基于内阻与开路电压差联合法铅酸蓄电池SOC估计.docVIP

基于内阻与开路电压差联合法铅酸蓄电池SOC估计 　　【摘要】为了准确判断铅酸蓄电池的剩余电量，本文在分析传统方法的基础上，将蓄电池内阻与开路电压差结合来构建一种新型的蓄电池SOC估计算法，并进行了基于MSP430单片机的蓄电池剩余电量检测系统设计。 　　【关键词】蓄电池；SOC；单片机 　　1.引言 　　阀控式铅酸蓄电池（VRLA）具有容量大、价格低、免维护等优点，因此作为电源广泛应用于交通、通信、军工、电力、金融等领域。蓄电池的储能、充电、放电是一个复杂的电化学反应系统。在实际运行时，不同负载条件、使用时间、充放电次数、以及温度等多方面的原因会使得蓄电池容量降低，性能下降，进一步会影响蓄电池供电系统的正常工作，因此，对蓄电池剩余电量的精确预测，不仅可以监测蓄电池剩余电量，还可对蓄电池的健康状况进行评估，有利于使用维护设备人员提前对蓄电池采取相应措施，避免蓄电池故障给设备使用带来影响。对蓄电池的剩余电量，业界通常用荷电状态SOC（State of Charge）来表示。传统采用端电压的变化来估计蓄电池的剩余容量，蓄电池端电压高，其剩余电量大，反之亦然，然而随着蓄电池的使用时间增加，老化问题越显严重，存储容量就会减小，但是端电压变化不明显，所以用蓄电池的端电压的变化及其大小来推断蓄电池的SOC时存在较大的误差[1]。因此，蓄电池的SOC预测一直是国内外相关机构和研究人员的研究热点，于是相关研究人员提出了不同的在线监测方法并进行了相关实验，其方法有开路电压法、电液比重法、安时积分法、内阻法、卡尔曼滤波、神经网络和模糊推理等，但每一种预测方法都有一定的不足之处，例如开路电压法无法进行开路电压的在线测试、电液比重法的测量相当复杂，安时积分法无法准确确定初始容量等[2]。针对上述问题，考虑蓄电池的相关特性，本文给出了一种基于蓄电池内阻和开路电压差组合的方法来搭建蓄电池SOC预测模型，并在此基础上，设计了基于MSP430F149单片机的铅酸蓄电池SOC预测系统。 　　2.常用蓄电池SOC预测方法 　　2.1开路电压法 　　研究表明，铅酸电池电动势与SOC密切相关，而电池开路电压在数值上接近电池电动势，因此铅酸蓄电池的荷电程度SOC跟蓄电池电解液密度密切相关，根据W.NERNST方程可知铅酸蓄电池的电解液与铅酸蓄电池电动势存在相应的关系，因此通过测量蓄电池的开路电压，便可计算蓄电池的剩余电量[3]。但是缺点在于随着蓄电池使用时间增长，电池老化加剧、其剩余电量下降时，开路电压并无明显变化显，因此利用开路电压就无法准确预测蓄电池的剩余电量。 　　2.2安时积分法 　　安时积分法是传统经典的SOC估算方法，又称库伦计数法，是目前电池电量管理系统中最广泛使用的一种方法[5]。它是通过对电流连续检测并进行积分来求得到电池释放或吸收的电量，再利用蓄电池的初始储能减去释放或加上吸收的电量，从而得出电池的SOC值，该方法有以下几个缺点：（1）要求电流的检测精度和频率非常高，否则会导致积分误差不断累加，最后便不准确；（2）电池充放电效率和电池的SOC值与多种因素相关，例如电流、温度、老化、内阻变化率、寿命等，并成非线性关系，某些量是难以准确测量，这将造成SOC的估算误差越来越大，形成累积误差；（3）当负载不断变化时，蓄电池的电流波动将会变化剧烈，电池的容量也会随之发生变化，仅用该方法很难得到准确结果。 　　2.3内阻法 　　相关研究表明，电池的内阻与SOC之间有较高的相关性，因此通过测量电池内阻便可较准确地预测蓄电池的剩余电量。当蓄电池完全充电（充满）和完全放电（放完）时，其内阻相差约2-4倍左右。随着电池充电过程的进行，内阻逐步减小，当充电充满时内阻最小；随着放电过程的进行，内阻逐步增大，当放电放完时内阻最大。此外，随着使用时间增长，电池将会逐渐老化，其内阻也将逐渐增大，其剩余电量也随之下降。因此用测量蓄电池内阻来预测蓄电池的剩余电量，相比之下要比开路电压法的结果更准确一些。但是根据文献[6]给出的蓄电池内阻与SOC的变化关系曲线可知在剩余电量高于40%以上的区域内，蓄电池的内阻基本没有变化，并且不受放电电流的影响；而当剩余容量小于40%时，蓄电池的内阻才明显增加。因此内阻法在蓄电池的剩余容量小于40%便可准确预测，当剩余容量超过40%时，基本无法准确预测。 　　2.4高级预测方法 　　由于蓄电池剩余容量与电池开路电压、电池充放电电流、循环次数、蓄电池内阻、电解液密度和温度、自放电等多个参数有关，并且具有较强的非线性，因此采用相关方法很难得到准确估算值，因此相关研究尝试将相关自适应模型或智能算法用于蓄电池的SOC估算[3]，其中以卡尔曼滤波器、模糊推理和神经网络研究较多[4]。卡尔曼滤波法虽然对初始SOC误差不敏感，但是对电池性