SOC估計方法介紹

電動汽車用電池SOC估算電池的性能指標SOC定義SOC估算方法簡介2021/5/91電池性能指標一、電壓（1）端電壓（2）開路電壓（3）電動勢（4）額定電壓（5）工作電壓(負載電壓、放電電壓)（6）終止電壓2021/5/92二、電池容量（Ah）(1)理論容量(2)實際容量(3)標稱容量(4)額定容量(5)荷電狀態(tài)(SOC)三、能量（W·h，kW·h)電池的能量決定電動汽車的行駛距離。(1)標稱能量(2)實際能量(3)比能量（Wh／kg）(4)能量密度（Wh／L）2021/5/93四、電池內阻

電流流過電池內部受到的阻力，使電池電壓降低，此阻力稱為電池內阻。五、放電速率(放電率)

一般用電池在放電時的時間或放電電流與額定電流的比例來表示。（1）時率（2）倍率(電流率)六、電池壽命包括使用期限和使用周期。2021/5/94SOC定義一般定義:電池的荷電狀態(tài)SOC被用來反映電池的剩余容量狀況，其數值上定義為電池剩余容量占電池容量的比。如果以電池充滿狀態(tài)定義為，定義式可表示為式中，

為電池剩余的容量，

為電池以恒定電流I放電時所具有的容量，Q為已放出電量。2021/5/95修正定義將電池的荷電狀態(tài)設定為標稱荷電狀態(tài)和動態(tài)荷電狀態(tài)兩種情況。(1)特指某一恒定溫度下以標稱的恒定電流放電時，電池所放出的標稱容量為基準所確定的值。標稱荷電狀態(tài)將電流和溫度固定化，但需對電池不可恢復性容量影響因素（如極板老化）進行修正：2021/5/96式中，Q為電池在標稱的電流下所放出的電量，CB為電池以標稱的恒定電流放電所具有的容量,為電池不可恢復性影響因素。2021/5/97

（2），指隨電流、溫度參數變化的電池荷電狀態(tài)，動態(tài)荷電狀態(tài)參數

以標稱荷電狀態(tài)參數為基準，根據電流的變化進行換算，溫度變化則以影響因數的形式予以修正：式中，為溫度影響因數，可通過對該類電池進行試驗獲得；I為當前及以后一段時間持續(xù)穩(wěn)定的實際電流。2021/5/98SOC估算方法簡介SOC估算方法可歸結為電量累積法、電阻測量法和電壓測量法3種基本類型。具體包括電量累積法、開路電壓法、阻抗法、卡爾曼濾波法、神經網絡法等。2021/5/99（1）電量累積法通過累積電池在充電或放電時的電量來估計電池的SOC，并根據電池的溫度、放電率對SOC進行補償。式中，為初始，為電池額定容量；I為充放電電流，充電時取負，放電時取正；為充放電效率。2021/5/910優(yōu)點：簡單，在短時間能夠準確估算SOC。缺點：開環(huán)預測，存在無法確定初始SOC和累計誤差越來越大的問題。2021/5/911（2）開路電壓法通過實驗方法描述在不同放電電流情況下的電池的端電壓與電池的剩余能量的關系曲線，并存儲特征關系曲線。實時采樣電池放電時的端電壓，查表求出電池的剩余能量，同時考慮電池的使用壽命以及內阻對電池SOC的影響，對求得的電池剩余能量進行校正。優(yōu)點：簡單易行。缺點：但是需要電池長時間靜置，不能滿足在線檢測的要求。2021/5/912（3）阻抗法荷電狀態(tài)(soc)影響電池的交流阻抗，因此有學者提出可以用阻抗值來估計SOC。用不同頻率的交流電激勵電池，測量電池內部交流電阻，并通過建立的計算模型得到SOC估計值。優(yōu)點：反映了電池在某特定恒流放電條件下的SOC值。缺點：根據此SOC判斷電池能繼續(xù)放出的電量，還必須考慮后階段放電率的實際情況。此外，由于電池SOC與電阻參數之間關系復雜，用傳統(tǒng)的數學方法很難建模，還有很多因素都可以改變內阻，比如溫度，充放電電流，SOH等。當SOC>40％時，阻抗變化很小。2021/5/913（4）卡爾曼濾波法它利用系統(tǒng)和測量動態(tài)的知識、假設的系統(tǒng)噪聲和測量誤差的統(tǒng)計特性，以及初始條件信息，對測量值進行處理，求得系統(tǒng)狀態(tài)的最小誤差估計。電動汽車用電池組，可看作是由輸入和輸出組成的動態(tài)系統(tǒng)。2021/5/914在了解系統(tǒng)一定先驗知識的前提下，建立系統(tǒng)的狀態(tài)參數方程，再利用輸出的校驗作用，獲得對系統(tǒng)包括荷電狀態(tài)在內無法直接測量的內部參數估計。在電池等效電路模型的基礎上，建立了系統(tǒng)的狀態(tài)方程和測量方程。根據電池組放電試驗數據，應用卡爾曼濾波算法估計電池組的開路電壓，實現對電池荷電狀態(tài)的估計。2021/5/915優(yōu)點：能夠根據采集到的電壓電流，由遞推算法得到SOC的最小方差估計，解決SOC初值估計不準和累計誤差的問題。缺點：對電池模型依賴性很強，對系統(tǒng)處理器的速度要求較高。2021/5/916（5）神經網絡法理論上，只要有適合的訓練數據和訓練方法，神經網絡可以得到任何輸入和輸出之間的關系。該方法必須獲得鋰電池的性能參數，