磷酸铁锂电池SOC估算方法研究.pdf

1、第24卷第8期 2010年8月 电子测量与仪器学报 JoURNAL oF ELECTRONlC 伍AsUREMENT AND INSTRUMENT ，24 8 769 磷酸铁锂电池SOC估算方法研究木 时 玮 姜久春李索宇 贾容达 (北京交通大学电气工程学院，北京100044) 摘要：磷酸铁锂电池宽的电压平台和严重的两端极化不利于SOC的估算，但电池的SOC对电池组不一致性和寿命有着 重要的影响，因此本文在磷酸铁锂电池的现有SOC估算分析基础上，研究了反应电池电化学特征的伏安特性曲线，提出了不同 充电倍率、不同老化程度下可靠和准确的AQAV分析方法，利用电池在充电过程中的峰值Q修正电池SOC值

2、。为电动汽车电 池组在线均衡和智能电池系统的管理策略提供依据。 关键词：电动汽车；SOC估算；AQAV；磷酸铁锂 中图分类号：TM912 文献标识码：A 国家标准学科分类代码：5304130 Research on SOC estimation f0r LiFePo4 Liion batteries Shi Wei Jiang Jiuchun Li Suoyu Jia Rongda (School of electrical engineering，Beijing Jiaotong University,Beijing 1 00044，China) Abstract：The very broa

3、d plateau of LiFePO4 Liion batteries and serious polarization on both ends are not con ducive to SOC estimationbut SOC value has definite major influence upon cell inconsistency and service 1ifeBased on the existing SOC estimation methods of LiFePO4 Liion batteries and the analysis of voltammeter cu

4、rve correspond ing to electrochemical characteristics，a reliable and accurate method of AQAV under different charging rates and aging stages is presented in detail，and the SOC value is revised by peakQ during the charging processThe online equaliza- tion of baRery packs and control strategies of int

5、elligent battery management system for electric vehicle are validated by the accuracy of SOC estimation Keywords：Elecic vehicle；SOC estimation；AQA LiFePO4 1 引 言 为了应对能源危机，减缓全球气候变暖，许多 国家都开始重视节能减排和发展低碳经济。电动汽 车因为采用电力进行驱动，可以降低二氧化碳的排 放量甚至实现零排放，所以得到各国的重视而迅速 发展。但是电池成本仍然较高，动力电池的性能和价 格是电驱动汽车发展的主要“瓶颈”【j J。磷酸铁锂

6、 (LiFePO4)电池因其寿命长、安全性能好、成本低等 优点成为电动汽车的理想动力 引。 随着电动汽车的发展，电池管理系统(BMS)也 得到了广泛应用。为了充分发挥电池系统的动力性 能、提高其使用的安全性、防止电池过充和过放，延 长电池的使用寿命、优化驾驶和提高电动汽车的使 用性能，BMS系统就要对电池的荷电状态即SOC (StateOf-Charge)进行准确估算。SOC是用来描述电 池使用过程中可充人和放出容量的重要参数。 2 问题的提出 电池的SOC和很多因素相关(如温度、前一时刻 充放电状态、极化效应、电池寿命等 ，而且具有很 强的非线性，给SOC实时在线估算带来很大的困难。 目前电

7、池SOC估算策略主要有：开路电压法、安时 计量法、人工神经网络法、卡尔曼滤波法等 J。 开路电压法的基本原理是将电池充分静置，使 电池端电压恢复至开路电压，静置时间一般在1小 本文于2010年5月收到。 基金项目：电子信息产业发展基金项目(编号：E10100011)；国家“863”计划资助项目f编号：2007AA11A103)。 电子测量与仪器学报 第24卷 时以上，不适合电动汽车的实时在线检测。图1比较 了锰酸锂电池和磷酸铁锂电池的开路电压(0cV)与 SOC的关系曲线，LiFePO4电池的OCV曲线比较平 坦，因此单纯用开路电压法对其SOC进行估算比较 困难。 U 0 图1锰酸锂和磷酸铁锂

8、的OCV-SOC曲线 Fig1 OCV-SOC curves of LiMnO4 and LiFePO4 目前实际应用的实时在线估算SOC的方法大多 采用安时计量法，由于安时计量存在误差，随着使 用时间的增加，累计误差会越来越大，所以单独采 用该方法对电池的SOC进行估算并不能取得很好的 效果。实际使用时，大多会和开路电压法结合使用， 但LiFePO4平坦的OCV-SOC曲线对安时计量的修正 意义不大，所以有学者利用充放电后期电池极化电 压较大的特点来修正SOC J，对于LiFePO4电池来 讲极化电压明显增加时的电池SOC大约在90以 上。电池的荷电状态与充电电流的关系可分为3个 阶段进行：

9、第一段，SOC低端(如SOC90)，为了防止锂 的沉积和过放，电池可接受的充放电电流下降_J川。从 根本上讲，为了防止电池处于极限工作条件时对电 池寿命产生较坏的影响，应该控制电池不工作在 SOC的两端。因此，本文不建议利用电池处于SOC 两端时极化电压较高的特点对SOC进行修正。 人工神经网络法和卡尔曼滤波法所需的数据也 主要依据电池电压的变化才能得到较满意的结果fJ ， 所以都不能满足LiFePO4电池对SOC的精度要求。 本文以纯电动车使用的量产LiFePO 电池为研 究对象，分析LiFePO4电池的特性，在现有的SOC估 算分析基础上提出一种准确的修正LiFePO 电池 SOC的方法。

10、 3 AQAV法 在电化学测量方法中，分析电池内部化学反应 速率和电极电势的关系时，常用的方法是线性电势 扫描法(potential sweep) 。控制电极电势 恒定的 速度变化，即 =常数，同时测量通过电极的电流。 df 这种方法在电化学中也常称为伏安法。线性扫描的 速率对电极的极化曲线的形状和数值影响很大，当 电池在充放电过程中存在电化学反应时，扫描速率 越快，电极的极化电压越大，只有当扫描速率足够 慢时，才可以得到稳定的伏安特性曲线，此时曲线 主要反映了电池内部电化学反应速率和电极电势的 关系。伏安曲线反应着电池的重要特性信息，但实际 的工程应用中基本没有进行伏安曲线的实时测量。 究其

11、原因主要是在电池的充放电过程中没有线性电 势扫描的条件，使得无法直接得到电池的伏安曲线。 恒流一恒压(cccv)充电方法是目前常用的电池 充电方法，电势扫描中电势总是以恒定的速率变化， 电化学反应速率是随着电势的变化而变化的，电池 在一段时间( 一2)内以电流 充人和放出的电量 Q为： 9=2 (I， (1) 通过在线测量电池的电压和电流，使电压以充 放电方向恒定变化，等间隔的得到一组电压 并 将电流在每个AV的时间区间上积分得到一组AQ，基 于可在线测量的AQAV曲线可以反应出电池在不同 电极电势点上的可充放容量的能力。图2示出了 20 Ah的LiFePO4电池在120C恒流充电下的AQIA

12、V 曲线。 在120C充电电流下，通常认为电池的极化电 压很小，也有人认为该电流应力下的充电曲线近似 于电池的OCV曲线。当电池电压随着充电过程不断 增加的时候，334 V和337 V对应的2个10 mV时间 段内累积充人的容量分别是35 Ah和32 Ah。通过 两个极大值后对应的充人容量开始下降。峰值对应 较高的电化学反应速率，峰值后反应物的浓度和流 量起主导作用，参与化学反应的反应物的减少使得 第8期 磷酸铁锂电池SOC估算方法研究 对应电压区间的充入容量减少。 盛 谣扛 司 图2 LiFePO4电池在120C恒流充电AQzXV曲线 Fig2 AQA V cHrve of LiFeP04

13、charged at 120C 4利用峰值AQ修正SOC 锂离子电池是一个复杂的系统，从外特性上观 察充放电的最大允许电流与电池容量(Q)、温度 (73、电池的荷电状态(soc)、电池的老化程度(son 以及电池的一致性 p)有重要关系 ，且表现出较 强的非线性，表示为： I=厂(Q，T，SOC，SOH，EQ) (2) 从内部电化学角度分析，充人和放出的容量对应着 锂离子的在负极的嵌入和脱出。对应着电压递增的 充人容量的速率变化反应了电池系统本身氧化还原 过程的速率变化。LiFePO4电池的电压平台就是由正 极的FePO4LiFePO 相态变化和负极锂离子嵌入脱 出共同作用形成的fl剞。下面针

14、对LiFePO 电池的两 个氧化还原峰来分析充放电电流倍率、电池老化对 电池的SOC修正的影响。 4,1充放电电流倍率 从充电电流大小来衡量电池性能是不恰当的， 容量大的电池的充电电流会增加。图3所示20Ah的 单体电池在l C、12 C、13 C和15 C倍率下的充 电曲线。 电池实际可以在线测量到的电压是电池的两个 极柱上的外电压()。电池的外电压等于电池的开路 电压(oc 加上电池的欧姆压降( )以及电池的极 化电压( )。不同充电倍率会导致电池的 不同，电 池对电流应力的接收能力的不同也会使 不同。在 需要修正SOC的情况下，依靠电池电压曲线是不实 际的 之 图3 不同充电倍率下的电池

15、电压曲线 Fig3 Charge ctlrves at different charge rates 当电池充放电电流为0，并且静置足够长的时间 之后，电池的c，R和 都为0，那么电池的开路电压 OCV就等于电池的端电压 。但是根据OCV-SOC 曲线也不能准确修正LiFePO4电池SOC。 图4描述的是不同倍率的ASOCAV曲线，为了 更加直观的反应出充人容量的变化速率，将纵轴以 电池SOC的变化值表示。 图4 不同充电倍率下的ASOCAV曲线 Fig4 ASOCA V curves at different charge rates 4个倍率对应的SOC随电压变化的峰值曲线都 有自己的密度

16、和峰值位置，它们反应了不同充电倍 率下，电池内部的化学反应的过程，描述了不同充 电倍率下电池在不同电压点处的电流接受能力。从 图4中可以观察到：1)12C、13C和15C倍率下 有较明显的2个峰值位置出现，类似于图2所示的特 性曲线；2)1C、12C、13C和15C倍率的峰值位 置对应电压值依次偏大；3)电池的容量集中在2个 峰值附近充人，峰值对应电压处在电池的电压平 u0司 电子测量与仪器学报 第24卷 台上。 电池的欧姆压降和极化电压主要受到电流倍率 的影响，不考虑极化电压的累积，相同的SOC处电 流倍率越大，其 和 均较大。将图4的横坐标更 改为电池的SOC值，得出图5。 图5不同充电倍

17、率下的ASOCSOC曲线 Fig5 ASOCSOC curves at different charge rates 图5所示的数据点依然是按照电压每隔10 mV 选取，SOC通过精确校准过的安时积分得出。可以观 察到12C、13C和15C充电倍率下的峰值对应的 SOC点为50和85。结合图3可以看出1 C倍率 下电池的欧姆压降和极化电压较大，同时在恒流充 电的过程中，电池内阻随SOC变化而变化不大，即 变化不大，所以图4和图5中1 C倍率的第2个 峰值消失的原因主要是极化电压的变化，导致相同 的电压变化率下很难观察出较高的充人容量值。另 外通常的能量型电池充电倍率为1 C以下，因此主要 分析

18、电池在正常充电倍率条件下的特征。 不同放电倍率下的ASOCSOC曲线如图6所示。 可以观察到12 C、13 C和15 C放电倍率下的峰值 图6不同放电倍率下的A SOCSOC曲线 Fig6 ASOCSOC curves at different discharge rates 对应的SOC点为80和55。但是由于放电电流在 实际应用中不容易稳定，工况比较复杂，带来的 和 的变化较难消除，会导致得到的AV值包 含较大误差。影ONAQAV曲线峰值的修正SOC的 准确性。 如果将BMS系统在线测量充电过程得到的电池 电压，去除内阻和极化的影响，描绘得到的AQAV 曲线应该与图2完全一致。也就表明不同

19、倍率下得 到的AQAV曲线的峰值对应的SOC值可以作为电池 SOC准确修正的条件。尤其在LiFePO 电池电压平 台很平的条件下，峰值幅度表现的更加明显。 42电池老化 电池的老化主要考虑电池的容量衰退和电池的 内阻的增加。国内外对于锂离子电池的容量衰退机 制和内阻的增加原因有相关的研究，其中对于容量 的下降，通常认为是在充放电过程中发生了不可逆 的化学反应导致参与反应的锂离子损失：对于电池 内阻的增加，通常认为是电池的内部结构钝化，如 SEI膜的增厚，正负极结构的改变。 当电池老化以后，开路电压法和安时积分法的 适用范围没有改变，但是对于人工神经网络法和卡 尔曼滤波法影响较大，因为所建立的电

20、池模型的参 数已经随着老化而改变，尤其是成组应用的电池的 不一致性导致的老化轨迹的不同，使得模型的适用 性降低，如神经网络需要重新训练，卡尔曼算法依 据的模型的参数需要改变。电池老化后的SOC的修 正对于完善BMS的管理和延长成组电池的寿命有重 要意义。 南于AQAV曲线反应的是电池内部电化学的特 性，电动汽车通常规定电池容量低于额定容量的 80认为电池寿命终止。此时，电池内部主要的化学 反应取决于反应物的浓度和电池系统内部的结构。 图7描述了LiFePO 电池在DOD为100的工作区 间上循环200次后的ASOCSOC特性，其容量衰退到 额定容量的95。 200次循环后，被测试电池的容量保持

21、能力有所 下降，内部结构也有所变化，容量的增加集中在了 第一个峰对应的SOC值处。与新电池时比较发现，第 二个峰对应的充人容量明显减少，这表明电池石墨 负极的锂离子嵌入能力下降，电流接受能力降低， 极化电压增大以及寿命下降_J引。 第8期 磷酸铁锂电池SOC估算方法研究 773 SoC 图7老化前后ASOCSOC曲线的比较 Fig7 ASOCSOC curves at different aging stages 43修正电池SoC BMS系统实时采集电池单体的电压、电流，并 通过分析阶跃电流信号的电压变化计算得到电池内 阻。消除欧姆压降 的影响有助于得出变电流等优 化充电方法下的电压变化值V

22、(恒流充电没有影响)， 然后等间隔(例如每10mY)取得对应区问的安时积分 值AQ。数学上判断Q 曲线的极值需要对曲线的 函数求一阶导数，实际使用中我们发现两个极大值 所处的电压均有一定范围。将电池从较低SOC点开 始充电并记录充电过程的一组aQ值，通过简单的数 据处理得到符合要求的两个极大值(特殊的，在1c 等极化严重的充电倍率下时仅一个极大值)。对照峰 值点出现时的电压值，判断是否是第一个峰值点位 置并给予记录，当两次或多次充电过程的峰值点记 录相同且与BMS记录的SOC值相差8o o以上(通常 电动汽车要求SOC精度8左右)，执行电池SOC的 修正操作，记录修正事件以便调试分析。 5结

23、论 针对北京市纯电动环卫车规模应用磷酸铁锂 (LiFePO4)电池后遇到的电池SOC估算精度很低的问 题，提供了不同充电倍率、不同老化程度下可靠和准 确的单体SOC分析方法，数据处理较人工神经网络 和卡尔曼滤波等方法有较大优势。通过AQAV曲线 进行电池的SOC估算，可为目前基于开路电压的均 衡提供更为准确的判断条件(soc等于50的第一个 峰值 从而有效解决电池组的在线均衡问题，减小 极限工作条件下对电池寿命的影响。同时准确快速 的SOC估算为今后智能电池系统的管理控制策略提 供依据。 参考文献： 1 王秉刚2010高技术发展报告R北京：中国科学院， 2010：266272 WANG B G

24、20 1 0 High technology development re portRBeijing：Chinese Academy of Sciences，2010： 266272 2 赵淑红，吴锋，王子冬磷酸铁锂动力电池工况循环 性能研究J电子元件与材料，2009，28(1 1)：4347 ZHAO SH H，WU F，WANG Z DStudy on opering mode cycle performance or lithium ion power battery with natural graphite and LiFePO4JElectronic Com ponents and

25、 Materials，2009，28(1 1)：4347 3 张宾，林成涛，陈全世电动汽车用LiFePO4C锂离子 蓄电池性能J电源技术，2008，32(2)：9598 ZHANG B，LIN CH T，CHEN Q SHPerformance of LiFePO4C Liion bauery for electric vehicleJChinese Journal of Power Sources，2008，32(2)：9598 4】 王治华，殷承良电动汽车用LiFePO4锂离子电池安 全性分析J电池工业，2008，13(3)：169172 WANG ZH H，YIN CH LSaLty p

26、erformance analysis of LiFePO4 Liion batteries for electric vehiclesJChi nese Battery Industry，2008，13(3)：169172 5 张宾电动汽车用动力锂离子电池的电压特性J电 池工业，2009，14(6)：398403 ZHANG BVoltage characteristics of Liion power bat tery for EVsJChinese Battery Industry，2009，】4(6)： 398403 【6】 张宾电动汽车用磷酸铁锂离子电池的PNGV模型分 析J电源技术

27、，2009，33(5)：417421 ZHANG BPNGV model analysis of LiFePO4 Liion battery for electric vehicleJChinese Journal of Power Sources，2009，33(5)：417421 7 华宁锂离子蓄电池正极材料LiFePO4研究进展J】 电子元件与材料，2007，26(12)：1-4 HUA NResearch progress in Lithiumion phosphate as cathode materialJElectronic Components and Materi als，2

28、007，26(12)：1-4 8 赵新兵，谢健新型锂离子电池正极材料LiFePO4的 研究进展J机械工程学报，2007，43(1)：6976 ZHAO X B，XIE JRecent development of LiFePO4 cathode materials for Lithiumion batteriesJChinese Journal of Mechanical Engineering，2007，43(1)：6976 9 张金灵电动汽车智能电池系统的研究D北京：jE 京交通大学，2010 00司 电子测量与仪器学报 ZHANG J LResearch on smart battery

29、 system in EVD1 Beijing：Beijing Jiaotong University，201 0 10】文锋纯电动汽车用锂离子电池组管理技术基础问题 研究D】北京：北京交通大学，2010 WEN FStudy on basic issues of the Liion battery pack management technology for pure electric vehi clesDBeijing：Beijing Jiaotong University，2010 【l1孙丙香混合动力汽车用镍氢电池组管理系统研究 fD】北京：中国科学院电T研究所，2009 SUN B

30、XStudy on NiMH battery management system for hybrid electric vehiclesDBeijing：Institute of Elec trical EngineeringChniese Academy of Sciences，2009 【12】胡会利，李宁电化学测量M】北京：围防工业出版 社2007 HU H L，LI NElectrochemical measurementMBei jing：National Defense Industry Press，2007 13】文锋电动汽车用锂离子电池组充电方法J汽车工 程，2008，30(

31、9)：792795 第24卷 WEN FCharging method for Liion battery pack in electric vehiclesJAutomotive Engineering，2008， 3Of9)：792795 14MATTHIEU D，LIAW B YIdentify capacity fading mechanism in a commercial LiFePO4 cellJJournal of Power Sources，2009，194：541549 15郭鹤桐，姚素薇基础电化学及其测量M北京：化 学工业出版社，2009 GU0 H TYAO S WTh

32、e basis of electrochemical measurementMBeijing：Chemical Industry Press，2009 作者简介： 时玮：1984年出生，分别于2006年和2008年获得北 京交通大学学士和硕士学位，现为北京交通大学博士生，主 要研究方向为汽车电子和测控技术。 Email：06 1 2 1 679bjtueducn Shi Wei：born in 1 984，received BS and MS from Beijing Jiaotong University in 2006 and 2008，respectivelyNow he is PhD

33、candidate of Beijing Jiaotong UniversityHis research in terests include automotive electronic，measurement and contro1 泰克公司为Videotron提供视频内容监视解决方案 加拿大电信运营商采用Sentry以确保其用户具有最佳观看体验 泰克公司宣布，综合性大型电信公司Videotron 已采用泰克Sentry数字内容监视解决方案，Sentry 是泰克公司最近收购的Mixed Signals公司的产品。 Videotron的业务包括有线电视、交互媒体的开发以 及互联网存取、有线电话

34、和电话等。Videotron采用 Sentry 数字内容监视解决方案用于为其客户提供性 能优异的观看体验。 Videotron公司在对当前市场上竞争的多种解决 方案进行广泛评估后，最终决定采用泰克公司的 Sentry解决方案。Sentry能够完美地监测Videotron 公司提供的视频业务质量和数据轮播传送质量，并 且能够在给用户带来影响之前发现和诊断可能损害 用户收看体验的各种问题。Sentry采用了革新的技术， 例如先进的深层包插入功能，它能够通过网络直至 各个故障点，连续深入到所有的视频节目流的IP层 和MPEG层中，检测出所有的视频和音频错误。 Videoon公司选择Sentry的另一

35、重要原因是Sentry 具有独特的Tm2wav M监测功能，它能够极大地简化 经由Tru2way和其它数据轮播向机顶盒传送的数据。 “我们选择泰克公司的Sentry,用于确保我们的 用户从Videotron提供的节目中能够始终得到他们期 待的优异图像和声音质量，”Videotron公司数字视频 开发部门高级主管Alain Boissonnault说，“随着 Videoon的发展，我们还将不断地增加更多的HD 节目和其它高级业务，这样出现音视频错误的机率 也会随之增多，有了Sentry,我们就能够对我们的内 容进行全面的监视，以捕捉和迅速校正所检测出的 错误，使故障降低到最低限度。” 随着Videoon公司测试的完成，该公司将从今 年夏天开始，首先将Sentry部署到他们在蒙特利尔 的主前端上。这样，Videotron公司可以在主前端上利 用Sentry监测前端的所有节目，而后再将节目送往 分配网络。采用这种方式，Videotron公司除了可以在 前端已经接收到的节目中查验出存在的视频和音频 错误，还能识别出在节目编排、复用、码率整形等其 它在分发给用户之前所做的处理中所引入的错误。