SOC估计方法介绍

1、电动汽车用电池SOC推定、电池性能指标SOC定义SOC推定方法的概要、电池性能指标、一、电压(1)端子电压(2)开路电压(3)电动势(4)额定电压(5)工作电压(负载电压、放电电压) (6)终止电压、二、电池容量(Ah) (1)理论容量(1)标称能量(2)实际能量(3)比能量(Wh/kg) (4)能量密度(Wh/L ) .四、电池内部电阻电流在电池内部流动的电阻、使电池电压降低的电阻称为电池内部电阻。 五、放电速率(放电率)一般用电池放电时的时间或放电电流与额定电流的比例来表示。 (1)时率(2)倍率(电流率) 6，电池寿命包括使用期限和使用周期。SOC的定义，一般：电池的充电状态SOC用于反

2、映电池的残馀容量状况，其数值上定义为电池的残馀容量与电池容量的比。 如果电池在满充电状态下定义，则定义式可以表示式中、电池的剩馀容量、电池以恒定电流I放电时的容量，q可以表示放电的电量。 修正定义，将电池的充电状态设定为标称充电状态和动态充电状态两种。 (1)指在某一定温度下以标称的定电流放电时，以电池放出的标称容量为基准规定的值。 标称带电状态固定电流和温度，但需要修正电池不可逆的容量影响因素(例如极板的劣化) :式中，q是电池以标称电流放出的电量，CB是电池以标称的恒定电流放电的容量，电池不可逆的影响因素。 (2)是指根据电流、温度参数而变化的电池的充电状态，动态充电状态参数以标称充电状态

3、参数为基准，根据电流的变化进行换算，温度变化以影响系数的形式进行修正：式中，温度影响系数，通过测试这种电池可以得到的I是现在和今后一段时间SOC估计方法的概要、SOC估计方法可以归纳为电量积法、电阻测量法和电压测量法三种基本类型。 具体来说，有电量积法、开路电压法、阻抗法、卡尔曼滤波法、神经网络法等。 (1)电量积算法通过累计电池充电时或放电时的电量来推测电池的SOC，并根据电池的温度放电率来补偿SOC。 式中，初期的电池额定容量I为充放电电流，充电时为负，放电时为正充放电效率。 优点：简单，可以在短时间内正确估计SOC。 缺点：开环预测存在初始SOC和累积误差越来越大的问题。 (2)开路电压

4、法通过实验描述了不同放电电流下电池端子电压与电池剩馀能量的关系曲线，并存储特征关系曲线。 实时对电池放电时的端子电压进行采样，一边调查电池的剩馀能量，一边考虑电池的寿命和内阻对电池SOC的影响，来修正求出的电池的剩馀能量。 优点：容易执行。 缺点：但是电池需要长时间静置，不能满足在线检查的要求。 (3)因为阻抗法的带电状态(soc )影响电池的交流阻抗，所以提出了可以用阻抗值来估计soc。 以不同频率的交流激励电池，测量电池内部的交流电阻，通过建立的计算模型得到SOC估计值。 优点：反映了电池在特定恒流放电条件下的SOC值。 缺点：根据该SOC判断电池可以继续放电的电量，也必须考虑后段的放电率

5、的实际情况。 另外，因为电池SOC和电阻参数的关系复杂，用传统的数学方法很难建模，温度、充放电电流、SOH等改变内部电阻的因素也很多。 在soc为40%的情况下，阻抗的变化很小。(4)卡尔曼滤波方法使用系统和测量动态的知识、假设的系统噪声和测量误差的统计特性和初始条件信息来处理测量值，以确定系统状态的最小误差估计。 电动汽车用电池组可以看作是由输入输出组成的动态系统。 在了解系统先验知识的基础上，建立系统状态参数方程，利用输出的验证作用，得到系统中包括带电状态不能直接测量的内部参数的估计。 根据电池等效电路模型，建立了系统的状态方程和测量方程。 基于电池组放电试验数据，使用卡尔曼滤波算法估计电池组的开路电压，实现电池充电状态的估计。 优点：基于收集到的电压电流，从递归算法中得到了SOC的最小方差估计，可以解决SOC初始值估计的不授权和累积误差问题。 缺点：对电池型号的依赖性强，对系统处理器的速度要求高。 (5)神经网络方法在理论上，只要有适当的训练数据和训练方法，神经网络就能得到任何输入输出的关系。 此方法必须获得锂电池的性能参数，并且上文描述的其他方