鋰電池荷電狀態(tài)是什么意思，鋰電池荷電狀態(tài)有什么預(yù)測方法?

一、鋰電池荷電狀態(tài)是什么意思

鋰電池荷電狀態(tài)也叫電池的SOC，全稱是State of Charge，荷電狀態(tài)，也叫剩余電量，代表的是鋰電池使用一段時間或長期擱置不用后的剩余容量與其完全充電狀態(tài)的容量的比值，常用百分?jǐn)?shù)表示。其一般用一個字節(jié)也就是兩位的十六進(jìn)制表示，含義是剩余電量為0%~100%，當(dāng)SOC=0時表示電池放電完全，當(dāng)SOC=1時表示電池完全充滿。

SOC算法一直是鋰離子電池管理系統(tǒng)(BMS)開發(fā)應(yīng)用的關(guān)鍵技術(shù)之一。SOC的估算精度越高，關(guān)于相同容量的電池，可以使電動汽車有更高的續(xù)航里程。高精度的SOC估算可以使鋰離子電池組發(fā)揮最大的效能。

目前最常采用的計算方法有安時積分法和開路電壓標(biāo)定法，通過建立鋰離子電池模型和大量的數(shù)據(jù)采集，將實際數(shù)據(jù)與計算數(shù)據(jù)進(jìn)行比較，這也是各家的技術(shù)秘籍，要長時間大量數(shù)據(jù)積累，同時也是特斯拉技術(shù)含量最高的部分。特斯拉已經(jīng)在鋰離子電池冷卻、安全、電荷平衡等與BMS相關(guān)的領(lǐng)域申請核心專利超過上百項。

鋰離子電池的荷電狀態(tài)(SOC)估算是對電池應(yīng)用研究的一個基礎(chǔ),鋰離子電池在使用中的深度充放電,會大大減少其使用年限,精確的SOC估計可以防止這種情況;剩余電量的準(zhǔn)確顯示,還能幫助汽車控制系統(tǒng)計算可行駛里程,駕駛者也可以更好規(guī)劃行駛路線。

二、鋰電池荷電狀態(tài)有什么預(yù)測方法

鋰電池荷電狀態(tài)目前主要的預(yù)測方法有：放電實驗法、開路電壓法、安時積分法、卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法等。

1、放電實驗法

放電實驗法的原理是：以恒定的電流使電池處于不間斷的放電狀態(tài)，當(dāng)放電到達(dá)截止電壓時對所放電量進(jìn)行計算。放電電量值為放電時所采用的恒定電流值與放電時間的乘積值。放電實驗法經(jīng)常在實驗室條件下估算電池的荷電狀態(tài)，并且目前許多電池廠商也采用放電法進(jìn)行電池的測試。

它的顯著優(yōu)點是方法簡單，估算精度也相對較高。其缺點也很突出：不可以帶負(fù)載測量，需要占用大量的測量時間，并且放電測量時，必須中斷電池之前進(jìn)行的工作，使電池置于脫機(jī)狀態(tài)，因此不能在線測量。行駛中的電動汽車電池一直處于工作狀態(tài)，其放電電流并不恒定，此法不適用。但放電實驗法可在電池檢修和參數(shù)模型的確定中使用。

2、開路電壓法

電池長時間充分靜置后的各項參數(shù)相對穩(wěn)定，此時的開路電壓與電池荷電狀態(tài)間的函數(shù)關(guān)系也是相對比較穩(wěn)定的。若想獲得電池的荷電狀態(tài)值，只需測得電池兩端的開路電壓，并對照OCV-SOC曲線來獲取相應(yīng)信息。

開路電壓法的優(yōu)點是操作簡單，只需測量開路電壓值對照特性曲線圖即可獲得荷電狀態(tài)值。但是其缺點有很多：首先此方法要想獲得準(zhǔn)確值，必須使電池電壓處于相對穩(wěn)定狀態(tài)，但電池往往需要長時間的靜置，方可處于此狀態(tài)，從而無法滿足實時監(jiān)測要求，往往應(yīng)用于電動汽車長時間的駐車時。

當(dāng)電池充放電比率不同的情況下，由于電流的波動會使電池開路電壓發(fā)生變化，從而導(dǎo)致電池組的開路電壓不一致，使得預(yù)測的剩余電量與電池實際剩余電量產(chǎn)生較大偏差。

3、安時積分法

實時測量電池包主回路電流，并將其對時間積分，充電為負(fù)放電為正。放電過程，用初始電量減去積分結(jié)果，得到當(dāng)前電量;充電過程，用初始電量加上積分結(jié)果，得到當(dāng)前電量。安時積分法的一個問題是，初始電量的判斷，無法直接得到。另外，由于系統(tǒng)電流的波動性很大，而電流采樣是間隔一定時間進(jìn)行一次，使得采樣值與一段時間的平均值并不一定近似，長時間累積下來，造成比較明顯的誤差，并且誤差不是安時積分法自己能夠消除的。因此，安時積分的實際應(yīng)用必須與其他方法相結(jié)合，解決初值和累積誤差的問題。

4、卡爾曼濾波法

卡爾曼濾波算法是利用時域狀態(tài)空間理論的一種最小方差估計，屬于統(tǒng)計估計的范疇，宏觀上就是盡可能減小和消除噪聲對觀測信號的影響，其核心是最優(yōu)估計，即系統(tǒng)的輸入量在預(yù)估基礎(chǔ)上對狀態(tài)變量進(jìn)行的有效修正。

該算法的基本原理是：將噪聲與信號的狀態(tài)空間模型作為算法模型，在測量時，應(yīng)用當(dāng)前時刻的觀測值與上一時刻的估計值，對狀態(tài)變量的估算進(jìn)行更新?？柭鼮V波算法對鋰電池荷電狀態(tài)進(jìn)行預(yù)測的實質(zhì)是安時積分法，同時用測量的電壓值來對初步預(yù)測得到的值進(jìn)行修正。

卡爾曼濾波法的優(yōu)點是適合計算機(jī)對數(shù)據(jù)進(jìn)行實時運(yùn)算處理，應(yīng)用范圍廣，可以用于非線性系統(tǒng)，對行駛過程中電動汽車的荷電狀態(tài)預(yù)測具有較好的效果?？柭鼮V波法的缺點是對電池模型的準(zhǔn)確程度依賴較大，為了提高該算法預(yù)測結(jié)果的準(zhǔn)確性和精度，需要建立可靠的電池模型。此外，卡爾曼濾波法的算法相對比較復(fù)雜，因此其計算量也相對較大，對運(yùn)算器的性能有較高要求。

5、神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)的目的是模仿人類的智能行為，通過并行結(jié)構(gòu)與自身較強(qiáng)的學(xué)習(xí)能力獲得數(shù)據(jù)表達(dá)的能力，能夠在外部激勵存在時給出相應(yīng)的輸出響應(yīng)，并使具有良好的非線性映射能力。

神經(jīng)網(wǎng)絡(luò)法應(yīng)用于鋰電池荷電狀態(tài)檢測的原理是：將大量相對應(yīng)的電壓、電流等外部數(shù)據(jù)以及電池的荷電狀態(tài)數(shù)據(jù)作為訓(xùn)練樣本，通過神經(jīng)網(wǎng)絡(luò)自身學(xué)習(xí)過程中輸入信息的正向傳播和誤差傳遞的反向傳播反復(fù)進(jìn)行訓(xùn)練和修改，在預(yù)測的荷電狀態(tài)達(dá)到設(shè)計要求的誤差范圍內(nèi)時，通過輸入新的數(shù)據(jù)來得到電池的荷電狀態(tài)預(yù)測值。

神經(jīng)網(wǎng)絡(luò)法的優(yōu)點是可以對各種電池的荷電狀態(tài)進(jìn)行估算，適用范圍廣;不需要建立特定的數(shù)學(xué)模型，不用考慮電池內(nèi)部復(fù)雜的化學(xué)變化過程，只需選擇合適的樣本，以及建立較好的神經(jīng)網(wǎng)絡(luò)模型，并且樣本數(shù)據(jù)越多，其估算的精度越高;能夠隨時確定電池的荷電狀態(tài)。神經(jīng)網(wǎng)絡(luò)法的缺點是對硬件要求較高，訓(xùn)練時所采用的數(shù)據(jù)樣本的準(zhǔn)確性、樣本容量和樣本分布以及訓(xùn)練方法都會對電池的荷電狀態(tài)預(yù)測產(chǎn)生很大的影響。

以上就是什么是鋰電池荷電狀態(tài)及鋰電池荷電狀態(tài)預(yù)測方法的介紹了，鋰電池的荷電狀態(tài)預(yù)測考慮的因素越來越全面，所采用的預(yù)測方法往往是前述好幾種方法的綜合應(yīng)用，使得預(yù)測結(jié)果更加準(zhǔn)確。而且目前鋰電池的等效電路模型不斷發(fā)展，更加接近實際，使得荷電狀態(tài)預(yù)測精度得到進(jìn)一步提升。