新能源汽车电池SOH 计算方案

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,电动汽车,SOH,综述,SO,H,的定义,SOC与SOH的关系,SOH,的测量方法综述,电压曲线拟合法估算动力电池的SOH,SOH,的定义,SO,H,的定义,由于电池长期使用必然发生老化或劣化，因而必须估计电池的健康状况(State-of-Health,SOH )，也称为寿命状态，也有的称为老化情况、劣化程度或者落后电池，文献中叫法不一，但表达的意思基本上是一样的。,电池SOH的标准定义是在,标准条件下动力电池从充满状态以一定倍率放电到截止电压所放出的容量与其所对应的标称容量的比值,，该比值是电池健康状况的一种反映。该定义适合描述纯电动汽车的健康状况，因为纯电动汽车应用基本上是全充全放，每个充放电循环后便于相互比较。,简单来讲，也就是,电池使用一段时间后某些直接可测或间接计算得到的性能参数的实际值与标称值的比值,，用来判断电池健康状况下降后的状态，衡量电池的健康程度，其实际表现在电池内部某些参数(如内阻、容量等)的变化上。根据电池特征量定义电池健康状状况的方法如下:,SOH,的定义,(1),从电池剩余电量的角度定义,SOH:,其中, 为电池当前可用的最大电量， 为电池未使用时的最大电量。,(2),从电池,(,能量释放,),启动功率的角度定义,SOH:,其中， 为电池实时放出的启动功率， 为1OO%SOC时所预测的电池放出的启动功率， 为电动汽车需要的最小启动功率。,SOH,的定义,(3),从电池容量的角度定义,SOH:,(4),从电池内阻的角度定义,SOH:,其中， 为电池寿命终结时的电池内阻， 为电池出厂时的内电阻,R为电池当前状态下的内阻。,其中， 为测量容量， 为电池标称容量。,SOC,与,SOH,的关系,一般情况下，,SOC,描述的是电流参数的短期变化，,SOH,描述的是长期变化。,SOH,的测量不需要连续进行，对多数情况只要定期测量就够了，测量的周期取决于不同应用。,SOH,测量外推法可以预测电池的寿命，但是，也会突发电池故障，是难以预料的。为了测定电池的健康状态，必须知道实际的,SOC,，或者必须在相同的,SOC,下测量,SOH.,SO,H,的测量方法综述,SOH,以百分比的形式表现了当前电池的容量能力，对一块新的电池来说，其,SOH,值一般是大于,100%,的，随着电池的使用，电池在不断老化，,SOH,逐渐降低，在,IEEE,标准,1188-1996,中有明确规定，当动力电池的容量能力下降到,80%,时，即,SOH,小于,80%,时，就应该更换电池。目前有以下几种,SOH,估算的方法：,(1),直接放电法,:,想要知道电池的,SOH,最直接的方法是让单体电池实际放电一次，测试放出的电量。目前利用负载对单体电池,SOH,评价是业内唯一公认的可靠方法。,但这种方法也存在一些缺点,:,需要离线测试电池的,SOH,，这对车用动力电池来说实现困难,;,测试负载较笨重，操作不方便,;,若用,O.1C,倍率放电，放电过程大概需要,10,个小时，测试时间太长。,SO,H,的测量方法综述,(2),内阻法,:,主要是通过建立内阻与,SOH,之间的关系来估算,SOH,，大量论文都己说明了电池内阻和,SOH,之间存在确定的对应关系，可以简单的描述为,:,随电池使用时间的增长，电池内阻在增加，将影响电池容量，从而可以估算,SOH,。上海同济大学做过类似研究，认为,SOH,与内阻是对应变化的，对,SOH,进行了如下重新定义,:,其中， 代表电池当前的欧姆内阻， 代表电池出厂时的欧姆内阻， 代表当电池容量下降到,80%,时电池的内阻。此时，,SOH,分布在,0-100%,之间，一块新电池的,SOH,为,100%,，报废电池的,SOH,为,0,。,SO,H,的测量方法综述,这种方法也存在一些缺点,:,经研究当电池容量下降了原来的,25%,或,30%,后，电池内阻才会有较明显的变化，而标准中规定当电池容量下降到,80%,时电池就应该被更换，所以想要通过这种方法实时估算电池的,SOH,难度较大，而且电池内阻很小，一般是毫欧级，属于小信号，要想准确测量电池内阻也比较困难。目前这种方法还没有得到实际的应用。,(3),电化学阻抗分析,:,它是一种较复杂的方法，其主要思想是向电池施加多个正弦信号，这些信号的频率是不同的，然后运用模糊理论对己采集到的数据信息分析，预测电池的当前性能。,用此方法之前，需要做大量的数据采集与分析，以获取此款电池的特性，而且还需要较扎实的关于阻抗及阻抗谱的理论知识，除此之外造价也较为昂贵。,SO,H,的测量方法综述,(4),模型法,:,这种方法的主要思想是分析电池内部所发生的化学反应，以此为基础建立电池的模型，用此模型来计算电池容量的衰减，来得出电池的,SOH,。当量子力学这一学说应用到化学动力学之后，化学反应这一微观过程有了新的论证，从而形成了过渡状态理论，如艾林方程,:,其中，,M,表示电池容量的衰减量,;t,表示电池的使用时间，在动力电池系统中可以用充放电的循环次数来表征,;,表示活化焓,;,表示活化嫡,;h,表示普朗克常数,;K,表示波尔兹曼常数,;R,表示摩尔气体常数,;,表示标准浓度。,SO,H,的测量方法综述,这种方法需要认真分析电池内部化学反应，并知道电池一些固有参数，如活化烩，活化嫡等，而且运用之前也需要做大量关于电池寿命的试验，试验量大。目前来说此种方法难度较大，耗时较长，对于本课题来说并不适合。,（,6,）电压曲线模型法,这种方法的优点是,:,建模简单不需要做大量的试验,;,也不需要电池的一些固有参数,;,成本低,;,估算精确，因此本文采用这种方法对电池的,SOH,进行估算。估算的具体步骤及实现方法将在下文中具体阐述。,目前，纯电动汽车动力电池,SOH,的估算大多数在电池管理系统中实现，电池,SOH,的估算作为电池管理系统的一个功能模块。因此本文介绍电池管理系统的国内外发展现状。,电压曲线拟合法估算动力电池的,SO,H,电压曲线拟合法相对于目前其他估算电池健康度的方法而言，具有运算量小、成本低、易实现等特点，而存在的不足就是通用性较差，根据电压曲线拟合法所建立的估算,SOH,的模型仅适用于这一型号的锂离子动力电池，换句话说就是，如果车上换了一批新的型号的电池，就要重新建立估算模型，这种模型的建立过程并不复杂。因此，综合考虑现有实验条件与各方法的优缺点，选用电压曲线拟合的方法来估算电池的,SOH,，电压曲线拟合法估算,SOH,的原理框图如下：,电压曲线拟合法估算动力电池的,SO,H,下面以锂离子电池为例阐述估算,SOH,的过程：,电压曲线拟合法估算动力电池的,SO,H,锂,离子电池充放电特性及循环特性分析,纯电动汽车动力电池在使用过程中，随着电池的老化，也就是容量的衰减，动力电池在充放电过程中所表现出来较为直接的现象就是,:,在大电流充电或放电时，电池的端电压会急剧的升高或下降。电压曲线拟合法就是利用不同健康度下的电池充入或放出相同电量时，会有不同的电压表征这一特点，来估算电池当前的,SOH,。,对环宇,200Ah,的磷酸铁锂单体动力电池进行充放电循环试验，试验所用到的设备有东莞宏展恒温箱以及宁波拜特电池测试系统。,电池测试系统的功能是，按照之前设置好的流程对电池进行充放电循环试验，与此同时，每隔一段时间记录单体电池的电流、电压、能量、容量和温度等。恒温箱的功能是能让电池保持一个恒温的状态，将要测试的单体电池放入恒温箱中，设定需要的温度。,电压曲线拟合法估算动力电池的,SO,H,目前，应用于纯电动汽车的充电方式有三种,:,恒压充电、恒流充电以及先恒流充电再恒压充电，常用的就是第三者先恒流再恒压。,本次循环试验就是用的先恒流充电，再恒压的充电方式，用,200A,电流对电池进行恒压充电，直到电池两端电压上升到,3.9V,时，再用,3.9V,电压对电池进行恒压充电，直到电池充电电流下降到,20A,时，认为电池充满，也可根据恒压充电的时间来结束电池的恒压充电。电池温度设定为常温,25,。,在上述情况下，单体电池一共循环充放电进行了,448,次，每次循环电池的数据都做了详细记录，以便以后使用。,电压曲线拟合法估算动力电池的,SO,H,220Ah,环宇电池部分循环数据,电压曲线拟合法估算动力电池的,SO,H,充放电特性分析,随着电池循环实验的进行，电池容量会逐渐衰减，也就是说，电池的,SOH,会逐渐下降，在这个过程中电池充电电压曲线与电池放电会产生相应的变化。下图就是不同,SOH,下电池的充电电压曲线。,分别是循环,55,105, 206, 305, 405,次时的充电电压曲线,电压曲线拟合法估算动力电池的,SO,H,图中横坐标代表的是充电时的时间，纵坐标代表的是电池两端的电压。由图可知，随着电池容量的衰减，电池充电电压曲线会发生变化，但总体的变化趋势不变。对于电池的放电电压曲线，也是这种情况，如图所示。,分别是循环,55, 105, 206, 305, 405,、次时的放电电压曲线,电压曲线拟合法估算动力电池的,SO,H,因此可知，不论是电池的充电电压曲线，还是放电电压曲线，都可以用来估算电池的,SOH,，但考虑到电动汽车在运行过程中工况比较复杂，放电电流、温度等其工作情况较为复杂，而电池充电时其工作工况较为稳定，因此选用电池的充,电,电压曲线来估算电池的,SOH,。,循环特性分析,从整个循环过程来看，需要注意两点，第一点就是电池循环充放电次数与电池SOH之间的关系，如,下,图所示。,电压曲线拟合法估算动力电池的,SO,H,电池,SOH,与循环次数之间的关系,电压曲线拟合法估算动力电池的,SO,H,由图中可以看出，电池循环前期，随着循环次数的增加，电池的,SOH,缓慢下降，当循环试验进入到后期，随着循环次数的增加，电池的,SOH,会有较大程度的下降，其中，前面波动较大是由于新电池刚开始充电时性能不稳定造成的。后期会根据这一规律，用电池的,SOH,来预测电池的剩余循环次数。,第二点就是在电池在充电时，先恒流充电后恒压充电，由实验结果可知，不论电池的,SOH,为多少，其恒压充电所冲入的容量几乎不变，如图所示。,恒压充电容量与循环次数的关系,电压曲线拟合法估算动力电池的,SO,H,曲线前面波动较大，同样是由新电池的不稳定造成的，当曲线稳定后，恒流充电的容量会在,10-12Ah,的范围内波动，近似认为电池恒流充电所冲入的容量是不随,SOH,的变化而变化的，是恒定不变的。因为恒压充电时，电池电压是保持不变的，因此用电压曲线拟合法估算,SOH,时，恒流充电的这一段要等效转化为横流充电，在后期转化时就要用到这一现象。,电压曲线拟合法估算,SOH,的算法,首先，将电池充电电压曲线归一化，并将不同,SOH,的归一化后的充电电压曲线放入同一坐标轴，然后选取居中的一条曲线作为基准曲线，并用,BP,神经网络来拟合这条曲线，最后根据这条基准曲线来估算电池的,SOH,。,电压曲线拟合法估算动力电池的,SO,H,电池充电电压曲线的归一化,实际上，通过观察电池充电时的电压随时间变化的曲线，我们可以知道电池的充电电压曲线的形状是非常相似的，因此我们可以采用尺度变换的方法，将电,池的充电电压曲线归一化，如右图所示，,第,105,次循环归一化后的电池充电电压曲线,电压曲线拟合法估算动力电池的,SO,H,归一化的过程就是，记电池开始充电的电压,Ve,的时刻为,Te,，记电池充电时的截止电压,V,P,的时刻为,T,P,，记电池充电结束时的电压,Vt,的时刻为,Tt,，其中,V,P,与,Vt,相等。记恒压充电所冲入的容量为,Ce,，选,Ve,为电压轴的起点，,V,P,为电压轴的终点，用,V,P,-Ve,将电压轴归一化。将恒压充电的容量等效转化为恒流充电的时间,Tw,，如式,(3. 2),所示，用,T,P,一,Te + Tw,将时间轴归一化，归一化过程如式,(3.1), (3.3),所示。,电压曲线拟合法估算动力电池的,SO,H,将充电电压曲线归一化后，充电时间与充电电压都从,0,开始，充电电压到,1,结束，充电时间由于恒压段充电的原因到不了,1,。经过这样的处理，电池充电过程的开始与结束这两端都被约束起来了。,电池在不同情况下的充电电压曲线在经过归一化处理后，表现出了较好的一致性，并且对环境温度、充电倍率在小范围内的变化不太敏感。因此通过对电压曲线的归一化就能够得到电池的实际充电电压曲线，从而较为准确的估算电池的,SOH,。,电压曲线拟合法估算动力电池的,SO,H,采用比较归一化后曲线所包围面积的方法，评估不同循环次数下,(,不同,SOH),下的充电电压曲线归一化后的一致性程度。由于循环试验所采集的电池充电数据是分散的，不是连续的，因此在计算曲线所包围的面积时，可以用线性插值的方法，这种方法即方便又较为准确。因此计算面积公式如下所示,:,基准充电电压曲线的选取,根据上面的公式，就可以计算出不同,SOH,时，电池充电电压曲线归一化之后所包围的面积，然后就可以选取面积居中的曲线作为基准曲线。此外，也可以用面积的方法来评价归一化曲线一致性的好坏。,电压曲线拟合法估算动力电池的,SO,H,BP(即Back Propagation)神经网络，是一种误差信号沿反向传播，工作信号沿正向传播并含多层神经元的前向神经网络。本文主要利用BP神经网络能逼近任意的非线性函数这一特点，对电池的充电电压曲线作曲线回归。相比于数学方法中其他的非线性回归方法而言，使用BP神经网络具有精度高、方法简便等优点，而如果运用数学中其他的非线性回归方法就需要:首先根据已知曲线构建非线性数学模型，然后将非线性模型线性化并求解，而精度受所构建模型的影响，根据电池充电特性可知，数学模型可能会用到分段函数，使问题复杂化。由于本文所研究的SOH的估算方法会应用到远程监控系统中去，而远程监控系统所用的组态王能够与matlab联合计算，因此本文选用BP神经网络来拟合电池充电电压曲线。,人工神经网络(Artificial Neural Networks，简称ANNs)是一种模拟生物大脑神经突触连接的结构而建立的用于信息处理的数学模型。一个完整的神经网络系统是由许多神经元(神经网络的组成单元)互相连接组成的，神经元是一种具有多输入、单输出的基本单元，其结构如,下,图所示。,BP,神经网络拟合基准曲线,电压曲线拟合法估算动力电池的,SO,H,人工神经元模型,图中,Xj(j=l,2,.,n),功为神经元的输入信号，,yi,为输出信号，,si,为外部输入信号，,i,为神经元的阀值，,ui,为神经元内部的状态，,wji,为神经元输入信号的权重值。根据神经网络的基本原理，上述模型可用下式表示,:,电压曲线拟合法估算动力电池的,SO,H,当神经元内部没有设定状态时，可使,y,i=,u,i；,h=f，选用Sigmoid函数,，,其表达式如,下,所示:,一个单独的神经元并没有实际意义，只有将大量的神经元按一定规律连接起来，才能实现神经网络对信息处理的功能，并体现出其优越性。,多层向前神经网络的基本结构如下图所示，其中神经元排列形式为分层分布，以形成神经网络所需要的输入层、输出层以及中间的隐含层，且每层神经元只会将前一层的输出作为输入。神经元节点分为输入单元与计算单元两类，信号经过前一层网络处理后，再传输到下一层网络，整个过程并不存在反馈信号。,电压曲线拟合法估算动力电池的,SO,H,BP,神经网络的学习方法采用最小均方差的方法，其学习过程分为两种，分别为正向传播学习过程和反向传播学习过程。正向传播学习过程中，信号首先经输入层进入隐含层，经过隐含层的处理再传向输出层。若输出结果与期望值不符，则误差将会沿着之前的路径反向传播，在此过程中逐步更改每个神经元的权值，直到神经网络的输出值与期望值之间的误差达到最小。,多层向前神经网络的基本结构图,本文将使用,BP,神经网络拟合电池电压、内阻等数据的曲线，所使用的神经网络都是先经过离线训练然后在线使用的。由于所要拟合曲线都相对较为简单，因此本文选用的,BP,神经网络为单输入、但隐含层、单输出的结构，神经元的激活函数选用,Sigmoid,型，由于拟合曲线的精度将直接影响将来,SOH,的估算精度，因此本文隐含层中神经元的个数选定为,7,，期望在尽可能短的学习时间内达到较高的拟合精度。,电压曲线拟合法估算动力电池的,SO,H,本文的实验验证主要是考虑不同,SOH,、不同充电倍率、不同温度这三点来进行的，如果电池在以上各种不同条件下进行充电实验，且不同条件下电池归一化后的充电电压曲线能达到较好的一致性的话，则可以认为曲线拟合的方法能够用于锂离子动力电池,SOH,的估算。,一、不同,SOH,的影响,随着锂离子电池的使用，由于电池本身或使用不当，会导致电池容量能力的衰减，电池的,SOH,会下降。而估算电池的,SOH,一个重要问题就是要面对不同的,SOH,，因此在不同,SOH,下，归一化后曲线的一致性就更加重要。本文选用的是环宇电池循环实验中第,5, 105, 206, 305, 405,次的实验数据作验证，此时充电电流的倍率为,1C,温度为,25,C,。分别将这几次的循环充电电压曲线归一化，如下图所示。,归一化电压曲线精度验证,电压曲线拟合法估算动力电池的,SO,H,分别是第,55, 105, 206, 305, 405,次循环的充电电压归一化曲线,电压曲线拟合法估算动力电池的,SO,H,由图中我们可以看出，经过归一化后，不同,SOH,下的,5,条充电曲线有较好的一致性。再利用曲线包围面积的方法，计算五条曲线所包围的面积，结果如下表所示：,不同,SOH,电池归一化充电电压曲线一致性对比分析,电压曲线拟合法估算动力电池的,SO,H,在上表中，将归一化后的曲线所包围的面积排序，选取第,105,次循环的充,电曲线为基本曲线，其它曲线所包围面积与基本曲线相比的误差值也在表中清楚列出，从误差的分布规律来看，循环次数越偏离基本曲线的循环次数，其误差就会越大，这对于不同,SOH,电池的估算是不利的。也就是说只有电池的,SOH,接近于,90%,时，才能较为准确的估算出来，当电池,SOH,偏离这一值较大时，估算误差也会相对增加。但总体来说，曲线的一致性还算不错。,二、不同充电倍率,电池的充放电电流的大小常用电池额定容量的倍率来表示，如,100Ah,的锂离子电池，按,0.1C,倍率充电其充电电流为,10A,，按,1C,倍率充电其充电电流为,100A,。由于电池电化学特性的非线性，电池的充放电电流与充放电时间的积并不是一个常数，当用较高的倍率充放电时，电池的充放电时间会明显缩短，因此要避免使用较高的充放电率。,选用,SOH,为,100%,的环宇电池，分别用,0.5C, 0.6C, 0.7C, 0.8C, 0.9C, 1C,的充电倍率对其充电，记录充电电压曲线，环境温度设为,25,C,。将记录的曲线归一化，如下图所示。,电压曲线拟合法估算动力电池的,SO,H,分别是以,0. 5C, 0. 6C, 0. 7C, 0. 8C, 0. 9C, 1 C,的充电倍率充电的充电电压归一化曲线,电压曲线拟合法估算动力电池的,SO,H,依然选用,SOH,为,100%,，充电率为,1C,的曲线为基准曲线，计算各个归一化曲,线的面积，以基准曲线的面积值为真值，计算其它曲线的误差值，结果如下表所示。,不同充电率电池归一化充电电压曲线一致性对比分析,电压曲线拟合法估算动力电池的,SO,H,从上表中数据可知，当充电倍率在小范围内波动时,(,如,0.1C-0.2C),，电池归一化后的曲线误差很小，几乎可以忽略，也就是说当充电倍率小范围波动时，归一化后的充电电压曲线的一致性非常好。但当充电倍率波动范围较大时,(,如,0. 5C),，误差会较大，这样会直接引起估算,SOH,的精度，这也就说明，不能用电动汽车放电电压曲线来估算,SOH,，因为电动车上动力电池的实际放电电流波动很大，一般会在,0. 5C,以上。,三、不同环境温度,锂离子电池所处的工作环境温度，会对电池的性能产生较大的影响，在电池操作手册中都有明确说明，当环境温度发生改变时，电池的参数要做出相应的温度补偿。在电池充电过程中，过高和过低的环境温度，都会对电池的充电能力产生影响，而锂离子电池的适宜工作温度是根据电池内部各活性物质的最佳工作温度的范围确定的，这些温度的交集就是电池的最佳工作温度一般在,25,C-30,C,之间。,将选出的,SOH,为,100%,的环宇电池，令其分别在,30,C, 25,C, 20,C, 15,C,10,C,的环境温度下进行充电实验，记录充电时的电压曲线，此时的充电倍率设定为,1C,。并将不同温度下的电压曲线归一化，如下图所示。,电压曲线拟合法估算动力电池的,SO,H,分别在,30C, 25C, 20C, 15C, 10C,的环境温度下充电的充电电压归一化曲线,电压曲线拟合法估算动力电池的,SO,H,依然选用,SOH,为,100%,，充电率为,1C,的曲线为基准曲线，计算各个归一化曲,线的面积，以基准曲线的面积值为真值，计算其它曲线的误差值，结果如下表所示。,不同温度电池归一化充电电压曲线一致性对比分析,电压曲线拟合法估算动力电池的,SO,H,从表中数据我们可以看出，温度对归一化曲线一致性的影响还是较为明显的，也就是说温度对电池性能的影响也是非常明显的，因此我们有必要保证电池能在一个温度较为恒定的环境中工作，设计恒温箱是非常必要的。值得我们注意的是，电池在零度以下充电对电池的损伤是非常大的，因此电动汽车的充电站必须在室内，且在冬天要有暖气等取暖设备。,估算电池的,SOH,实际上就是估算电池当前的最大容量能力，所以在前面电池电压曲线归一化的基础上，估算,SOH,就较为简单了。估算的基本思想为,:,一定时间内实际充入电池内的电量与这段时间充入电量所占总电量的百分比的比值。用电压曲线拟合法之所以能够识别出不同,SOH,的电池，是由于电池在不同,SOH,时，其电压表征是不同的。,利用电压曲线拟合法估算电池,SOH,的基本公式为,:,上式中各个量表示的是,:,在电池充电时，分别在,t1,t2,两个时刻，获取,电池的电压,V1, V2,，根据电压在归一化曲线中就能分别找出这一电压对应的容量比,c1, c2,。由此可以算出电池的,SOH,。,