电动汽车BMS中SOH和SOP估算策略总结_bms中的sop

 版权声明：本文为博主原创文章，未经博主允许不得转载。https://blog.csdn.net/weixin_38451800/article/details/91357875
1

一SOH估计策略

1定义——IEEE标准1188-1996中规定，动力电池容量能力下降到80%时，就应该更换电池。对于纯电动汽车一般只需考虑容量的衰减，电池的健康状态表述为电池当前容量与初始容量的比值，其SOH定义为：
SOH=(C_standard-C_fade)/C_standard ×100%
式中：C_fade为电池已损失容量；C_standard为标称容量。
2方法分类——目前，SOH估计方法大体分为三类：
（1）基于耐久性模型的开环方法：耐久性机理或者耐久性外特性；
耐久性模型开环方法描述了固体电解质膜电阻和电池端子电压的增加，对电池内部的物理化学反应的特性进行分析，了解电化学反应特性和电池容量衰退的本质，从而直接预测容量衰减和内阻的变化。
（2）基于电池模型的闭环方法：最小二乘法（RLS）、KF等；

1）基于开路电压的SOH估计方法
类别——在现有研究中，基于OCV的健康状态估计大致可分为基于固定OCV的SOH估计与基于变化OCV的SOH估计两个类别。
实验发现——电池在不同老化程度下的OCV曲线形式进行对比分析，认为电池容量的衰减对被测电池OCV曲线形状的影响并不明显，即认为电池OCV与SOC之间的对应关系在整个老化过程会保持一个相对稳定的状态。基于这一结论，通过在不同老化程度下，计算相同OCV区间内电池电量的变化情况，实现对电池当前容量及SOH的估计。（OCV-SOC受温度影响明显）
理论研究——对于锂离子电池而言，其OCV曲线在老化过程中并非完全一成不变，只有当电池OCV曲线的斜率较大且其SOC与OCV之间呈现明显的线性关系时，才能够忽略老化对电池OCV曲线所造成的影响，并近似地将其认为是恒定的。（SOC高端部分）

2）基于电池内阻的SOH估计方法
原理现象——在电池容量衰减的过程中，一般也会同时伴随着电池内阻的增加。
措施——针对锂离子电池在车用阶段的具体容量损失过程，再集合电池工作温度与内阻机理模型，结合内阻在线辨识技术，实现宽温度范围下SOH估计。

3）SOH和SOC多时间尺度联合估计；
　　SOH和SOC多时间尺度联合估计。两种途径：（1）构建了基于卡尔曼滤波的双时间尺度，确定一阶或者二阶RC 模型的标称参数对于SOC 的依赖性，采用递推最小二乘法识别参数，在电池SOH 的基础上对标称模型的性能退化进行量化，一个时间尺度的观测器用于实时估算电池SOC，另一个用于离线估算SOH，量化模型精度退化确定SOH 观测器的时间尺度，SOC 与SOH 的估算结果通过大量的测试数据来验证，进而完成了SOC 和SOH 进行联合估计，降低了计算复杂度，提高了估算精度；（2）基于卡尔曼滤波的多时间尺度，将等效电路模型与可用容量的变化联系起来，建立了SOC 与SOH 联合估算的电池集总参数模型，基于模型提出一种多尺度扩展卡尔曼滤波，考虑到SOH 的缓慢变化特性和SOC 的快速变化特性采用宏观尺度对电池SOH 进行估算，微观尺度对电池SOC 进行估算，用两个估算器与多尺度估算理论有效的融合来自不同时间尺度的测量信息，在NEDC 工况下完成电池SOC 与SOH 的联合估算，估算精度高，收敛速度快，有一定优越性。
3优缺点比较——

以下附录一个利用电池特征参数估计SOH的具体过程：
4例子——特征参数——内阻和SOH的关系模型
　　在总结对比当前SOH 模型的基础上，从电池能量损耗角度出发，提出了一个新的SOH 模型,并对模型原理进行描述，介绍了参数识别方法，最后通过实测数据对比分析估计结果。通过对同一批次不同单体电池之间的测试数据进行归一化处理，得到线性度很高的内阻值与SOH 的一次线性函数，验证了这个模型的适应性。该模型具有测试方法简单、参数识别快捷等优点。
将锂离子电池放入温度设置为25 ℃的增达高低温交变(湿热)试验箱(ZTH030R)中，用电池测试系统以恒流充电、静置、恒流放电为一个测试循环周期，对电池进行加速老化实验；并在每循环5 次后进行一次内阻的测试，测试方法如下：
Step1:将电池以1 C 电流放电至厂家规定的截止电压2.7V；
Step2:静置1 h；
Step3: 以1 C 电流对电池充电至厂家截止电压4.2 V，再以4.2 V 进行恒压充电至充电电流降至0.05 C 时停止充电；
Step4:静置1 h；
Step5:以1 C 恒流放电0.1 h，调整SOC 到90%；
Step6:静置30 min；
Step7:以0.2 C 电流对电池充电10 min，每隔1 s 记录电池充电电压；
Step8:以0.2 C 电流对电池放电10 min，每隔1 s 记录电池放电电压；
Step9:以1 C 恒流放电0.1 h，调整SOC 到80%;
重复Step1~Step9 循环，直至电池SOC 为10%。
　　对Step7 和Step8 数据分别按照图1 中的充电、放电能量公式计算充电能量和放电能量，并由式(2)计算内阻值，此时电池当前状态的最大可充电量可由step3 得到，由式(1)可得出电池当前的SOH 值，从而由此建立此时内阻值R 与SOH 的对应关系。

二 SOP估计策略

1定义——电池SOP描述的是电池功率状态，通常用短时峰值功率值来表示。锂离子电池多工作于车辆起步、加速或刹车状态，为车辆提供或吸收瞬时的大功率。电池输出输入的峰值功率直接影响车辆的快速启动、加速和紧急制动能力，进而关系到整车运行的安全性和可靠性。因此，BMS必须具备对锂离子电池峰值功率即SOP的在线估计能力。准确的SOP估计结果可以为整车系统的功率分配以及能量控制提供支持和参考，不仅能够保证车辆的运行性能，同时也保证车辆的燃油经济性。电池SOP是隐性状态量，需要通过对SOP建模来实现在线估计。
2方法分类
（1）复合脉冲法（最为广泛且简单）
复合脉冲法估计锂离子电池功率状态是基于锂离子电池的内阻模型，利用当前SOC下的开路电压以及内阻估计出电池的瞬时SOP值。（优缺点：复合脉冲法所用的模型简单，计算量小，但电动车辆在实际运行过程中，电流变化非常剧烈，使用该方法会导致较大的误差。并且该方法并没有考虑电池充、放电电流阈值与SOC限制，估计的峰值功率偏大。）
（1.1）混合脉冲功率特性（hybrid pulse power characteristic, HPPC）测试法
1）思想：HPPC法通过给电池加入ｔ秒脉冲电流，分析电压变化，基于给定公式计算电池的峰值功率。其中，脉冲电流值的确定是需要通过多次测试数据拟合推断而得到的。而恒功率测试法则通过在某一恒定功率下对电池持续充电或放电t秒恰好达到电池的工作电压上限或下限。该恒定功率通过调整功率设定值多次测试而使测试时间逐渐逼近t秒获得。据统计数据表明，急加速持续时间在城市工况和高速工况下分别为10s和25s，紧急制动持续时间在上述两路况中分别为5~10s和33s。考虑实际应用情况，选取t等于10s，测得10s的放电峰值功率作为电池的功率状态SOP。
2）HPPC测试过程
HPPC峰值功率的测试过程，具体包括以下步骤：
１）用CCCV方法将电池充电至满电状态；
２）用CC法将电池放电至某一SOC点处；
３）静置一小时；
４）脉冲电流放电10s，静置40s，脉冲电流充电10s；
５）设定步骤２）中的SOC从90％降到10％，每次间隔10％SOC，重复步骤２）
至步骤４）九次。


3）计算过程
基于脉冲放电过程的电压变化，可以计算出电池的放电内阻，如下：

根据HPPC测试中的功率计算公式，可以得到电池的放电功率，如下：

其中，Vmin是被测电池的下限电压，OCVdis是放电脉冲开始前电池的OCV。
　另外，结合温度影响电池峰值功率的推算公式可以写成以下形式：

　　其中，3.0为电池下限电压，电池SOC、内阻Radj及温度T为模型的输入，峰值功率Padj为模型的输出。定义电池SOP为峰值功率，由此得到面向微观时间尺度的电池SOP估计的参数模型。
（2）电池SOP估计的非参数模型
（黑箱理论，支持向量机，机器学习算法）
（3）多参数联合约束SOP估计
（1）思想：考虑电压、电流、SOC的共同限制，预测电池10s的持续峰值功率输出能力。
（2）步骤：
1）考虑SOC的约束估计最大充、放电电流：
2）考虑电池电压约束估计的最大充、放电电流：
3）采用二分查找算法
4）多参数约束法下的峰值功率计算

总结： 第一种HPPC测试法实现简单应用最广泛，但误差较大；第二种和所有黑箱模型一样需要大量数据训练且训练时间较长；第三种方法理论上好像还可以且可操作也多，但实用性和可靠性我觉得尚值得商榷。