锂电池荷电状态在线估计优化方法

刘志豪

(中国恩菲工程技术有限公司， 北京 100038)

0 引言

电池荷电状态(State of Charge，SOC)为电池当前剩余容量与电池实际可用容量的比值，其作为电池管理系统(Battery Management System，BMS)的主要参数，可防止电池过充过放，从而延长电池的寿命，保证动力电池组的续航里程，其精确估计是电池管理系统主要功能得以实现的前提。目前SOC估算方法主要有开路电压法、卡尔曼滤波估计算法、人工神经网络、安时积分法、滑模观测法等[1-2]。

1 估算方法比较

在SOC的估算方法中，开路电压法最常用，但针对不同类型的电池，SOC和开路电压的特性关系不同，为了估算SOC，需要准确测量电池的开路电压，电池需要被静置很长一段时间才能被准确测量，无法满足SOC在线估计的要求[3]。

人工神经网络SOC估算法需要建立数据库，并基于大量训练数据，将SOC精度提高到5%以内。准确度高,但无法实时在线估计SOC[4]。

利用卡尔曼滤波器估计电池的SOC，需要对电池内部进行模型搭建，然后结合电池的内部结构，通过大量实验数据分析，提高SOC的估算精度和精确度，但该方法需要大量数据对电池模型进行建模,并且不同电池需要不同的模型来支撑，时间和资金投入巨大，使得该方法具有很好的实验室数据，但在实际工程中应用不多[5]。

采用安时积分法估计电池SOC，该方法原理简单,硬件价格低，具有较高可靠性和经济性，在实际工程中得到了广泛应用，但传统的安时积分法准确性依赖于初始SOC值的估计精度，且在电流时间积分过程中，随着电池不断使用，也会存在累计误差，整体SOC估计精度会随时间而逐渐下降，出现SOC估算误差逐渐积累、精度不断下降等问题[6]。……