方獎獎,朱建新

(上海交通大學(xué)汽車電子技術(shù)研究所,上海 200240)

混合動力汽車(HEV)的電池組一般由多只單體電池串聯(lián)而成,單體電池間不可避免地存在內(nèi)阻、端電壓及容量等參數(shù)的差異[1],電池組的整體性能以其中某只不一致性較大的單體電池為限制條件。目前應(yīng)用較多的荷電狀態(tài)(SOC)檢測方法有開路電壓法[2]、內(nèi)阻法、庫侖計量法、神經(jīng)網(wǎng)絡(luò)法[3]和卡爾曼濾波法(擴(kuò)展卡爾曼濾波法[4])等。開路電壓法簡單,但精度不高,且只適用于靜態(tài)檢測,不適合在線檢測;內(nèi)阻法一般用于鉛酸電池和MH/Ni電池,由于內(nèi)阻在循環(huán)過程中變化不大,內(nèi)阻法用于判斷鋰離子電池組的SOC時,準(zhǔn)確性較差;庫侖計量法通過計算電池組電流與時間的積分來計算SOC,相對比較穩(wěn)定,也能保證一定的精度,但容易引起誤差的積累;神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波法考慮了電池組循環(huán)、電池老化及溫度等因素的影響,可提高SOC的檢測精度,但算法復(fù)雜,目前還沒有具體的應(yīng)用,這兩種方法所需的數(shù)據(jù)也要依據(jù)電池電壓的變化才能得到較好的結(jié)果[5],因此也不能保證電池對SOC精度的要求。目前,有研究者通過對電池充放電特性的分析,用容量變化(ΔQ)與電壓變化(ΔU)之比ΔQ/ΔU對SOC進(jìn)行修正[6],雖然能得到較滿意的結(jié)果,但只能作為SOC預(yù)測的輔助方法,不適用于整組電池組。

以上幾種方法僅適用于單體電池。車載動力電池組中電池單體的不一致性,導(dǎo)致了單體電池和電池組的SOC不同,有時甚至相差很大[7],因此,有必要研究一種簡單有效、動態(tài)預(yù)測電池組SOC的方法。本文作者結(jié)合動力電池的實際應(yīng)用場景,進(jìn)行了相應(yīng)的脈沖實驗。

1 實驗

1.1 實驗電池

實驗電池是28/82/108S-Fe型鋰離子電池(咸陽產(chǎn)),正極材料為LiFePO4,實物如圖1所示。將90只8 Ah的單體電池串聯(lián)而成的電池組細(xì)分為6組,每組有15只單體電池。篩選出1組具有代表意義的電池組進(jìn)行數(shù)據(jù)分析,各單體電池的內(nèi)阻和容量接近。

圖1 實驗電池的實物圖Fig.1 The real figure of batteries for testing

1.2 實驗步驟

動力電池在HEV運(yùn)行過程中為脈沖式充放電,因此結(jié)合實際使用條件,設(shè)計了脈沖式充放電步驟。

將15只單體電池分別以8 A放電至2.4 V,標(biāo)定SOC為0;再以8 A恒流對整組電池充電,如有單體電池的電壓達(dá)到3.75 V,則標(biāo)定整組電池SOC為100%,充電曲線見圖2。

圖2 電池組的8 A充電曲線Fig.2 8 A charging curve of batteries

重新將電池組放電至 2.4 V,再以 8 A充電 720 s,此時SOC約為20%,靜置20 min后,按以下步驟進(jìn)行脈沖循環(huán)。

步驟a:以10 A電流放電10 s,靜置15 min;

步驟b:以20 A電流放電 10 s,靜置15 min;

步驟c:以40 A電流放電10 s,靜置 15 min;

步驟d:以5 A電流充電10 s,靜置15 min;

步驟e:以15 A電流充電10 s,靜置15 min;

步驟f:以25 A電流充電10 s,靜置15 min;

步驟g:以35 A電流充電10 s,靜置15 min;

步驟h:以45 A電流充電10 s,靜置15 min;

步驟i:以60 A電流放電10 s,靜置15 min;

步驟j:以50 A電流充電10 s,靜置15 min;

步驟k:以80 A電流放電10 s,靜置15 min;

步驟l:以10 A電流充電90 s,靜置15 min;

步驟m:以100 A電流放電 10 s,靜置15 min;

步驟n:以30 A電流充電40 s,靜置 15 min;

步驟o:以 118 A電流放電 10 s,靜置15 min;

步驟p:以8 A電流充電360 s;

重復(fù)上述步驟。

考慮到自制實驗設(shè)備的精度,各循環(huán)開始時(步驟p后、步驟a前)對應(yīng)的SOC以實際電流積分計算,結(jié)果見表1。

表1 各循環(huán)開始時對應(yīng)的SOCTable 1 SOC according to the beginning of each cycle

系列⑧中SOC達(dá)94.6%,已對電池產(chǎn)生了不可恢復(fù)的損害,反應(yīng)很劇烈,因此后文不采用該系列。

2 實驗數(shù)據(jù)分析

計算極化電壓所用的電池模型是RC等效電路模型[8]。

2.1 電流加載前后的電壓變化

計算在不同系列SOC狀態(tài)下,不同電流加載前后的電壓變化值,設(shè)定充電時的電流為負(fù)值,放電時的電流為正值。篩選出的電池組一致性較好,因此計算中可采用整組電池的平均電壓。計算結(jié)果見圖3。

圖3 電流加載前后的電壓變化Fig.3 Change of voltage before and after the current loading

從圖3可知,在充電過程中,電流為35～45 A時電壓變化最明顯;在放電過程中,電流為80 A時電壓變化最明顯。

2.2 加載電流后的極化電壓恢復(fù)情況

極化電壓是電池狀態(tài)估算的重要參數(shù),計算不同SOC狀態(tài)下,不同電流加載后的極化電壓恢復(fù)值。在放電狀態(tài)下,主要考慮較低SOC的情況,因此選擇系列①和系列②的數(shù)據(jù)進(jìn)行分析。不同放電電流下的極化電壓恢復(fù)值見圖4。

圖4 不同放電電流下的極化電壓恢復(fù)值Fig.4 Regained polar voltage under different discharge current

從圖4可知,當(dāng)放電電流為80 A時,極化電壓的變化最明顯,因此考察在不同SOC狀態(tài)下,以80A電流放電的極化電壓恢復(fù)情況,結(jié)果見圖5。

圖5 80 A放電電流下極化電壓恢復(fù)曲線Fig.5 Regained polar voltages under 80 A discharge current

從圖5可知,SOC較低時比SOC較高時更容易引起過放電,因此在放電過程中更應(yīng)考慮低SOC的情況。

在充電狀態(tài)下,主要考慮較高SOC的情況,因此選擇系列⑦和系列⑧,分析不同充電電流下的極化電壓恢復(fù)情況,結(jié)果如圖6所示。

圖6 不同充電電流下的極化電壓恢復(fù)值Fig.6 Regained polar voltage under different charge current

從圖6可知,當(dāng)充電電流為45 A時,極化電壓的變化最明顯,因此考察在不同SOC狀態(tài)下,以45 A電流放電的極化電壓恢復(fù)情況,結(jié)果見圖7。

圖7 45 A充電電流下極化電壓恢復(fù)曲線Fig.7 The regained polar voltages under 45A charge current

從圖7可知,SOC較高時比SOC較低時更容易引起過充電,因此在充電過程中更應(yīng)考慮高SOC的情況。

3 驗證

選取實驗過程中以45 A充電電壓達(dá)到設(shè)置上限的某只單體電池和以118 A放電電壓達(dá)到設(shè)置下限進(jìn)行分析,如圖8所示。

圖8 某只單體電池的充、放電曲線Fig.8 Charge-discharge curves of certain battery

計算可知,以35 A充電后,電池組的SOC約為70%。以 35 A的電流充電10 s,電壓達(dá)到3.70 V,但未達(dá)到設(shè)置上限 3.75 V,因此SOC顯示為70%左右,此時不能再以大電流充電,否則會如圖8a所示,以45 A充電,電壓很快突破3.75 V,達(dá)到4.00 V。如果用常規(guī)的限值方法,會將SOC標(biāo)定為100%,但此時其他單體電池的SOC僅約70%,就會減少電池組的可用容量,影響電池組容量的計算。放電時也有同樣的結(jié)果,如圖8b所示,以118 A放電,電壓很快突破2.40 V,達(dá)到2.30 V。如果用常規(guī)的限值方法,會將 SOC標(biāo)定為0%,但此時其他單體電池的SOC仍有約30%。

如果通過脈沖探測估算,在35 A充電、80 A放電時對各單體電池的極化電壓恢復(fù)程度進(jìn)行計算,結(jié)果見圖9。

圖9 35 A充電、80 A放電電流下極化電壓恢復(fù)值Fig.9 Regained polar voltage under current of 35A charge and 80 A discharge

對比圖9a與圖6中的數(shù)據(jù)可知,此時該單體電池的SOC已達(dá)95%,不能再進(jìn)行大電流充電;對比圖9b與圖7中的數(shù)據(jù)可知,此時該單體電池的SOC已在20%以下,不能再進(jìn)行大電流放電。通過給整車控制器發(fā)送信息,限制大電流充、放電,同時通知均衡控制器開啟均衡,對該單體電池進(jìn)行單獨(dú)充放電,就可以解決電壓不均衡所造成的過充、過放問題[9],還可使電池組的可用容量增加約20%,提高電池組的能量利用率。

4 結(jié)論

HEV的整車性能很大程度上依賴于動力電池,采集的電池數(shù)據(jù)量比較大。為了減輕電池管理系統(tǒng)的計算量,應(yīng)選取影響最強(qiáng)烈的一組充放電電流來進(jìn)行脈沖探測檢驗。

經(jīng)試驗驗證,本文作者確定了以45 A充電電流和80 A放電電流為動力電池工作中要采集的電流脈沖,有效脈寬為10 s左右,有效采樣點為電池靜置15 min后的電流脈沖。大幅修正SOC會帶來很多不穩(wěn)定的擾動,因此建議采用分步修正SOC的方法,并通知均衡控制器來開啟電池均衡模式,對反常電池進(jìn)行充電或者放電,使之恢復(fù)到與大部分電池一致的電量狀態(tài)。此方法作為估算SOC的一種輔助方法,可在一定程度上修正SOC值,克服電池使用過程中出現(xiàn)的不一致性,可提高10%以上的電池組整體可用容量。

[1]HE Shi-pin(何仕品),ZHU Jian-xin(朱建新).鋰離子電池管理系統(tǒng)及其均衡模塊的設(shè)計與研究[J].Automotive Engineering(汽車工程),2009,31(5):444-447.

[2]Michael A R,Dirk U S.Dynamic electric behavior and open-circuit-voltage modeling of LiFePO4-based lithium ion secondary batteries[J].J Power Sources,2011,196(1):331-336.

[3]Weigert T,Tian Q,Lian K.State-of-charge prediction of batteries and battery supercapacitor hybrids using artificial neural networks[J].J Power Sources,2011,196(8):4 061-4 066.

[4]Jaemoon L,Oanyong N,Cho B H.Li-ion battery SOC estimation method based on the reduced order extended Kalman filtering[J].J Power Sources,2007,174(1):9-15.

[5]Mohammad C,Mohammad F.State-of-charge estimation for lithium-ion batteries using neural networks and EKF[J].IEEE Transactions on Industrial Electronics,2010,57(12):4 178-4 187.

[6]SHI Wei(時瑋),JIANG Jiu-chun(姜久春),LI Suo-yu(李索宇),et al.磷酸鐵鋰電池SOC估算方法研究[J].Journal of Electronic Measurement and Instrument(電子測量與儀器學(xué)報),2010,24(8):769-774.

[7]Matthieu D,Nicolas V,Bor Y L.From single cell model to battery pack simulation for Li-ion batteries[J].J Power Sources,2009,186(2):500-507.

[8]XU Wei(徐緯),WEI Xue-zhe(魏學(xué)哲),SHEN Dan(沈丹),et al.電池管理系統(tǒng)中電壓電流監(jiān)測不同步對電池內(nèi)阻辨識影響的分析[J].Automotive Engineering(汽車工程),2009,31(3):228-238.

[9]WANG Tao(王濤),QI Bo-jin(齊鉑金),WU Hong-jie(吳紅杰),et al.基于DSP和OZ890的電池管理系統(tǒng)設(shè)計[J].Dianchi Gongye(電池工業(yè)),2009,14(1):41-43.