锂离子电池荷电状态估算及剩余寿命预测
锂离子电池荷电状态估算及剩余寿命预测
find的过去式高安同;张金;陈荣刚;左修伟
【摘 要】锂离子电池具有放电电压高、循环寿命长、安全性能好和无记忆效应等多种优点,在总结锂离子电池预测领域最新研究成果的基础上,对荷电状态估算及剩余寿命预测涉及的技术、算法和模型作了比较研究,尤其是对于锂离子电池荷电状态估算,归纳了电流积分法、开路电压法、模糊逻辑、自回归滑动平均数、电化学阻抗谱、支持向量机和基于扩展卡尔曼滤波的支持向量机等多种方法,并提出了各种方法的优缺点.
【期刊名称】《电源技术》
【年(卷),期】2014(038)006
【总页数】3页(P1066-1068)
【关键词】锂离子电池;荷电状态;估算;剩余寿命;预测
【作 者】高安同;张金;陈荣刚;左修伟
庆七一诗歌朗诵稿
520送女孩子礼物【作者单位】解放军陆军军官学院军用仪器教研室,安徽合肥230031;解放军陆军军官学院军用仪器教研室,安徽合肥230031;解放军陆军军官学院军用仪器教研室,安徽合肥230031;解放军陆军军官学院军用仪器教研室,安徽合肥230031
【正文语种】中 文
【中图分类】TM912.9
锂离子电池作为一种目前广泛使用且性能非常优异的电池，正受到越来越广泛的关注。但是，锂离子电池一旦发生故障，直接导致用电设备无法正常工作，并带来高额的维修及更换费用，甚至由于过热和短路导致灾难性的爆炸事故。所以，研究锂离子电池荷电状态估算和剩余寿命预测方法、优化锂离子电池维护计划势在必行。目前，由于锂离子电池中的电化学反应采用常规的传感器无法观测，导致可分析的数据不足，并且锂离子电池的工作过程非常复杂，对其监测得到的数据只是电压、电流和温度，所以对于锂离子电池在线荷电状态估算和剩余寿命的预测就变得异常困难。
1 荷电状态估算
荷电状态(SOC)是指在一定的放电倍率条件下，电池的剩余电量与相同条件下额定容量的比值。
1.1 电流积分法
电流积分法是对电流进行积分得到充入电池和从电池放出的电量，该方法需对电池的电量进行长时间的记录和监测。电流I对时间t积分即为锂离子电池电量的变化值，记做Q ch(当放电时Q ch为正值，充电时Q ch为负值)。若锂离子电池的当前剩余电量用Q r表示，锂离子电池的当前剩余电量Q r与电量的变化值Q ch之差，即为经过充放电后电池所剩的电量，那么当前荷电状态可表示为：
式中：Q0是额定容量，根据不同的充放电效率，电量的变化值Q ch可表示为：
式中：i为电池电流；η为充放电效率。此方法是一种简单的SOC估计方法，其优点是能给出任意时刻电池的电量。但是电流测量的精度将直接影响剩余电量估算结果，需要通过大量实验来建立电池充放电效率经验公式，因此不适合于电池SOC的动态估算。
1.2 开路电压法
在不同的温度下SOC和开路电压(OCV)的对应关系表已被电池生产商广泛采纳并使用。一旦足够的数据表被计算出来，那么从OCV推理到SOC就会变得非常直接。Guiheen提出了一种基于电流曲线斜率和SOC关系的估算方法，作为常规SOC-OCV表的补充以确保其准确性和有效性。这种基于数据表的估算方法很难在现实中到与之匹配的外界条件，由此导致了SOC估计值和真实值间的巨大差异。
1.3 模糊推理
模糊逻辑方法允许在处理不完整和含有噪声的数据时存在一定程度的不确定性和模糊性。
Sakind[1]等人基于电化学阻抗谱通过建立Li/SO2电池模糊推理模型进行其SOC估算。该方法精确度很高，误差幅度仅为其它方法的10%。而且只需少量的电化学参数就可加速阻抗谱测试和减少数据收集过程中的冗余，但是，实验设备的庞大和高花费限制了该方法的实际应用范围。
1.4 自回归滑动平均数
自回归滑动平均数(autoregressivemoving average，ARMA)模型是一种非常适合时间序列
的预测算法。
ARMA模型表示为：
式中：χ是时间序列；α是常量；ε是白噪声；p指AR（自回归参数）；q指MA（滑动平均参数）；t和i均为整数，且t大于i；φ和θ是模型的系数。
为了通过阻抗测量来估算SOC，kozlowski[2]建立了一种双电极电化学模型，模型的输入包括电解质电阻、电荷转移阻值和层间电容，这些数据被提取并输入到ARMA模型来计算SOC。ARMA模型的精确性依赖于先验数据的完整性和典型性。在现实应用中，原始数据很有可能是不完整的，因此需要用回归模型来做合理估计和逐步推测。
1.5 电化学阻抗谱
电化学阻抗谱(EIS)被广泛应用于表达化学电池的内部电化学反应，而这是采用普通感知技术无法测定的。
当电池的容性阻抗和感性阻抗相等时，在一定频率范围内SOC和EIS之间有确定的关系，
买房提前还款
且该频率范围是电池SOC单调周期性函数，因此，我们可通过选择想要的频率范围即可确定电池的SOC值，该方法直观，可靠性高，但阻抗谱分析仪价格昂贵，要求实验过程中外界条件保持恒定。
1.6 支持向量机
西安的旅游景点支持向量机(SVM)通过数据映射将低维空间的非线性问题转化为高维空间的线性问题。
Hansen和Wang[3]使用SVM建立了一个基于实验的SOC估算模型，输入向量包括电流、电压，在上次计算结果和电压变化的基础上递推出当前SOC。该SOC估算模型只使用稳态数据（恒电流脉冲）进行训练。测得的稳态SOC和动态SOC估算均方根误差分别为5%和5.76%。但SVM衰减模型需要对实验参数和误差进行不断的调整，而这是一个非常耗时的过程。淘宝开店货源怎么
1.7 基于支持向量机的扩展卡尔曼滤波
扩展卡尔曼滤波(EKF)是用于非线性变化的卡尔曼滤波的扩展，通过使用偏导数和泰勒级数展开式，EKF使预测和更新部分的当前估计值线性化，剩下的过程类似于传统卡尔曼滤
波。
受限于泰勒级数在高阶非线性系统中的误差，EKF不能处理高阶非线性系统问题。为了提高动态SOC估算的准确性，Zhang[4]提出了一个基于物理学的电路模型，名称为“增强型自我修正模型(ESC)”。这个模型强调了应对滞后反应、温度和松弛反应带来的影响。增强型自我修正模型(ESC)表示如下：
式中：y k是待估电压；k是标识数；z代表SOC；h代表电化学滞后参数；fil(ik)是一些滤波操作数的动态操作；R是电阻；i是电流。这个方法主要的缺点就是需要使用OCV-SOC表，而这个表设计花费大并且难以获得，此外实际应用时还有一定的误差。
图1是简单的电池电路，OCV代表开路电压，也叫平均势能；Rd和Ri是内电阻；Cd相当于层间电容。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。