扑克王APP

扑克王APP

官方电话:

86-0597-81237225

最新更新

首页 > 扑克王APP > 正文

电动汽车SOC估算法子

时间: 2020-01-06 来源: 扑克王APP

  2011(12) Design-Innovation FOCUS 手艺聚焦 电动汽车 SOC 估算手法 孙骏 李宝辉 薛敏 (合肥工业大学) 摘要:因为电动汽车的电池组受到温度、充放电次数及电池老化等方面身分的影响,导致现有的残余电量预测手艺很可贵 到准确和牢靠的结果。 著作扼要先容现有的电池残余电量臆度的手法:安时计量法,电压衡量法,内阻法,神经汇集和隐隐 推理的手法及卡尔曼滤波法,并对这几种手法举行了适用性明白。 注脚卡尔曼滤波法是目前较量有代价的酌量对象,且应 用远景通俗。 环节词:锂离子电池;电动汽车;荷电状况臆度;卡尔曼滤波法 SOC Estimation Algorithm of Electric Vehicle Abstract: Because of such factors influencing on battery file as temperature, time of charge and discharge and aging of the battery, it is difficult to get the accurate and reliable result with the existing estimation technology of the rest charge. The paper introduces several traditional methods of SOC estimation:ampere hour measurement, voltage test , internal resistance, neural network, fuzzy control measurement and kalman filter method. And the paper makes practical analysis on those above-mentioned ones, which indicates that the kalman filter method, with a broad application prospect, represents the current valuable research direction. Key words:Lithium battery; Electric vehicle; State of charge estimation; Kalman filter 电池荷电状况(State of Charge,SOC)的凿凿臆度 是电动汽车电池充放电掌管和动力优化解决的紧急依 据,直接影响电池的应用寿命和汽车的动力功能,并能 预测电动汽车的续驶里程。 可见,电池残余电量的凿凿 衡量短长常环节的题目。 但电池 SOC 不行直接衡量, 只可通过电池端电压、 充放电电流及内阻等参数来估 算其巨细。 而这些参数还会受到电池老化、情况温度变 化及汽车行驶状况等多种不确定身分的影响, 因而准 确的 SOC 臆度已成为电动汽车起色中亟待处分的问 题。 著作对拥有代表性的 5 种手法举行明白,并正在此基 础上提出了较量有起色远景的手法。 1 SOC 界说 SOC 是指残余电量与电池总容量的比[1],平淡把一 定温度下电池充电到不行再罗致能量时的电量状况定 义为 SOC=100%, 而将电池不行再放出电量的电量状 态界说[2]为 SOC=0%。 即: SOC=Qc/Qi=1-Q/Qi 式中:Qc— ——残余电量,A·h; Q— ——电池所放电量,A·h; Qi———电池以恒定电流(i)放电时所拥有的容量, A·h。 由于 SOC 受充电倍率、温度、自放电及老化等影 响,因此本质应用中要举行安排。 分别电动汽车对 SOC 的界说应用时势不类似。 最常用的界说为: 乙 SOC=SOC0- t η1i dt 0Q 式中:SOC0—— —充放电肇端状况; Q— ——电池的额定容量,A·h; i—— —电池的瞬时电流,A; η1— ——库伦作用系数,是电池充放电全历程的平 均库伦作用。 2 SOC 估算手法及可用性明白 2.1 电量累积法(安时法) 安时法是通过电池正在充电和放电时的电量来臆度 - 25 - SOC SOC 手艺聚焦 FOCUS 电池的 SOC,并遵照电池的温度和放电率对 SOC 举行 赔偿[2]。 此法较量简陋,是商品化电动汽车最常采用的 手法。 根本道理为: 乙 乙 t t Q0+ icηdt- iddt-S SOC= 0 0 Q 式中:Q— ——电池的额定容量,A·h; Q0— ——电池初始电量,A·h; η— ——充电作用; S— ——自放电电量,A·h; ic— ——充电电流,A; id— ——放电电流,A。 这种手法简陋易用、算法安宁,因此目前利用较为 通俗, 正在电池应用初期对相应的应用条款举行掌管可 以动作其他手法的参照规范。 正在探究了电池的自放电、 温度及充放电作用等身分的影响后, 此手法正在电池使 用初期能够抵达必然的精度。 不过该手法存正在 4 个问 题:1)因为用到了良多参数,若参数衡量禁绝,易形成 差错;2)未对电池老化和轮回次数举行赔偿;3)虽对充 放电作用举行了改正, 但未探究放电电流对容量的影 响拥有可还原性;4) 因为电流衡量禁绝和改正系数受 多种身分的影响,使得很可贵到 SOC 准确的值,跟着时 间的累积,差错会越来越大。 用安时法取得的以模仿都会工况放电时 SOC 随时 间的改观弧线 t/s 15 000 图 1 安时法估算得出的 SOC 随时期改观弧线 电压衡量法 电压衡量法是遵照电池的开途电压与电池的放电 深度之间的对应合连, 通过衡量电池的开途电压来估 算 SOC [3]。 对付蓄电池, 当电池放电时电解液浓度降 低,内阻上升,开途电压消浸,与 SOC 根本呈线性合 系。 镍氢电池和锂电池的开途电压与 SOC 合连的线性 度不如铅酸电池好,但其对应合连也能够臆度 SOC,尤 其正在充电初期和末期。电池放电下手刹那,电压神速从 开途电压状况进入负载电压状况, 正在负载电流稳固的 处境下, 负载电压随 SOC 改观的纪律和开途电压随 2011 年 12 月 打算·立异 SOC 改观的纪律肖似。该手法的上风:正在恒放逐电时负 载电压法能够及时臆度电池组的 SOC, 且拥有较好的 效率,手法简陋,正在充电初期和末期可以直接凿凿地得 到残余电量。 本质利用中开途电压法要思抵达凿凿估算 SOC, 必需餍足电池长时期静置,以抵达电压安宁。 而正在本质 操纵中电流是猛烈摇动的, 因此零丁采用负载电压法 效率并不睬思。 创立动态的负载电压和 SOC 模子能够 处分电流摇动题目,这就需求贮存洪量的电压数据,且 衡量和企图模子的创立都很困穷。 综上, 本质利用时开途电压法常与安时法联络使 用,用于充电初期和末期的 SOC 臆度,负载电压法很少 用于本质中,但常用来动作电池充放电截止的判据。 图 2 示出利用开途电压法和安时法相联络得出的 以模仿都会工况放电时 SOC 随时期的改观弧线。 该方 法目前利用最通俗。 100 80 60 40 20 0 0 5 000 10 000 15 000 t/s 图 2 模仿都会工况放电时 SOC 随时期改观弧线 内阻法 内阻衡量法是运用内阻与 SOC 之间的合连,通过 衡量内阻来臆度 SOC。 手法为: 当电池处于稳态时:U(t)=E-( I R0+Rr) 式中:E— ——电池的电动势,即开途电压,V; R0— ——电池的欧姆内阻,Ω; Rr—— —电池的极化内阻,Ω,它与电池电容(Cr)构 成 R-C 回途,影响电池工况改观时的过渡历程。 用直流法衡量内阻, 全部手法是正在很短的时期内 革新电池负载,差异测得革新前后的电压和电流,则电 压和电流可作为脉冲电压流。 遵照 2 次测得结果,可得: R0+Rr= ΔU ΔI 式中:ΔU— ——电压的改观量,V; ΔI— ——电流的改观量,A。 据此,通过试验即可得出内阻与 SOC 之间的合连, 且内阻与 SOC 正在必然水平上成反比。 内阻法的表面简 单, 只需探究放电电流和内阻 2 个身分, 但有 3 点不 足:1)电阻参数与电池 SOC 合连繁杂,用守旧的数学方 - 26 - 2第01112(期12) Design-Innovation 法很难筑模;2)正在电动车本质工况下,电流的改观是很 疾的,因而内阻的企图特别繁杂;3)正在放电初期,内阻 放电率的改观很幼,给 SOC 的估算带来难度。 内阻法 合用于放电后期的 SOC 臆度, 可与安时法组合应用。 因为手法繁杂,内阻的企图根本是离线处境,且企图量 大,因而很罕用于本质。 遵照电池内部特质得出等效电 途图,如图 3 所示。 Rr R0 Cr U E 图 3 电池等效电途 2.4 神经汇集和隐隐推理的手法 神经汇集和隐隐掌管是人为智能的 2 个分支。 电 池是高度非线性体例, 神经汇集拥有非线性的根本特 性,且拥有并行机合和练习本领;隐隐掌管亲密人的形 象思想式样,擅长定性明白和推理,具较强的天然发言 执掌本领。 它们合伙的特质即是均采用并行执掌机合, 均是无模子的预告器, 可从体例的输入输出样本中获 取体例的输入输出合连。 神经汇集起色至今崭露了多层感知器汇集 (MLP)、 径向基函数汇集 (RBF) 和援手向量机汇集 (SVM)这 3 种代表性的汇集机合。 它们正在机合上肖似, 正在中央层上有所分别 (其神经元个数取决于题目的复 杂度及明白精度),且输出层均为线性合连。 神经汇集 法必需被操练数据所操练, 正在操练中通过练习确定自 由参数。 常用的输入量为电压、电流、温度及内阻等。 输 入变量和变量数目的采选将直接影响模子的凿凿性和 企图量。 该手法不需求形容输入和输出合连的准确公 式,能够正在汇集操练中确定,拥有自适当的特质。 不过 它需求洪量的参考数据举行操练, 臆度差错受数据和 操练手法的影响很大。 隐隐推理的根本思绪是遵照洪量试验弧线, 再加 上手艺职员的体味及推理本领, 用隐隐逻辑模仿人的 隐隐思想,最终竣工牢靠的 SOC 臆度。 其正在执掌定性 方面的题目有特有的所长。 因为 SOC 的影响身分过多,难以创立体例模子,而 神经汇集和隐隐推理奇妙的避开了准确筑模的题目, 因此神经汇集和隐隐推理的手法成为酌量的热门。 2.5 卡尔曼滤波法 卡尔曼滤波法是一个最优化自回归数据执掌算 法, 它的核头脑思是对动力体例的状况做出最幼方差 意旨上的最优臆度[4]。 用于初始 SOC 臆度时,卡尔曼滤 FOCUS 手艺聚焦 波法将电池形容成由状况方程和衡量方程构成的系 统,而 SOC 则是体例的一个内部状况。 电池模子的一 般数学时势为: 状况方程: xk+1=Akxk+Bkuk+wk=( f xk,uk)+wk 衡量方程: yk=ckxk+vk=g(xk,uk)+vk 式中:uk—— —体例输入,平淡包括电流、温度、残余电量 和内阻等变量; yk—— —体例输出,平淡为电池的电压; ( f xk,uk),g(xk,uk)— ——电池模子确立的非线性方 程,企图历程中要举行线性化执掌; xk—— —体例的状况量, 卡尔曼滤波法臆度 SOC 算法的主旨, 是一套包 括 SOC 臆度值和反应臆度差错的、 协方差矩阵的递 归方程,协方差矩阵用来给出臆度差错界限[5]。 这一 方程是正在电池模子状况方程中将 SOC 形容为状况矢 量的凭借: SOCk+1=SOCk- ηikΔt C 卡尔曼滤波法的一个紧急效率正在于体例的状况估 计。 当噪声是正态漫衍时,它给出了状况的最幼方差估 计;当不是正态处境时,这种滤波给出了状况的线];卡尔曼滤波的方针是正在举行递推滤波的 同时运用观测数据供应的讯息,不绝的改正状况臆度, 减幼臆度差错,合用于安稳与非安稳历程,且拥有递推 性。 它只需记住前一步的臆度结果,由此大大淘汰了存 储器的应用量,算法上易于竣工,只需正在蓄电池初度使 用中对 SOC 举行标定,并遵照开途电压预测蓄电池初 始容量,竣工初始化事情。 该手法的精度依赖于电池模 型的凿凿性,创立凿凿的模子是算法的环节,然而电池 正在应用历程中各参数还会受到寿命和温度改观的影 响,因此参数的正在线辨识是须要的。 卡尔曼滤波法不光能供应 SOC 臆度值, 不过,此法的筑 模和竣工模子的算法都较量繁杂,本领请求高。 这种方 法可合用于任何类型的电池, 更加适合电流摇动较量 猛烈的同化动力电池 SOC 的臆度;有很强的可操作性 和适用性。 3 瞻望 跟着电动汽车保有量的日益增加,电池 SOC 凿凿 臆度的题目也渐渐表现出来,一种准确的 SOC 估算方 法亟待发现。 遵照著作对 SOC 各手法的明白,安时法、 电压衡量法和内阻法均存正在清楚的缺陷, 且单个手法 (下转第 34 页) - 27 - 手艺聚焦 FOCUS 轻电池质料,从而减轻整车质料,进步爬坡度和最大加 速率。 5 结论 通过以上的仿真明白, 能够进一步算计电池的电 量(组数)对续驶里程影响的体味公式。 遵照表 6 中所 列 48 A·h 的电池数据,运用最幼二乘法,能够拟合出 电池电量(组数)-续驶里程弧线 动作拟合阶 次,电池组数数据动作横坐标轴矩阵,续驶里程数值作 为纵坐标轴矩阵,用 Matlab 软件中 polyfit 函数,算出拟 合多项式为: y=-0.005x2+5.007 2x-1.656 9 为了将弧线拟合解与数据点举行较量, 将二者绘 成图,如图 3 所示。 由图 3 能够看出, 拟合弧线和原数据点相接线非 常亲密。 因此拟合弧线仿真度高,能够用来形容和估测 必然电池电量与可行驶的续驶里程的合连。 用同样的 手法能够做出种种型号和容量的电池的电量-续驶里 程拟合弧线, 便于插值盘查和核算纯电动汽车运转成 本。 以 48 A·h 锂电池为例,遵照此体味公式可求出所 需电量粗略为 0.288(kW·h)/km,以 0.5 元/(kW·h)核 算,汽车行驶本钱约莫为 12.5 元/100 km。 较之守旧汽 车,其经济性就显而易见了。 其它此公式也评释,正在设 2011 年 12 月 打算·立异 计纯电动汽车时, 可遵照续驶里程请求采选适合的电 池,若请求续驶里程抵达 100 km 以上,则其电池电量 必需高于 25 kW·h。 续驶里程/km 150 140 原数据点 用直线 电池组数/组 图 3 电池电量-续驶里程拟合弧线 电动汽车动作异日交通器械的起色趋向, 以环保、 节能及简便等特质被人们所青睐,动作环节手艺部件的 电池和电机,其功能直接影响到整车功能的诟谇。 通过 著作的明白,能够对电机电池对整车的影响有一个全部 的解析和观念性决断,极大地方便了仿真事情的举行。 参考文件 [1] 胡烨,宋慧. 电动汽车[M]. 北京:公民交通出书社,2006:22,122. (收稿日期:2011-10-12) (上接第 27 页) 酌量仍旧趋于成熟, 因此这些手法适合于联络其他方 法应用。 目前较为成熟且应用最多的即是运用端电压 法预测初始 SOC 值,然后运用安时法及时估算。 神经汇集和隐隐掌管的手法因无需创立模子而被 推重,但神经汇集需求洪量的参考数据来做操练,隐隐 掌管由于参杂了主观身分而扩张了臆度的不确定性。 卡尔曼滤波法因适合同化动力汽车电流摇动猛烈 的电池 SOC 臆度,再加上其很强的可操作性和适用性, 正在稠密手法中脱颖而出,成为最有代价的酌量对象。 目前已有酌量职员采用卡尔曼滤波法联络其他方 法,如 OcvKFAh 法[7],或是正在此根底上拓荒出来的无色 卡尔曼滤波法 UKF[8],均博得了较好的效率。 4 结论 正在稠密 SOC 估算手法中, 简单的手法均各有利 弊,本质中时常是组合几种手法应用,安时法联络开途 电压法是目前利用较为成熟的手法;神经汇集法、隐隐 掌管法和卡尔曼滤波法有很大的远景; 联络目前形象 - 34 - 与本质请求,卡尔曼滤波法有很大的起色潜力,但仍需 不绝酌量履行。 参考文件 [1] 陈清泉,孙逢春,祝嘉光. 摩登电动汽车手艺[M]. 北京:北京理工大 学出书社,2004:238-248. [2] 麻友良,陈全世,齐占宁. 电动汽车用电池 SOC 界说与检测手法[J]. 清华大学学报:天然科学版,2001,41(11):95-97. [3] 林成涛,王军平,陈全世. 电动汽车 SOC 臆度手法道理与利用[J]. 电 池,2004,34(5):376-378. [4] 杨朔,何莉萍,钟志华. 电动汽车蓄电池荷电状况的卡尔曼滤波臆度 [J]. 贵州工业大学学报:天然科学版,2004,33(1):99-102. [5] 程艳青,高妙煜. 基于卡尔曼滤波的电动汽车残余电量臆度[J]. 杭州 电子科技大学学报,2009,29(3):4-6. [6] 夏超英,张术,孙宏涛. 基于引申卡尔曼滤波算法的 SOC 估算战略 [J]. 电源手艺,2007,31(5):124-127. [7] 潘正国,郭世明. 基于 DSP 的同化动力汽车蓄电池解决体例[D]. 西 安:西安交通大学. [8] 毛群辉,滕召胜,方亮,等. 基于 UKF 的电动汽车锂电池 SOC 臆度方 法[J]. 测控手艺,2010,29(3):113-115. (收稿日期:2011-09-14)

©2019 Inc. All rights reserved Powered by 扑克王APP [扑克王APP - ximov.net]