不同环境温度下的锂离子电池SOC估计

牛鑫强，田晶京，赵 峰，王 英

(兰州交通大学自动化与电气工程学院，甘肃 兰州 730070 )

荷电状态(SOC)是使用和控制电池时的一个重要指标，SOC偏低，会影响电池性能的发挥。文献[1]提出了一种将粒子群优化算法(PSO)和遗传算法(GA)相结合的混合启发式算法，并引入混沌机制，用优化的BP神经网络对电池SOC进行估算，可将误差控制在2%以内。该算法是一种数据驱动的方法，未考虑环境温度变化对SOC的影响。文献[2]提出了基于近似二阶扩展卡尔曼滤波(ASEKF)的锂离子电池SOC估算方法，误差在2%以下。该算法是一种基于模型的方法，可准确地估计SOC，但存在模型选择是否精准和计算量大的问题，无法用于快速估计由大量电池组成的储能系统。安时积分法可对电池容量进行准确测量，能精准地测量电池的SOC，但条件一般较为苛刻，在实际应用中，电池的位置相对固定，通常无法采用直接测量法。

本文作者将电池充放电时的电压、电流和环境温度作为估计电池SOC的输入参数，基于用遗传算法改进的BP神经算法，搭建估计电池寿命的预测模型，然后对不同环境温度下的电池SOC进行估计，最后将输出值与实际值进行对比，得到平均误差和最大误差值，对模型的准确性进行验证。

1 SOC的参数选择及实验

1.1 电池的SOC计算

电池的SOC一般可由剩余容量表示，如式(1)所示。

(1)

式(1)中：Soc表示用电池容量衡量的电池的SOC；Qnow为电池当前的剩余容量；Q0为电池的额定容量。

充放电时的电压和电流等，通常可反映电池的SOC。在恒流-恒压充电的条件下，电压和电流变化曲线相对规律，局部时间段内的电压、电流、温度与同一个SOC估算值具有相同的对应关系[3]。……