原标题：电动汽车锂聚合物电池的SOC估计实验验证与性能评估
在阅读此文之前，麻烦您点击一下“关注”，既方便您进行讨论和分享，又能给您带来不一样的参与感，感谢您的支持。
文|小风谈史
编辑|小风谈史
前言
随着电池技术的快速发展，电池的状态监测和估计变得越来越重要。传统的SOC估计方法通常需要使用外部分流电阻来测量电流，存在能耗、可靠性和安全性等问题。为了解决这些问题，本研究提出了一种无分流SOC估计方法，仅通过电池负载下的电压测量来估计SOC。
该方法利用事先建立的查找表，结合电池的内阻和开路电压，实现对电流和SOC的估计。本文将介绍该方法的原理、实验验证以及结果分析，进而证明其在实际应用中的可行性和准确性。
一、概述
电池的电荷状态（SOC）测量是电池管理系统中的关键任务，它是电池状态估计的一部分，包括健康状态、能量状态和功率状态。几类SOC估计方法包括：
直接方法，如开路电压（OCV）或阻抗方法，它们基于电池参数（如开路电压）与SOC之间的直接关系；（ii） 库仑计数法；（iii） 跟踪方法，如基于卡尔曼滤波器的算法。
Niri等人提出了一种不同的方法，使用马尔可夫模型和负载分析来预测电动车辆电池的剩余能量。Gallien等人描述了一种基于磁化率和SOC之间关系的锂铁磷酸盐（LiFePo）电池SOC估计方法。
使用库仑计数法测量进出电池的电流，并随时间进行积分。使用这种方法，时间t的SOC计算公式如下：
库仑计数法的主要优点在于其在实际应用中具有很大的实用价值，因为它可以在电流通过电池的操作阶段使用，例如电动车行驶过程中。
直接方法（如基于开路电压的方法）在操作阶段无法使用，因为在该阶段无法断开电池与负载的连接来读取开路电压。Movassagh等人指出库仑计数法受到多个不确定性源的影响，包括电流测量不确定性、电流积分近似误差、电池容量不确定性和电流采样的时间不确定性。这些不确定性源的存在是库仑计数法的主要缺点。
为了减轻一些不确定性源的影响，Baccouche等人提出了一种改进的库仑计数算法，OCV vs. SOC特性曲线的分段模型和周期性的容量校准。该方法经实验证明，SOC估计误差为2%。
Miao等人实验证明，将机器学习与库仑计数相结合可以降低极端温度条件下的误差。阻抗跟踪方法通过使用额外的信息，如电压和温度测量，提供了增强的库仑计数功能。
上述库仑计数方法需要测量电流，例如通过外部电阻器，在一些高功率应用中，如电动车和储能系统中，使用电阻器会导致功率损耗和效率降低，因为当大电流通过该电阻器时会消耗大量能量。
由于在高电流路径中放置了一个装置，可能会出现安全和可靠性问题，不需要电阻器的SOC测量解决方案将提供许多好处，包括降低功耗、更小的体积、减少与电阻器校准相关的成本和复杂性，并解决安全和可靠性问题。
有必要开发和验证不需要电阻器的简单SOC测量方法的准确性。在这种背景下，Chun等人提出了一种基于电池内阻测量的无电流传感器SOC估计方法。这些方法基于滤波电池端电压测量和等效电路模型拟合，并报告了最大误差为5%。
本文介绍了一种使用仑计数的新型SOC估计方法，其中电流的测量使用的是电池本身的内阻，而不是外部电阻器。
与已发表的库仑计数方法不同，所提出的方法仅需要测量电池电压，并使用在校准阶段预先生成的查找表，其中包含有关电池的内阻和开路电压的信息。
本文通过将所提出的方法应用于实验数据来验证其可行性，实验数据包括使用商用源测量单元（SMU）实验室仪器在模拟电动车实际工况下对锂聚合物电池进行的电流和电压测量。
虽然本文的可行性研究是使用实验室仪器进行的，但该技术潜在地可以实现用于现场和实时应用的单体级别的电池状态监测，例如Manfredini等人提出的集成单体管理单元（CMU）。
二、无分流SOC测量方法
提出的无电阻器SOC测量方法的目标是在不使用电阻器测量电流的情况下获得SOC的估计值。
这些LUTs提供了有关等效串联电阻（ESR）（即电池的内阻）和开路电压（OCV）在不同SOC值下的变化情况的信息。这些LUTs是通过使用参考仪器在校准阶段测量电池的OCV、负载下的电压以及不同SOC值下的电流来建立的。
在操作阶段，ESR与OCV的知识被用来代替外部电阻来估计电流并进行库仑计数。所提出方法的假设如下：
已知待测试电池的容量、ESR与SOC之间的关系以及OCV与SOC之间的关系。这些关系在预先离线校准阶段进行测量，并编码在LUTs中；（ii）在所提出方法开始时，初始时刻的SOC值是已知的；（iii）在操作过程中，可以测量电池电压，同时电流通过电池流动。
本文展示了一种用于估计电池状态SOC的无电阻器库仑计数方法的可行性研究。与传统的库仑计数方法不同，所提出的方法不需要外部电阻器，而是仅需要在电池操作时对其进行电压测量。
该方法的性能在一个样品锂聚合物（LiPo）电池上进行了评估，使用了根据全球轻型车辆测试程序（WLTP）得出的实际电流曲线。实验评估结果显示，SOC估计均方根误差为0.82%，最大SOC误差为1.45%。这些结果证明了所提出方法在实际场景中的可行性。
算法1中的伪代码详细描述了所提出方法的操作过程，该方法以预先生成的必需LUTs作为输入，这些LUTs是在电池特性化阶段进行的。OCV-vs.-SOC关系存储在LUT1中，OCV-vs.-ESR关系存储在LUT2中，而LUT3作为索引表，该方法还需要估计电池容量，并在每个时间步返回SOC的估计值。
SOC实验估算结果
为了验证提出的无电阻器SOC估计方法，研究对Mikroe SR674361P 3.7V锂聚合物（LiPo）软包电池进行了实验。根据数据手册，该电池的名义容量为2000mAh，额定电压为3.7V，充电电压限制为4.2V，放电截止电压为2.75V，制造商在1kHz下测得的内阻不超过160mΩ。
三、试验方法和实验步骤
3.1 实验设置
实验设置包括一个台式仪器，Keithley 2450源测量单元（SMU），它提供电流信号并同时测量电流和电压，通过4线配置与待测试电池相连。SMU的操作由用Test Script Processor （TSP）语言编写的自定义脚本进行定时和控制。
SMU获取的测量数据传输到计算机，在MATLAB数值计算环境中通过自定义程序进行处理。电池放置在温度为25±1°C的小型恒温箱中，在实验之前，电池经过了预处理，以1A （0.5C）的电流循环充放电五次。
多个电池测试标准，如国际电工委员会（IEC）62660-1标准中对“用于电动道路车辆推进的二次锂离子电池——第1部分：性能测试”的要求，也指示了类似的预处理程序。
3.2 实验过程
实验中使用的测量过程分为两个阶段：校准阶段和操作阶段。下面详细介绍这两个阶段。
3.2.1 校准阶段
在这个初步阶段，构建了查找表（LUTs）。这些LUTs包括OCV-vs.-SOC和ESR-vs.-SOC曲线，这些曲线是通过从充满电的电池开始，以恒定电流进行放电来获取的。在放电过程中，SMU不断测量电流和电压。
每两秒钟，SMU还通过在10毫秒的瞬态期后中断电流来测量电池的开路电压（OCV）。利用已知的测量量，电池的内阻被估计为（OCV-OCV）/I0，这类似于广泛采用的电池内阻测量方法。
当电池的电压达到制造商规定的2.75V截止电压时，该过程停止。此阶段还通过积分电流来测量电池容量。放电过程重复了四次，每次使用不同的恒定放电电流值：1A、750mA、500mA和250mA。这些电流值对应于以下C倍率：0.5C、0.375C、0.25C和0.125C。
3.2.2 操作阶段
在校准阶段之后，进行了一个实验来验证提出的方法在操作阶段的有效性。在这个阶段，SMU生成一个模拟世界协调轻型汽车测试程序（WLTP）定义的电动车行为的时间变化电流。
这个电流曲线是公开可用的，它是通过模拟一个轻型电动车从WLTP速度曲线得到的。为了实际操作的方便，将WLTP电流曲线标准化，使其最大绝对值为1A，这对应于SMU实验室仪器能够产生的最大电流。
得到的WLTP电流曲线持续时间为1800秒，SMU被编程为反复生成WLTP电流曲线，直到电池完全放电，这大约需要13小时，相当于WLTP曲线的25.8个周期。
3.3 结果
初步校准阶段的曲线是对以下电流值进行测量得到的：250mA （0.125C），500mA （0.25C），750mA （0.375C）和1000mA （0.5C）。使用0.5C倍率校准时测得的容量为1.94Ah。
观察到估计电流和参考电流之间的良好一致性，电流误差定义为根据国际计量术语（VIM）的定义，即估计电流与参考电流之间的差异。估计电流与参考电流的均方根差为约64mA，即最大考虑电流的6.4%。
这个误差相对较小，在整个循环中计算的RMSE并不明显受到在周期结束附近出现的尖峰的影响，该尖峰导致误差在短暂的几秒钟内达到约90%。SOC估计的RMSE为0.82%，最大的SOC估计误差为1.45%。
结果证明了提出的无分流SOC估计方法的可行性，其精度足够满足最常见的电池监测应用需求（RMSE为0.82%）。这些结果是通过在电动汽车领域模拟实际场景获得的。因此，它们表明所提出的无分流方法可以用于原地和原地应用。
SOC存在其他达到小于1%误差的方法，例如所提出的方法，但大多数这些方法需要使用外部分流器。实验所提出的方法仅需要测量电池端电压和通过校准获得的LUTs。
它可以克服使用基于外部分流电阻的电流监测系统所带来的能量消耗、可靠性和安全性问题。与介绍的无电流传感器方法相比，所获得的SOC误差更小。实验观察到的最大误差为1.45%，而报告的最大误差为5%。
所提出的方法采用了不同的方法，它不依赖于电池等效电路模型，也不使用滤波技术。因此，它的实施复杂性可能较小，并具有更广泛的适用性，因为不需要假设特定的电池等效电路。它依赖于对所测电池的预先校准，它可以轻松应用于不同类型的电池和各种电池供电系统。
一些可能限制所提出的方法适用性的因素包括不同电池样本之间的差异、老化的影响以及工作温度的影响。为了补偿第一个因素，即个体电池单元之间OCV和ESR曲线的差异，应将本文中描述的校准过程应用于每个感兴趣的电池。
为了减轻电池老化的影响，即随SOC改变其OCV和ESR特性的影响，这样的校准应定期重复，作为电池寿命期间的维护过程的一部分，例如，在每个测量周期结束后。
工作温度的影响可以通过在校准过程和操作阶段中对电池进行温度监测来解决。通过根据电池温度进行校准，并在操作阶段进行温度补偿，可以提高SOC估计的准确性。
本研究提出了一种无电流传感器的SOC估计方法，它利用了电池的开路电压和内阻特性。校准过程中进行OCV和ESR测量，构建了查找表（LUTs），将开路电压和内阻与SOC关联起来。
提出的方法可以实现准确的SOC估计，其精度足以满足电池监测应用的要求。尽管存在一些限制因素，但这种方法具有较低的实施复杂性和更广泛的适用性，并且可以克服使用基于外部分流电阻的传统方法所带来的一些问题。
结论
本研究提出了一种无分流SOC估计方法，以利用电池的开路电压和内阻特性的方式实现了SOC的精确估计。实验使用的方法在实际应用中具有可行性，并且达到了足够的准确性。
责任编辑：
原文链接：http://news.sohu.com/a/689079884_121648937
