【《荷电状态SOC值估算及电池均衡控制分析案例》3000字】

荷电状态SOC值估算及电池均衡控制分析案例目录TOC\o"1-3"\h\u13960荷电状态SOC值估算及电池均衡控制分析案例 1117761.1SOC值估算方法 1313661.2SOC值算法设计 232086图4-1电池等效电路模型 2307611.3均衡控制算法 522011.4均衡控制算法设计 7电池荷电状态（SOC）值是不可以通过测量得到的，只能通过算法进行估算。1.1SOC值估算方法现有的电池荷电状态SOC值估算方法主要有安时分布式积分法、开路电压法、神经网络法以及卡尔曼滤波法。[16]1.安时分布式积分法介绍此方法是根据电池荷电状态SOC值的特点引申出的一种基本算法，安指的是电流A，时指的是时间h，这种方法主要通过对电流的不断积累从而实现SOC值的估算，计算公式见式（4-1）：SOCK+1此方法可以准确估算SOC值的变化情况，但积分过程中电流值难以确定，容易造成较大的误差。2.开路电压法此方法是指在电池充电完成后，电池两端的电压非常接近开路电压，可以通过OCV-SOC之间的对应关系对SOC值进行估算。但这种方法在实验过程中不难发现其精度过低且实际操作难度很大。3.神经网络法此方法是通过对于大量样本的采集分析，从而确定输入输出之间的关系，及时针对预设情况做出反馈。但这种方法需要大量的样本作为基础，目前技术还尚不成熟。1.卡尔曼滤波法此方法是现在比较常用的对于电池荷电状态SOC值的估算方法，即将电池运行和工作的过程视作状态变量转换的过程，以电池荷电状态SOC值以及电池的其他参数作为基础，对下一个变量进行合理的预测。通过不断地测量分析，根据误差最低原则对推算出来的状态进行校正和优化，通过一次又一次的算法更新，来消除在估算过程中可能产生的最大误差，来推算出最合适的SOC值。1.2SOC值算法设计通过上述分析，本文最终选择卡尔曼滤波法作为SOC值的算法来进行设计。电动汽车按充电状态可以大致分为充电、放电、搁置和电量回馈四个部分。如果将动力汽车设定为离静止了只有很长短的一段时间，此时我们就应该可以通过考虑需要采用一种开路直流电压法，通过电压采集电路得到的一个动力电池电源端子的电压（通常接近于他的开路直流电压），利用这个OCV-SOC初值曲线中所检测出的表格就可以直接计算并得出精确的一个SOC初期数值，这个初始化的SOC初值数据也就可以计算得到。以固定的滤波周期修正方式对这些SOC的初始高值滤波状态信号进行卡尔曼滤波的周期修正，在确认卡尔曼滤波所用初始值后，便可以用过此方法对这些SOC初值状态信号进行预测，因为初始值十分精确，所以就可能导致卡尔曼滤波的频率增加以及波速增加，滤波次数会因此减小，会更容易计算滤波频率和速度，能够直接得到精准的滤波信号进行SOC状态估算。图4-1为描述锂离子燃料电池等效功能集成电路的应用模型，本文主要探讨采用一阶段的RC等效功能集成电路。[17]图4-1电池等效电路模型根据基尔霍夫电压电流定律可得式（4-2）和（4-3）：:u=ui=u式中，uOCV－i－为电路母线电流。根据相关推送，可得预测噪声方程式如式（4-4）和（4-5）：u(k)=[−10][u[（4-5）式（4-4）和（4-5）是此方法的状态方程和观测方程。1.状态变量：X^(k|k−1)=A(k−1)X^(k−1)+B(k−1)U(k−1)+w(k−1)式中，X^(k|k−1)X^(k−1)－为k-1时刻的最佳估计值；A=[1B=[∆U(k−1)－输入量，表示电池电流；w(k−1)－预测噪声。前向推算误差协方差：P(k|k−1)=A(k−1)P(k−1)A2.状态更新卡尔曼增益：K(k)=P(k|k−1)式中，k（k）是最新卡尔曼增益；计算的观测值：Y(k)=C(k)X(k)+V(k)(4-9)式中y（k）分别表示在k时刻的实际检测值乘以观察到噪声的实际检测值。由观测量更新估计：由观测量更新估计：X^(k)=X^(k|k−1)+K(k)[Y(k)−Y^(k)](4-10)更新误差协方差：P(k)=[I−K(k)C(k)]P(k|k−1)(4-11)以上是卡尔曼滤波的迭代过程，经过反复迭代更新，可以得到最优估测值。为了确认此算法是否可以实现，特采用MATLAB进行仿真验证。电池荷电状态SOC值的变化曲线如图4-2所示，电荷状态SOC值的误差曲线如图4-3所示，通过验证可以知道该方法具有可行性。[18]图4-2SOC变化曲线图图4-3SOC误差曲线图1.3均衡控制算法锂离子动力电池本身的生产制造工艺技术和在工艺上都存在着诸多技术缺陷，在进行混合式锂动力电池的均衡使用控制过程中会直接导致其容量一贯性和持续容量均衡，随使用时间的增大而减小，此时就迫切的需要通过电池管理系统（BMS）对其进行均衡控制，在此过程中就可以直接使得动力电池驱动机组的持续均衡发挥率将会达到最高值。电池组均衡处理示意图如图4-4所示。[19]图4-4电池组均衡处理示意图分析上述图片可知，在经过均衡处理后，单体电池可以有效保证其优秀的对外一致性，进一步减小单体电池价格差异所存在的不良影响。均衡管理分类如图4-1所示，这些分类不会单独存在，而是彼此相交。表4-1均衡管理分类序号分类标准具体类型1均衡方法化学、物理2均衡变量SOC、电压3能量传递耗散、非耗散4拓扑结构集中式、分布式5均衡电路被动、主动在本文中采用了以物理学为基础的方法对电池进行研究，对内部电池的单体进行均衡控制，均衡变量的选择性就是首先需要考虑的问题，可以划分为单体SOC值及单体电压两种。以SOC值作为均衡变量的最大优点之一就是他可以对均衡控制进行简化，可以极大地提高均衡控制的工作效率以及对电池容量的利用，但是此方法在设计过程中具有较大限制，不仅在设计过程中需要较为精确的SOC，同时又增大了计算数据的质量，所以这种方法在很大程度上还只是因为他正处于一个实验室的开发阶段，没有在国内得到广泛的应用。而以电压为均衡控制的变量因克服了以上的缺点且造价相对较低而得到了比较广泛的研究和现场应用。除此以外，依据能源损耗的实际情况，可以分类为耗散型和非耗散型，被动均衡控制就是以能源耗散式均衡方法为主，即通过电阻等元件在一定范围内消耗去除电量比较高的蓄电池能量，从而可以达到均衡，能量的流向是单向的。也就是说，每节电池都并联一个开关和一个功率电阻，串联的每节电池的输入电压都是经过测量的，一旦输入电压与功率的数值过大，电压很高的时候电池就会把开关全部打开，使其中一些电量消耗到了功率和电阻上。被动均衡器的电路简单，成本也相对较低，但其中一些电机只能够作为充电均衡器。相反地，主动均衡技术就是通过电池间的能源进行转移等方式去消除能源之间的不一致性，所以电池没有必要出现能源的耗散，能量流向可以作为两种双向，一般都是由于采用了储能控制元件（如电容或者是电感等）而进行设计的均衡电路，从而实现了电池间各种能量的相互传输。主动均衡尽管他们的能源利用率很高，但他们所带来的负面影响却是较高的复杂性和较低的性价比。1.4均衡控制算法设计本文将使用采用Matlab/Simulink平台进行电池被动均衡设计。电池被动仿均衡仿真图如图4-5所示。文中选取4节单体动力电池，使用恒流源作为电源，以单节电池的电压密度作为均衡变量，对每节单体电池进行检测和分析，控制电池的充电功率和恒流电阻放电，从而实现被动均衡的目的。电池被动控制均衡策略图如图4-6所示，本文通过对单体电池电压的测量，可以更好的获得单体电池的电压，通过计算可以算出其电池工作电压差值，当这个值处于最大时，就是本文需要设定的阈值。均衡子电平模块的四个输入分别可以作为最小四个单体的均衡电压正比值和模块原有的四个单体栅极均衡电压的正常比值，子均衡模块的四个输出即是均衡电压，最小电压值在最后加上电压阈值即可作为均衡待测目标的均衡电压。[20]图4-5电池被动均衡仿真模型图图4-6电池