代 网络达到精度要求 误差收敛到期望值 2 3 系统建模 神经网络可实现从输入到输出的高度非线性映射 其中 Kolrnogorov 定理保证任何一个连续函数可由一个三层前向网 络来实现 5 由于 BP 网络可在任意希望的精度上实现任意的 连续函数 因此通过单隐层结构 改变节点数目 发现 10 个节 点之内的网络 预测精度较差 随着节点的增加 网络训练的 精度越来越高 从 15 个隐含层节点到 100 个隐含层节点 网 络的训练时间越来越快 但内存的占用越来越大 从实际应用 来考虑 取隐含层接点数为 11 个 该神经网络包括两个输入 和一个输出 本文中的神经网络以放电电流 放电电压为输 入 可用剩余电量为输出 得到性能函数为均方误差函数 MSE 式中 m为输出节点的个数 p为训练样本数目 为网络期 望输出值 网络实际输出值 本文中取m 1 p 30 本文采用 BP 神经网络对数据进行预测输出 其网络输入 信号从输入节点 依次传过各隐层节点 然后传到输出节点 每层输出只影响下一层的输出 训练过程是对学习过的网络 进行误差反向传播 并决定是否继续进行学习 通过以上分 析 锂离子电池剩余容量估测的流程见图 1 3 锂离子电池在带载条件下的误差修正 3 1 电流检测误差的修正 在电流传感器检测电流值的过程中 不可避免的带来误 差 随着时间的推移这种电流误差会直接导致电池可用剩余 电能的计算不精确 因此必须对电流检测的误差进行修正 假设当电池组上一次处于静止状态时利用开路电压检测 其剩余电量为SOC1 经过一段时间的充放电之后再次闲置时 利用开路电压计算其剩余电量为SOC2 则 2011 12Vol 35 No 12 研 究 与 设 计 1519 式中 Qmax为电池组最大电量 在这段时间内 利用对充放电电流的积分也可计算出电 量的变化 由于电流检测具有误差 SOC2是电流在这段时间的误 差的累积 利用SOC2与SOC1的比值可以计算出这段时间内 电流检测误差的修正系数 经过仿真分析 通过电流检测值与此系数相乘修正电流 检测的误差可以提高电流检测值的精度 对于实时的估测 SOC具有显著的作用 3 2 温度对SOC估测的补偿 由于锂离子电池在放电过程中电流变化 尤其是在大电 流状况下 不可避免的造成温度升高 温度的影响使可用剩余 容量的估测误差增大 因此本文在SOC的估测过程中对温度 进行补偿 常用的补偿公式为 式中 Q 为 温度下的可用剩余容量 为当前温度传感器 检测到的温度值 30为 30 下的参考可用剩余容量 4 拟合结果 从图 2 中的SOC实际值和预测值比较可以看出 本文利 用开路电压与智能预测相结合的方法 对动力锂离子蓄电池组 的荷电状态SOC进行实时估计是有效的 并且这种估计方法 能够使估计误差达到最小 并且在SOC值变化率改变的位置 效果较好 实现了最优化估计 此方法可用于任何类型的锂电 池组 具有很强的可操作性和实用性 图中曲线为本文通过计 算方法所得曲线 号为实际所测得数据 本文采用开路电压法与智能预测相结合的方法计算电池 组剩余容量 实现了开路电压法和智能预测方法的优势互补 使电池剩余电量计算不论是在充放电状态还是在闲置状态都 具有较高的精度 并且在每一次处于闲置状态时都对电流误 差系数进行修正 进一步提高了精度 参考文献 1 辛克伟 周宗祥 卢国良 国内外电动汽车发展及前景预测 J 电 力需求与管理 2008 10 1 75 77 2 李国洪 吴静臻 刘鲁源 基于 RC 等效电路的动力电池SOC估 计算法 J 天津大学学报 2007 40 12 1453 1457 3 陶兴华 陈彪 张俊洪 模糊逻辑与神经网络的蓄电池容量预测 J 电源技术 2004 28 9 581 4 武俊丽 李建辉 史庆武 基于 BP 神经网络对时滞系统的模型参 数辨识仿真 J 佳木斯大学学报 2010 28 4 496 5 邱德润 朱明旱 BP 算法在求解非线性问题中的应用研究 J 湖 南文理学院学报 2006 18 2 57 图 2可用剩余容量实际值与估测值比较 燃料电池作为继火电 水电 核电之后的第四代发电方式 被誉为 21 世纪清洁 高效的动力源