[发明专利]一种锂离子电池SOC估算方法

说明书

技术领域

本发明涉及一种锂离子电池SOC估算方法，特别涉及一种能够准确估算锂离子电池的剩余容量的方法。

背景技术

锂离子电池已在各大领域中得到广泛性使用，由于反应过程的复杂性，需要完善的电池管理系统，其中对SOC的准确估计至关重要。围绕锂离子电池应用中的SOC准确估计问题，广大科研工作者做了大量工作。有效提高了使用过程中的安全性和能量利用效率。国内外研究机构和高校针对锂离子电池的SOC估算展开了大量的研究和实验。电池管理的重要环节就是剩余容量估算，而剩余容量估算一直是业界比较棘手的问题之一，成为了目前新能源推广应用的瓶颈之一。

由于SOC是电池内部状态参数，无法通过直接测量得到，只有通过测量电压电流等相关参数进行间接估算，现有如：安时法、开路电压法、卡尔曼滤波法、神经网络法等。由于受到充放电电流、电压、温度、内阻、衰退等因素的影响，在SOC估算问题上尚无统一规范的方法。上述方法各有利弊。

1)安时法

安时法又称为安时积分法，是对电流进行时间积分得到电池已经放出的电量，然后用剩余电量除以总容量获得SOC的方法。安时法由于计算过程简单易行而在工程上得到广泛应用。但是该方法依赖于SOC的总容量，而这个值会随着温度和老化程度等因素发生变化，因而产生误差。

2)开路电压法

开路电压法是根据实验获得的SOC-OCV曲线，测量开路电压后查询曲线图表获得SOC的方法。2014年美国北卡罗来纳州立大学的Rahimi-Eichi H等人使用变系数分段线性逼近法，表征了电池OCV-SOC固有的非线性关系；2014年美国夏威夷大学的Truchot C等人基于OCV＝f(SOC)直接推理实现了电池的SOC估算；2014年香港城市大学的Xing YJ等人通过构建OCV-SOC-温度表，实现考虑温度影响的SOC估算。2015年北京交通大学的Zhang CP等人以SOC-OCV关系为主，结合KF实现了SOC估算，精度为3％。但是，开路电压需要长时间静置来获得，不能满足在线检测的需求。

3)卡尔曼滤波法

卡尔曼滤波法目前在SOC估算中应用比较广泛，通过系统辨识及参数估计进行建模，在估算过程中能保存很好的精度，解决初始值误差修正问题，并且对噪声有很强的抑制作用，能对动态系统的状态做出最小方差意义上的最优估计，适用于电流波动比较剧烈的场合。美国的Gregory L.Plett教授于2006年最早致力于卡尔曼滤波及其扩展算法在SOC估算方面的应用研究，通过将锂离子电池作为完备的动态系统，把SOC作为系统状态变量，利用观察变量值更新，不断修正SOC值。基于建立的电池等效模型，利用卡尔曼滤波能够实现SOC估算，减弱极化效应的影响，提高估算精度。但是该方法对电池模型依赖性较强，需要建立高精度的模型才能准确估计SOC，同时设计矩阵运算，计算量较大。

4)神经网络法

是随找人工智能(AI)这一新兴学科的发展而发展起来的方法，该方法依靠大量样本数据训练得到较好的估算精度。其优势在于不依赖精确数学模型，仅仅给予学习及训练就能解决复杂、不确定、非线性系统的建模及处理问题，但是在设计神经网络模型和输入输出参量时，有着相对的技术难度，考虑不周或者设置不当，多估算结果影响较大。

基于ANFIS对剩余容量进行估算虽然在之前已经有先例，如：

电子科技大学余岷、祁建佳，厦门大学的徐文进等，都是围绕内阻检测建立铅酸蓄电池的ANFIS模型，其输入为：电池内阻、放电电压、温度、放电电流。因为电池内阻较小，测量的准确性要求很高，并且过多的输入参数会降低系统的工程性。

华中科技大学王喜的研究，通过分析铅酸蓄电池的电化学特性和常用的SOC检测方法，确定了影响SOC的关键参量，并提出了一种基于自适应神经-模糊推理系统的电池SOC模型辨识方法。利用铅酸蓄电池的电解液密度进行剩余容量估算。采用自制的银/硫酸银参比电极在电池充放电实验中来获取正、负电极电势。利用BP网络、径向基网络(RBF)和自适应神经-模糊系统(ANFIS)对电解液密度进行参数辨识。

申请人在剩余容量研究方面前期做了大量工作。2011年申请人开始研究电池回跳电压估算剩余容量，并申请了国家专利，发表了一系列文章。但由于时间的关系，对于温度在估算问题中带来的问题，还没有进行相关的实验。

综上所述，在锂离子电池SOC估算研究中，没有全面有效的解决方案，基于电池等效模型购建的多元参数估算方法目前成为发展趋势，但在提高精度和降低计算量间必须寻求最佳平衡点，以不断优化和改进估算方法。