鋰電池荷電狀態(tài)是什么意思，鋰電池荷電狀態(tài)有什么預(yù)測(cè)方法?

一、鋰電池荷電狀態(tài)是什么意思

鋰電池荷電狀態(tài)也叫電池的SOC，全稱(chēng)是State of Charge，荷電狀態(tài)，也叫剩余電量，代表的是鋰電池使用一段時(shí)間或長(zhǎng)期擱置不用后的剩余容量與其完全充電狀態(tài)的容量的比值，常用百分?jǐn)?shù)表示。其一般用一個(gè)字節(jié)也就是兩位的十六進(jìn)制表示，含義是剩余電量為0%~100%，當(dāng)SOC=0時(shí)表示電池放電完全，當(dāng)SOC=1時(shí)表示電池完全充滿(mǎn)。

SOC算法一直是鋰離子電池管理系統(tǒng)(BMS)開(kāi)發(fā)應(yīng)用的關(guān)鍵技術(shù)之一。SOC的估算精度越高，關(guān)于相同容量的電池，可以使電動(dòng)汽車(chē)有更高的續(xù)航里程。高精度的SOC估算可以使鋰離子電池組發(fā)揮最大的效能。

目前最常采用的計(jì)算方法有安時(shí)積分法和開(kāi)路電壓標(biāo)定法，通過(guò)建立鋰離子電池模型和大量的數(shù)據(jù)采集，將實(shí)際數(shù)據(jù)與計(jì)算數(shù)據(jù)進(jìn)行比較，這也是各家的技術(shù)秘籍，要長(zhǎng)時(shí)間大量數(shù)據(jù)積累，同時(shí)也是特斯拉技術(shù)含量最高的部分。特斯拉已經(jīng)在鋰離子電池冷卻、安全、電荷平衡等與BMS相關(guān)的領(lǐng)域申請(qǐng)核心專(zhuān)利超過(guò)上百項(xiàng)。

鋰離子電池的荷電狀態(tài)(SOC)估算是對(duì)電池應(yīng)用研究的一個(gè)基礎(chǔ),鋰離子電池在使用中的深度充放電,會(huì)大大減少其使用年限,精確的SOC估計(jì)可以防止這種情況;剩余電量的準(zhǔn)確顯示,還能幫助汽車(chē)控制系統(tǒng)計(jì)算可行駛里程,駕駛者也可以更好規(guī)劃行駛路線(xiàn)。

二、鋰電池荷電狀態(tài)有什么預(yù)測(cè)方法

鋰電池荷電狀態(tài)目前主要的預(yù)測(cè)方法有：放電實(shí)驗(yàn)法、開(kāi)路電壓法、安時(shí)積分法、卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法等。

1、放電實(shí)驗(yàn)法

放電實(shí)驗(yàn)法的原理是：以恒定的電流使電池處于不間斷的放電狀態(tài)，當(dāng)放電到達(dá)截止電壓時(shí)對(duì)所放電量進(jìn)行計(jì)算。放電電量值為放電時(shí)所采用的恒定電流值與放電時(shí)間的乘積值。放電實(shí)驗(yàn)法經(jīng)常在實(shí)驗(yàn)室條件下估算電池的荷電狀態(tài)，并且目前許多電池廠商也采用放電法進(jìn)行電池的測(cè)試。

它的顯著優(yōu)點(diǎn)是方法簡(jiǎn)單，估算精度也相對(duì)較高。其缺點(diǎn)也很突出：不可以帶負(fù)載測(cè)量，需要占用大量的測(cè)量時(shí)間，并且放電測(cè)量時(shí)，必須中斷電池之前進(jìn)行的工作，使電池置于脫機(jī)狀態(tài)，因此不能在線(xiàn)測(cè)量。行駛中的電動(dòng)汽車(chē)電池一直處于工作狀態(tài)，其放電電流并不恒定，此法不適用。但放電實(shí)驗(yàn)法可在電池檢修和參數(shù)模型的確定中使用。

2、開(kāi)路電壓法

電池長(zhǎng)時(shí)間充分靜置后的各項(xiàng)參數(shù)相對(duì)穩(wěn)定，此時(shí)的開(kāi)路電壓與電池荷電狀態(tài)間的函數(shù)關(guān)系也是相對(duì)比較穩(wěn)定的。若想獲得電池的荷電狀態(tài)值，只需測(cè)得電池兩端的開(kāi)路電壓，并對(duì)照OCV-SOC曲線(xiàn)來(lái)獲取相應(yīng)信息。

開(kāi)路電壓法的優(yōu)點(diǎn)是操作簡(jiǎn)單，只需測(cè)量開(kāi)路電壓值對(duì)照特性曲線(xiàn)圖即可獲得荷電狀態(tài)值。但是其缺點(diǎn)有很多：首先此方法要想獲得準(zhǔn)確值，必須使電池電壓處于相對(duì)穩(wěn)定狀態(tài)，但電池往往需要長(zhǎng)時(shí)間的靜置，方可處于此狀態(tài)，從而無(wú)法滿(mǎn)足實(shí)時(shí)監(jiān)測(cè)要求，往往應(yīng)用于電動(dòng)汽車(chē)長(zhǎng)時(shí)間的駐車(chē)時(shí)。

當(dāng)電池充放電比率不同的情況下，由于電流的波動(dòng)會(huì)使電池開(kāi)路電壓發(fā)生變化，從而導(dǎo)致電池組的開(kāi)路電壓不一致，使得預(yù)測(cè)的剩余電量與電池實(shí)際剩余電量產(chǎn)生較大偏差。

3、安時(shí)積分法

實(shí)時(shí)測(cè)量電池包主回路電流，并將其對(duì)時(shí)間積分，充電為負(fù)放電為正。放電過(guò)程，用初始電量減去積分結(jié)果，得到當(dāng)前電量;充電過(guò)程，用初始電量加上積分結(jié)果，得到當(dāng)前電量。安時(shí)積分法的一個(gè)問(wèn)題是，初始電量的判斷，無(wú)法直接得到。另外，由于系統(tǒng)電流的波動(dòng)性很大，而電流采樣是間隔一定時(shí)間進(jìn)行一次，使得采樣值與一段時(shí)間的平均值并不一定近似，長(zhǎng)時(shí)間累積下來(lái)，造成比較明顯的誤差，并且誤差不是安時(shí)積分法自己能夠消除的。因此，安時(shí)積分的實(shí)際應(yīng)用必須與其他方法相結(jié)合，解決初值和累積誤差的問(wèn)題。

4、卡爾曼濾波法

卡爾曼濾波算法是利用時(shí)域狀態(tài)空間理論的一種最小方差估計(jì)，屬于統(tǒng)計(jì)估計(jì)的范疇，宏觀上就是盡可能減小和消除噪聲對(duì)觀測(cè)信號(hào)的影響，其核心是最優(yōu)估計(jì)，即系統(tǒng)的輸入量在預(yù)估基礎(chǔ)上對(duì)狀態(tài)變量進(jìn)行的有效修正。

該算法的基本原理是：將噪聲與信號(hào)的狀態(tài)空間模型作為算法模型，在測(cè)量時(shí)，應(yīng)用當(dāng)前時(shí)刻的觀測(cè)值與上一時(shí)刻的估計(jì)值，對(duì)狀態(tài)變量的估算進(jìn)行更新?？柭鼮V波算法對(duì)鋰電池荷電狀態(tài)進(jìn)行預(yù)測(cè)的實(shí)質(zhì)是安時(shí)積分法，同時(shí)用測(cè)量的電壓值來(lái)對(duì)初步預(yù)測(cè)得到的值進(jìn)行修正。

卡爾曼濾波法的優(yōu)點(diǎn)是適合計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)運(yùn)算處理，應(yīng)用范圍廣，可以用于非線(xiàn)性系統(tǒng)，對(duì)行駛過(guò)程中電動(dòng)汽車(chē)的荷電狀態(tài)預(yù)測(cè)具有較好的效果?？柭鼮V波法的缺點(diǎn)是對(duì)電池模型的準(zhǔn)確程度依賴(lài)較大，為了提高該算法預(yù)測(cè)結(jié)果的準(zhǔn)確性和精度，需要建立可靠的電池模型。此外，卡爾曼濾波法的算法相對(duì)比較復(fù)雜，因此其計(jì)算量也相對(duì)較大，對(duì)運(yùn)算器的性能有較高要求。

5、神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)的目的是模仿人類(lèi)的智能行為，通過(guò)并行結(jié)構(gòu)與自身較強(qiáng)的學(xué)習(xí)能力獲得數(shù)據(jù)表達(dá)的能力，能夠在外部激勵(lì)存在時(shí)給出相應(yīng)的輸出響應(yīng)，并使具有良好的非線(xiàn)性映射能力。

神經(jīng)網(wǎng)絡(luò)法應(yīng)用于鋰電池荷電狀態(tài)檢測(cè)的原理是：將大量相對(duì)應(yīng)的電壓、電流等外部數(shù)據(jù)以及電池的荷電狀態(tài)數(shù)據(jù)作為訓(xùn)練樣本，通過(guò)神經(jīng)網(wǎng)絡(luò)自身學(xué)習(xí)過(guò)程中輸入信息的正向傳播和誤差傳遞的反向傳播反復(fù)進(jìn)行訓(xùn)練和修改，在預(yù)測(cè)的荷電狀態(tài)達(dá)到設(shè)計(jì)要求的誤差范圍內(nèi)時(shí)，通過(guò)輸入新的數(shù)據(jù)來(lái)得到電池的荷電狀態(tài)預(yù)測(cè)值。

神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)是可以對(duì)各種電池的荷電狀態(tài)進(jìn)行估算，適用范圍廣;不需要建立特定的數(shù)學(xué)模型，不用考慮電池內(nèi)部復(fù)雜的化學(xué)變化過(guò)程，只需選擇合適的樣本，以及建立較好的神經(jīng)網(wǎng)絡(luò)模型，并且樣本數(shù)據(jù)越多，其估算的精度越高;能夠隨時(shí)確定電池的荷電狀態(tài)。神經(jīng)網(wǎng)絡(luò)法的缺點(diǎn)是對(duì)硬件要求較高，訓(xùn)練時(shí)所采用的數(shù)據(jù)樣本的準(zhǔn)確性、樣本容量和樣本分布以及訓(xùn)練方法都會(huì)對(duì)電池的荷電狀態(tài)預(yù)測(cè)產(chǎn)生很大的影響。

以上就是什么是鋰電池荷電狀態(tài)及鋰電池荷電狀態(tài)預(yù)測(cè)方法的介紹了，鋰電池的荷電狀態(tài)預(yù)測(cè)考慮的因素越來(lái)越全面，所采用的預(yù)測(cè)方法往往是前述好幾種方法的綜合應(yīng)用，使得預(yù)測(cè)結(jié)果更加準(zhǔn)確。而且目前鋰電池的等效電路模型不斷發(fā)展，更加接近實(shí)際，使得荷電狀態(tài)預(yù)測(cè)精度得到進(jìn)一步提升。