SOC算法局限性研究总结.pptxVIP

会计学 1 SOC算法局限性研究总结 SOC算法 1 常用的SOC算法：安时法、电压法、内阻法、神经网络法和卡尔曼滤波法等。 2 安时法将电池看作黑箱，不关心电池内部的结构，算法简单易行，被广泛应用，但是它会产生累积误差且无法消除； 3 电压法和内阻法是根据电池电压电压法和内阻法是根据电池电压和内阻与SOC的固定函数关系来对SOC进行估计，也得到了广泛应用； 4 神经网络法和卡尔曼滤波法是最近几年才应用于SOC估计中的智能算法，原理较为复杂，实现起来有一定难度。 第1页/共23页 SOC算法总结 SOC估计算法 优点 缺点 适用场合 卡尔曼滤波法 不仅能获得SOC的估计值，还能得到估计误差 能力要求高 适用各种电池，尤其适合电流波动大的动力汽车的SOC估计 开路电压法 简单易行，精度较高 电池组需静止较长时间达稳定状态，克服自恢复效应，很难确定达稳状时间。 只适应电动汽车停车检测，不满足在线检测要求 内阻法 电池放电后期具有较高精度和较好适应性 电池单体内阻检测较困难，放电初期内阻变化不大，增加测量难度 适应于放电后期SOC估计，可以安时法组合利用 负载电压法 可在线估计SOC,恒流放电效果好 不适应变电流或剧烈波动的放电工况 很少应用到实车，常用来作为充放电截止依据 第2页/共23页 SOC算法总结 SOC估计算法 优点 缺点 适用场合 线性模型法 对测量误差和错误的初始条件有很多的鲁棒性 适应范围不广 适用低电流，SOC缓慢变化的情况 AH计量法法 只要能精确测量放电电流，且有足够的估计起始点查询，那么是一种简单且可靠的方法 因电流精度导致累计误差，要考虑充放电效率，放电倍率，在高温，电流波动误差很大 只适应所有电动汽车电池 人工神经网络 快速方便，具有较高精度，可以现场工矿确定电池SOC 需要大量参考数据进行训练，估计方法受训练数据和方法影响很大 适用各种电池 放电实验法 具有可靠，精度高的优点 需要较长时间，测量时电池必须处于脱机状态 电池的检修和维护 动态逼近法 简单 精度一般 精度不高的场合 第3页/共23页 开路法存在的问题 1.由于不同充放电比率时电池组的电压不一致，因此对电流波动比较大的场合，这种方式的计量将失去意义。 2 不同时期电池组的内阻大小不一样，测量方式的测量精度很低。 3 对单体电池的估计要优于电池组，单体电池不均衡，会导致电池组的容量低时电压会很高。 第4页/共23页 容量积分法存在问题 1 不同放电比率状态下以Qm的值不同。 2 电池的自放电与存放时间和温度有很大关系 3 多次循环之后会出现一些误差积累 4使用一段时间后，已知SOC和测量SOC来计算误差纠正因子。但仍存在问题 第5页/共23页 电池内阻法弊端 1一般内阻测试法较多用于铅酸电池和镍氢电池 2 在线测量存在问题，单体电池测量还比较精确 3 在线测量的接触电阻以及单体电池的轮换选择，因此内阻测量误差较大 4 电池组循环过程中内阻变化不大，误差很大 第6页/共23页 卡尔曼滤波法步骤及局限性 1 开路电压法估计电池的初始容量 2 电池容量的影响因素作为系统噪声 3卡尔曼滤波最小方差估计最优化递推算法 4 实际使用中较复杂，同样需要电压的精确校 5 温度、自放电率以及放电倍率对容量的影响考虑的不够全面 第7页/共23页 电量计量受到诸多因素的影响 1 放电电流的影响 （电流积分法，电流变化较大的系统，存在着一定的误差） 2 温度的影响 3 电池容量衰减的影响（循环过程中） 4 电池的自放电影响（内部的化学反应 ，与温度成正比，按实验数据修正） 5 一致性的影响（电池组的电量估算是按照总体电池的电压来估算和校正的，电池差异大精度差） 6 其它影响（电池组管理系统的功耗影响） 第8页/共23页 目前研究状况 1 4串以下的小型电池组采用开路法，大型电池组，一般利用电流积分法。 2 影响精度，校正-电压校正。神经网络或者卡尔曼滤波法等，考虑了一些电池组循环变化和温度的影响，但为考虑电池组的自放电率和电池组管理系统功耗，循环寿命的因素，致使精度低 第9页/共23页 不均衡产生原因 (1)电池制作过程中，由于工艺等原因，使得同批次电池的容量、内阻等存在差异。 (2)电池自放电率的不同，长时间的积累，造成电池的容量的差异也不能忽视。 (3)电池使用过程中，由于使用环境如温度、电路板的差异，导致电池容量的不平 衡。 (4)电池组合前，由于筛选原则的不完善，导致的单体电池之间的不均衡。 第10页/共23页 不均衡导致结果 1 不一致性，使某些单体电池容量加速衰减。 2 由于电池组的容量是由单体电池最小容量定的，因此这些差异将使电池组的使用寿命缩短。 3 电池组的充放电过程中需要使用均衡电路 第11页/共23页 电压检测电路的现状