锂电池SOC估算方法的研究(续2).pdf
- 文档编号:18631165
- 上传时间:2023-08-23
- 格式:PDF
- 页数:4
- 大小:1.13MB
锂电池SOC估算方法的研究(续2).pdf
《锂电池SOC估算方法的研究(续2).pdf》由会员分享,可在线阅读,更多相关《锂电池SOC估算方法的研究(续2).pdf(4页珍藏版)》请在冰点文库上搜索。
O厂孙正李军(重庆交通大学机电与车辆工程学院)第0ia】技术看点汽车工穩师AutomotiveEngineerFOCUS技术聚焦2SOC估算2.1SOC的定义的定义电池荷电状态又称电池剩余电量,在数值上表示为电池的剩余电量与标称容量的比值4。
其公式定义为:
SOC=/Cn式中:
!
-剩余电量,Ah;Cn-标称容量,Aho2.1SOC估算方法估算方法现阶段SOC估算方法主要由传统方法、新型算法和机器学习算法组成。
传统算法主要有安时积分法、内阻法、开路电压法和卡尔曼滤波(KF)算法;新型算法是由各类观测器1714.卡尔曼滤波算法和仿生学算法进行改进所提岀来的,有扩展卡尔曼滤波(EKF)算法、粒子滤波(PF)算法3、滑膜观测器(SMO)算法、H8算法叭高斯回归方法(GPR)、机器学习算法主要有神经网络算法(EP)、支持向量机法3、针对各类算法,文章主要介绍现阶段使用较多的扩展卡尔曼滤波算法、神经网络算法、安时积分法和开路电压法:
7安时积分法。
安时积分法是通过电池充放电时,通过一段时间内经过电池电流对时间的积分,得到电池累积充入和放岀的电量,进而估算岀电池的SOC9、如式、所示。
SOC=SOCo-(8)%式中:
SOCcSOC初值;!
-库伦效率;/充放电电流,A;#-充放电时间,S;Cn-标称容量,Aho使用安时积分法估算SOC,方法简单,计算量较小。
但由于其开路特性,没有反馈环节,随着初值的误差而逐渐产生误差累计,导致其估算精度较差。
现阶段单一使用安时积分法进行估算,结果可信度不高,主要是通过改进或者和其他新型算法进行联合估计SOC。
文献提岀了带安时校正的EKF算法,该方法通过在EKF算法的估算中加入安时校正环节,并根据SOC来调整校正权重因子,提高了估算精度。
2)开路电压法。
开路电压法的原理是通过电池长时间的静止,使电池内部反应达到平衡,此时电池的开路电压(ECV)就近似等于电池的端电压,进而利用OCV与SOC的关系求得SOC估计值。
开路电压法,有较高的精确度,但估算时电池需要长时间的静止,不适用于动态的电动汽车中。
目前,开路电压法主要应用于参数辨识中,建立OCV与SOC的函数关系,并通过试验数据拟合得到OCV-SOC曲线。
3)卡尔曼滤波算法4、卡尔曼滤波算法是实时递推方法,简单易行,能够有效滤除测量噪声的影响,具有良好的动态跟踪性能和鲁棒性,在SOC估算中被广泛使用2、KF算法的基本思想是利用信号过程与噪声状态空间的概念,估计随机线性系统状态量在最小均方根误差状态下的最优估计值3、KF算法主要用于线性系统中进行不断地迭代更新,但基于早期的KF算法精度较差,后期衍生岀了目前使用最多的扩展卡尔曼滤波(EKF)算法。
传统卡尔曼滤波算法的状态方程和测量方程如下:
!
+1=(9)(10)式中:
:
-状态矢量;$-输入矢量;&观测矢量。
X=SOC)7(11)*基金项目:
国家自然科学基金项目资助项目(51305472);重庆市研究生联合培养基地资助项目仃DLHPYJD2018003)-34-f(xl,u)=#!
k+BkUkg(!
”U)=Cg+#UUkZykUt(12)(EKF算法是在KF算法系统状态空间方程中,将模型在Rk,,k)附近进行一阶泰勒展开,通过满足的数学期望关系而进行循环递推运算。
即将线性的方程改为含有非线性状态函数和状态空间方程,在非线性动态系统中能够得到更加精确的结果,从而减小开路电压的累积误差24,。
EKF算法能够将非线性滤波问题转化为近似线性滤波问题,其估算精度高,抗干扰效果好,鲁棒性好,适用于电动汽车电流剧烈变化的工况。
其SOC估算的流程,如图4所示。
#时刻测量值z#初始化+:
预测过程#+$=#图图4EKF算法流程算法流程P=APk-+Q协方差矩阵后验估计+#=+石+5#(状态变量后验估计II更新过程111P)10#1;1#=HP尹+/状态变量-先验估计:
11计算当前时刻卡尔曼增益111Pk=(E-KkH)Pk协方差矩阵后验估计虽然EKF算法有着较高的估算精度和鲁棒性,但其估算精度依赖于电池的模型精度,为此,随着研究的深入,又提出了无迹卡尔曼滤波(UKF)算法,通过无迹变换(UT),不需要求出雅克比矩阵,即简化了计算量,又减小了估算误差3,。
继而,又衍生出了自适应无迹卡尔曼滤波(UUKF)算法的和容积卡尔曼滤波(BKF)算法,,SOC估算的精度和鲁棒性进一步提高了。
文献29提出了改进分数阶的EKF算法,通过对状态预测方程进行分数阶积分来增加状态预测的全局相关性,提高了状态预测的精准度,并设计了滑窗思想的模型来减少计算量,该方法计算量较小的同时,又提高了估算精度。
文献20结合扩展卡尔曼滤波器和滑膜观测器的优点,提出了联合扩展卡尔曼滤波的滑膜观测器算法,该联合算法针对参数扰动具有较强的鲁棒性,估算精度高。
4)神经网络(BP)算法叫图5为3层的神经网络结构。
作为近几年算法中的热门,广泛应用于各领域中,主要因为神经网络算法的非线性强、较优的自主学习能力、估算精度高、易于在计算机中实现等优点。
利用神经网络算法进行SOC估算的基本思路是,将试验数据中电池的电压、电流、温度等参数作为输入,SOC作为输出,通过误差的反向传递,不断更新各层的权值和阈值来完成训练过程,得到最优解。
隐妙OZOZ值/权层出输图图53层层BP神经网络神经网络为了精确求解SOC,神经网络算法的训练过程需要大量的数据来支撑,目前,神经网络算法更多地与其他算法结合在一起,来充分发挥其优点。
文献2提出了AUKF-BP的联合估算算法,该方法既保留了UKF算法鲁棒性高和BP神经网络非线性强的优点,又避免了UKF算法不能自适应调整和BP神经网络收敛速度慢的缺点,该算法有较高鲁棒性和估算精度。
文献3利用回溯搜索算法(BSA)对径向神经网络(RBF)进行改进,利用BSA算法求出最优解,并更新权值矩阵和阈值,用于SOC估算,把估算误差降低到2%以内。
文献34将免-35-疫遗传算法(IGA)与BP神经网络相结合,进行SOC的联合估计。
该方法通过IGA算法对BP神经网络模型进行优化,增强了神经网络自适应学习效率,更快地进行SOC估算。
文献35提出了将蚁群(KCO)算法与动态神经网络算法相结合,利用蚁群算法的全局寻优能力优化神经网络的权值和阈值,避免了神经网络陷入局部最优。
该方法的估算精度高,泛化能力和鲁棒性好。
以上分别分析了安时积分法、开路电压法、卡尔曼滤波法以及神经网络法,现将各类SOC估算方法的特点及优缺点进行对比,如表1所示。
表表1SOC估算方法对比估算方法对比SOC估算方法特点优点缺点安时积分法单一方法的估算精度较差,多与其他算法结合使用原理简单,便于计算没有反馈环节,随初值误差而造成误差累计开路电压法多应用于静态的工况求解SOC方法简单需要长时间的静置,不适用在实际动态工况求解SOCEKF算法被广泛应用,衍生出多种基于卡尔曼滤波的算法,易于结合其他算法估算精度高,对噪声有一定的滤除作用,鲁棒性好对电池模型的精度要求高,需要精准的参数辨识,计算量较大BP神经网络算法通过改进算法,减少运算量,加快解的收敛速度,或结合其他算法来提升SOC的估算能力估算精度高,非线性强,具有自主学习能力为保证估算的精度,需要大量的数据进行训练,且收敛时间较长3结论与展望文章从电池SOC的影响因素出发,对电池模型以及参数辨识等问题分别进行了介绍,重点对当下使用较多的SOC的估算方法进行阐述。
针对SOC估算方法中尚存的一些问题提出如下建议:
1)国内大部分学者对SOC估算的研究只是通过仿真试验来验证算法的可行性,而实际车况的SOC估算仍面临其他因素的干扰,实际的估算精度和鲁棒性难免会下降。
未来的研究要在仿真试验的基础上,做进一步的实车验证。
2)未来的SOC估算需要进一步地减少计算量和估算误差,做到基于初始误差的快速响应和SOC的实时评估,使未来的电动汽车电池系统更加安全、可靠。
参考文献3、步传宇,姜昆,任军,等.基于改进型ASRCKF算法的锂离子电池荷电状态估计J广东电力,2020,33(10):
16-25.3陈元丽,赵振东,陈素娟,等.动力锂电池SOC估算方法综述汽车科技,2019(5):
65-69.3、皇甫海文,韩艾呈.锂电池等效模型建立与参数辨识方法研究3、电气开关,2020,58(3):
37-41.3李凌峰,宫明辉,乌江.采用多模模型的锂离子电池荷电状态联合估计算法J西安交通大学学报,2021,55
(1):
78-85.3、王晓兰,靳皓晴,刘祥远.基于融合模型的锂离子电池荷电状态在线估计31工程科学学报,2020,42(9):
1200-1228.3、陈媛,何怡刚,李忠.电池变温度模型似然函数参数辨识及SOC估计J电子测量与仪器学报,2019,33(12):
1-9.3、熊鑫,王顺利,谢非,等.基于Hermite插值的锂电池参数辨识方法研究31自动化仪表,2020,41
(1):
10-15.3、李光,龙吟,朱浩.基于PF-RLS的电池组SOC估算3、江苏大学学报(自然科学版),2020,41(5):
503-0&3、刘芳,马杰,苏卫星,等.基于模型参数在线辨识技术的SOC估算方法31东北大学学报(自然科学版),2020,41(11):
1543-1549.10王清宇,李军.锂电池荷电状态估算方法研究3、装备机械,2019(4):
30-34.11FengY,DuJ,XueC,etal.EstimationofSoCofBatteriesUsingTerminalSliding-ModeObserver3/221IZEE8thAnnaalInternationalConfer-eaceonCYBERTechnologyinAutomation,Controlani1|山竽皿Systems(CYBER).IEEE,2213.12BaccoucheI,ManatB,AmaroNEB.SoCestimationofLFPBatter/BnedonEKFObcoandaFullPolynomialParameters-MoOel3/2020IEEE91stVehicularTechnoloynConference(KTC2020-Spring).IEEE,2020S13ZhaoT,JiangJ,ZhangC,etai.ErrosanalysinofSOCesmanonbasedonPIoOserver3/IEEETranso-ationElectrificationConferenceaniExpoAsin-Pacific.14HBerSas,FErhimi,NEs-Sbai,JAlaonOAcomoarativeudyofANNangKalmaaFiltengbaserobserrforSOCesrnanon、IPConferenccSees:
EarthaniEnvironmentaiSciencc,2218,191
(1).15JiamDjYouyiW,ChangynaW.LiionbatteSOCesnationusingpasticiefiltesbaseronciequivalegccumoOeiC、/IEEEInter/ationaiConineeonCoiiOoI&Automation.IEEE,2013.16LinY,Co,T,LinJ,etat.StateofChaeEsrnionforLi-IonBaecsBedonUnscenteeHInfmyFiltes3、JonatofEleceicaiEngineeng&Technolon,2020,1(6):
2529-2533.17LiJ,JiaoS,YeM,etat.Stateesrnionoflithium-ionbaebaseSonGaussianpcesereyressionJ、Jonr/aiofPhysico:
ConferenceSeee,2020,1633.18LCM,ChenW,ZhangT.AnoveSseizuredianosomodelbaseSonkerneSiensyes-maonandbtsuessupportvectosmachine.BiomeSicaiSionaiProcessingandConti,22,1:
233-221.(下转第51页)-36-易后难的原则,确定排故路线从最简单的供电保险丝出发,查阅电路图发现电机控制器的供电保险丝为EF31保险丝位于车辆前舱保险丝盒中,测量EF31保险丝上端对地电压为10.9V,测量EF31保险丝下端对地电压为0。
断开蓄电池负极,拔下EF31保险丝,观察保险丝熔断情况,发现保险丝熔断,判定故障原因是供电保险熔断。
保险丝熔断的原因可能是供电电流瞬间过大或者线路对地短接,进而测量保险丝盒中EF31保险丝下端插座对地电阻来判定线路是否短接电阻为无穷大说明线路对地无短接,更换保险丝后,重新启动车辆,车辆正常上电,故障排除。
3.5结果分析结果分析高压互锁故障诊断过程中,由于整车上的PTC控制器高压插头松动,导致从整车控制器发出的高压互锁信号无法正常通过高压互锁回路回到整车控制器,所以整车控制器判断车辆的高压线路不完整,存在安全隐患,不允许车辆正常上电。
电机控制器故障诊断过程中,由于车上的电机控制器供电熔断器故障,车辆启动后,电机控制器无法正常工作,整车控制器无法接收到电机控制器自检后反馈回来的数据,所以判定电机控制器可能存在故障,如果强制上高压电可能会损坏车辆同时给驾驶员带来危险。
4结论综上所述,由于纯电动汽车控制机构不同于传统汽油汽车控制机理,纯电动车控制以全电控为主,电控分为高压电控和低压电控,在诊断维修时需要对所有电控系统有非常清晰的了解和认知,尤其是各个控制系统间的控制逻辑与关系,在排故的过程中应该将故障现象与故障诊断仪显示的信息相结合判断可能得故障范围,并按照简单到复杂的流程进行检查,并最终排除故障。
同时在纯电动汽车维修中,尤其需要注意高压电部分维修时的规范与安全,确保在诊断过程中能够保证自身的生命安全。
纯电动汽车维修其关键要点还是对于车内电控系统的熟练掌握程度以及安全、规范操作。
参考文献3;杨国亮,齐同启,柳熹等纯电动汽车高压电气系统安全设计3J汽车工程师,2015(11):
4144.杨涛,陈玉刚,王江宏等电动汽车用电安全的防护措施时代汽车,2018:
73-Y.i余小芬纯电动汽车高压互锁及失效问题分析内燃机与配件,2019(11):
53-54.3周晓飞.电动汽车动力部分结构的原理及维修注意事项3J汽车维修与保养,2015(11):
82-83.(收稿日期:
2021-04-01)(上接第36页)34刘平,秦李伟,姜点双.电动汽车动力电池SOC估算方法综述JJ汽车制造业,2020(5):
14-15+19.20;吕清,党寻诣,苏勰,等.提高车载锂电池SOC估算精度的方法研究3J车辆与动力技术,2020(3):
20-29.21PgH,GuoL,WuL,vSai.AnenhanceStemperurvdependentmonelandstatecPchaeeseionforaLCIonbatteusingextendeSKrnanfiesJJInteruaonaiJouofEnerfyResearch,2222,4(9):
7235-7795.J2王丽平,毕红雪.基于卡尔曼滤波的电动汽车电池SOC估算方法研究3J机电产品开发与创新,2019,29(3):
94-97.23;田冬冬,李立伟,杨玉新.基于改进BP-EKF算法的SOC估算JJ电源技术,2020,44(9):
1274-1278.24安治国,孙志昆,张栋省,等.基于等效模型扩展卡尔曼滤波锂电池SOC估算JJ重庆交通大学学报(自然科学版),2019,38
(2):
133-13825SunD,YuX,ZhangC,etai.StateofchaeesaonforlithiumionbattebaseSonanintelligentadaptiveunscenteSKrnanfiesJJAtesnaonaiJonr/aiofEnerfyResearch,2022,44(14):
11199-11218.36官洪运,张抒艺,井倩倩,等.一种基于UKF的SOC估算方法3J信息技术与网络安全,2020,39(10):
49-54.34李晓帆,于少娟.基于改进的AUKF锂离子电池荷电状态估计JJ计算机仿真,2019,36(9):
120-125.38徐万,谢长君,邓坚,等.基于自适应CKF的锂离子电池SOC估算3J电池,2020,50(4):
333-335.余鹏,王顺利,于春梅.基于自适应分数阶扩展卡尔曼的锂电池SOC估算3J储能科学与技术,2021,10
(1):
335-341.30周娟,孙啸,刘凯,等.联合扩展卡尔曼滤波的滑模观测器SOC估算算法研究3J中国电机工程学报,2021,41
(2):
692-703.31YingGuo,LeshuigZh,LiminHuig.SoCEsadonofLithiumBteBaseSonImpveSBPNeu1NetoorkOJEneryPceSio,2017,145:
4133-4133.32张远进,吴华伟,叶从进.基于AUKF-BP神经网络的锂电池SOC估算3J储能科学与技术,2021,10
(1):
237-33;张小辉,许傲然,王秀平.回溯搜索算法改进RBF算法的锂离子电池SOC估算研究3J电测与仪表,2020,57(18):
149-130.34杨云龙,徐自强,吴孟强,等.基于免疫遗传算法的动力电池SOC估计研究3J计算机测量与控制,2018,26(12):
220-220.33;王伯瑞,郑培.锂离子电池SOC估算研究JJ电源技术,2020,44(10):
1506-1509.(续完)(收稿日期:
2021-03-12)-51-
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 锂电池 SOC 估算 方法 研究
![提示](https://static.bingdoc.com/images/bang_tan.gif)