文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào): 0258-7998(2014)05-0065-03
目前,在眾多電力應(yīng)用領(lǐng)域中,鋰離子電池都是首選的電能儲(chǔ)存裝置。然而在其應(yīng)用領(lǐng)域中仍有許多亟待解決的問(wèn)題,對(duì)于荷電狀態(tài)SoC(State of Charge)估算的研究尤其熱門(mén)。荷電狀態(tài)通常被認(rèn)為是電池可用容量與其最大可用容量的比值[1]。
以往文獻(xiàn)中對(duì)采用卡爾曼濾波KF(Kalman Filter)算法來(lái)估算荷電狀態(tài)進(jìn)行了很多描述。但是,這些應(yīng)用絕大多數(shù)都是采用電化學(xué)模型[2]或者Ad hoc模型[3],而不是簡(jiǎn)單的電路模型[4]。將建模方法與卡爾曼濾波方法相結(jié)合,可以得到一種可去除測(cè)量噪聲和模型參數(shù)誤差的新算法。此次研究的目的就是提高估算的速度和精確度。
1 電池動(dòng)態(tài)模型
1.1 模型結(jié)構(gòu)
本文采用Boston-Power公司的Sonata 4400鋰離子電池,其基本屬性為:標(biāo)稱(chēng)容量是4 400 mAh;標(biāo)稱(chēng)電壓是3.7 V。因?yàn)閷?shí)驗(yàn)對(duì)小的計(jì)算量和簡(jiǎn)單電學(xué)組成更加重視,所以最佳選擇是等效電路模型。因此,本文選擇了一個(gè)二階電路等效模型[5],如圖1所示。
通過(guò)實(shí)驗(yàn)計(jì)算得到,測(cè)量值與仿真值之間的標(biāo)準(zhǔn)誤差為24.6 mV。但是考慮到線性行為下SoC的范圍是100%~10%,所以標(biāo)準(zhǔn)誤差降為10.3 mV。
1.3 模型驗(yàn)證
為了驗(yàn)證模型在任意電流分布下(-1 C~+2 C)能適用于電池,可以對(duì)一個(gè)充滿(mǎn)電的電池進(jìn)行放電消耗實(shí)驗(yàn),直至電量達(dá)到SoC的10%。驗(yàn)證結(jié)果如圖3所示。在整個(gè)實(shí)驗(yàn)過(guò)程中,仿真值與測(cè)量值之間的標(biāo)準(zhǔn)誤差是18.8 mV。
由圖3可知,該模型在電池SoC在100%~10%的范圍內(nèi)時(shí)具有很高的精確性。
緩慢估算的SoC值在1 h后逐漸趨向真實(shí)SoC值,但是其與真實(shí)值的標(biāo)準(zhǔn)偏差僅為1.0%。此外,快速估算的SoC值趨向真實(shí)值的時(shí)間僅為10 min,但是其估算結(jié)果含有大量噪聲,并且與真實(shí)值的偏差達(dá)到3.8%。
對(duì)于電池2,采用相同的濾波設(shè)計(jì),圖5顯示了基于隨機(jī)數(shù)據(jù)(開(kāi)始于SoC0=50%)的估算結(jié)果。
本文介紹了一種基于卡爾曼濾波理論的SoC值估算方法。展示了電池模型的建立和驗(yàn)證過(guò)程,在實(shí)驗(yàn)室條件下,對(duì)同一生產(chǎn)商兩塊不同的電池驗(yàn)證了仿真結(jié)果。設(shè)計(jì)了基于卡爾曼濾波理論的觀測(cè)器,尤其對(duì)兩種不同電池的不確定性進(jìn)行了深入研究:參數(shù)不確定性和測(cè)量噪聲(實(shí)際應(yīng)用中)。在SoC估算方面顯示了很好的精確性。此外,不同的觀測(cè)器顯示了一個(gè)矛盾問(wèn)題:快速估算會(huì)降低精確度,相反,緩慢估算的精確度很高。該方法可以擴(kuò)展到不同生產(chǎn)商生產(chǎn)的各種不同類(lèi)型的電池,并且在將來(lái)的電池模型設(shè)計(jì)和SoC估算中可以加入對(duì)溫度影響的考慮。
參考文獻(xiàn)
[1] COLGOV A,ZANE R,POPOVIC Z.Power management system for online low power RF energy harvesting optimization[J].IEEE Trans.on circuits and systems,2010,57(7):1802-1811.
[2] GAO L,LIU S,DOUGAL R A.Dynamic lithium-ion battery model for system simulation[J].IEEE Trans.Compon.Packag. Technol.,2002,25(3):495-505.
[3] PLETT G L.Extended Kalman filtering for management system of LiPB-based HEV battery packs[J].Journal of Power Sources,2004,134(2):262-276.
[4] Zhang Jin,Gao Antong,Chen Ronggang,et al.Discussion on the li-ion battery health monitoring and remaining-useful-life prediction[C].In ICEEP Advanced Materials Research,Guilin,China,2013:797-803.
[5] CODECA F,SAVARESI S M,RIZZONI G.On battery state of charge estimation: a new mixed algorithm[C].In 17th IEEE International Conference on Control Applications,San Antonio,TX,USA,2008:102-107.
[6] SPAGNOL P,ONOR S,MADELLA N,et al.Aging and characterization of Li-Ion batteries in a HEV application for lifetime estimation[C].In IFAC Symposium Advances in Automative Control,Munich,2010:186-191.