CN115469238A - 一种基于联合荷电状态估算的电池组均衡方法 - Google Patents
一种基于联合荷电状态估算的电池组均衡方法 Download PDFInfo
- Publication number
- CN115469238A CN115469238A CN202110646160.3A CN202110646160A CN115469238A CN 115469238 A CN115469238 A CN 115469238A CN 202110646160 A CN202110646160 A CN 202110646160A CN 115469238 A CN115469238 A CN 115469238A
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- state
- charge
- balancing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 230000010354 integration Effects 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 21
- 230000003071 parasitic effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 20
- 238000004088 simulation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 238000007599 discharging Methods 0.000 description 8
- 239000000178 monomer Substances 0.000 description 7
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 6
- 229910052744 lithium Inorganic materials 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000001939 inductive effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明属于动力电池管理系统领域，具体说是一种基于联合荷电状态估算的电池组均衡方法。包括以下步骤：通过安时积分法、勒贝格采样以及无迹拉尔曼滤波法联合对电池的荷电状态SOC进行估计；通过电池的荷电状态控制均衡子单元的通断状态，实现对电池组的均衡控制。本发明结合了UKF和安时积分法的优点，解决了误差积累等问题，并且能够缩短均衡路径，提高均衡效率，减少能量损耗。
Description
技术领域
本发明属于动力电池管理系统领域，具体说是一种基于联合荷电状态估算的电池组均衡方法。
背景技术
与传统电池相比，锂电池具有材料比能高与容量无记忆效应等卓越性能。尽管如此，当前新能源汽车的应用要求还不能完全满足，其中存在的问题包括制造工艺的限制、电池成组应用技术不能做到绝对安全、电池剩余容量与使用寿命难以测量等。因此在实际的应用中，我们需要设计电池管理系统对锂电池荷电状态进行估算、对电池组进行均衡。在保证电池组安全性、不缩短电池寿命的前提下，实现其容量的最大利用率。
国内外在电池SOC估算领域，研究的较为深入，将常见的SOC估算方法大体分为3类，有传统方法、基于模型的方法、神经网络法。传统方法精度较差；基于模型的方法、神经网络法计算量非常大。很难在实际嵌入式设备中应用。特别是针对大批量电池的荷电状态估算时，计算量成倍增加。
在均衡方面，目前，常见的均衡电路从作用原理上进行分类，有能量耗散型与非耗散型均衡电路。
电阻型均衡电路为能量耗散型均衡电路。在充放电过程中，通过电阻□i对能量较高的电池单体放电，最终实现电池组均衡。这种电路的不足在于，均衡电流小，均衡速度慢；当电池组的一致性较差时，会有较多的能量转变为热量损失掉，容易破坏电池组的热平衡状态的稳定性。
能量非耗散型均衡电路多采用储能元件对电池单体均衡，但只能在相邻两个电池之间均衡，均衡路径较长，目标电池单体在电池组首尾时最为明显，并且不适用于大批量电池的电荷估算。
发明内容
针对大批量电池的电荷估算困难的问题，本发明目的是提供一种基于联合荷电状态估算的电池组均衡方法，以克服上述电池管理系统的缺陷。
本发明为实现上述目的所采用的技术方案是：
一种基于联合荷电状态估算的电池组均衡方法，包括以下步骤：
通过安时积分法、勒贝格采样以及无迹拉尔曼滤波法联合对电池的荷电状态SOC进行估计；
通过电池的荷电状态控制均衡子单元的通断状态，实现对电池组的均衡控制。
所述通过安时积分法、勒贝格采样以及无迹拉尔曼滤波法联合对电池的荷电状态进行估计，包括以下步骤：
在电池工作过程中，通过安时积分法估算电池的SOC，输出当前勒比格状态下电池的SOC，同时对电流进行积分，记为y；
当y大于阈值A时，电池达到新的勒比格状态，采集当前状态电池的电流值和电压值，并通过无迹拉尔曼滤波法对电池的SOC进行在线估计；
当|SOCk-SOCk-1|小于阈值B时，对y进行初始化，更新安时积分法得到的电池SOC值并输出，其中，SOCk表示状态k时电池的荷电状态，SOCk-1表示状态k-1时电池的荷电状态。
所述通过电池的荷电状态控制均衡子单元的通断状态，实现对电池组的均衡控制，包括以下步骤：
判断与均衡子单元连接的电池B1的荷电状态SOCa、电池B2的荷电状态SOCb，并通过控制均衡子单元中的MOS管Sa和MOS管Sb的通断对电池组进行均衡控制：
SOCa-SOCb＞阈值，控制MOS管Sa开启；
SOCb-SOCa＞阈值，控制MOS管Sb开启。
一种基于联合荷电状态估算的电池组均衡系统，包括：
SOC估计模块，用于通过安时积分法、勒贝格采样以及无迹拉尔曼滤波法联合对电池的荷电状态SOC进行估计；
均衡通断控制模块，用于通过电池的荷电状态控制均衡子单元的通断状态，实现对电池组的均衡控制。
所述均衡子单元包括两个串联的MOS管Sa和MOS管Sb；
所述MOS管Sb的栅极、MOS管Sa的栅极用于接收控制信号，MOS管Sb的源极与电池B2正极连接，MOS管Sb的漏极与MOS管Sa的漏极连接，还通过电感与电池B2负极、电池B1正极连接；MOS管Sa的源极与电池B1负极连接；
所述MOS管Sb的源极与漏极之间、MOS管Sa的源极与漏极之间分别连有寄生二极管。
基于联合荷电状态估算的电池组均衡系统，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现所述的基于联合荷电状态估算的电池组均衡方法。
一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现所述的基于联合荷电状态估算的电池组均衡方法。
电池组二分非耗散均衡系统，包括均衡子单元以及与其连接的电池B1、电池B2，构成一个均衡控制模块；所述均衡子单元，用于根据接收的控制信号控制电池B1、电池B2的充放电，以实现电池的均衡控制；
其中，所述均衡子单元包括两个串联的MOS管Sa和MOS管Sb；
所述MOS管Sb的栅极、MOS管Sa的栅极用于接收控制信号，MOS管Sb的源极与电池B2正极连接，MOS管Sb的漏极与MOS管Sa的漏极连接，还通过电感与电池B2负极、电池B1正极连接；MOS管Sa的源极与电池B1负极连接；
所述MOS管Sb的源极与漏极之间、MOS管Sa的源极与漏极之间分别连有寄生二极管。
对于2m个串联的电池，均衡子单元为m层，第i层均衡子单元的数量为2m-i个，i＝1…m；
对于第i层的第j个均衡子单元，与其对应的2i个电池分成两个数量相等的电池组，电池组与其对应连接的第i-1层的均衡子单元构成一个均衡控制模块，所述均衡控制模块视为一个电池，以供第i层的第j个均衡子单元进行均衡控制，
j＝1…2m-i。
对于2m+1串联电池个数，最后一个电池与第2层的最后一个均衡子单元连接，并与第1层最后一个均衡子单元所在均衡控制模块合并作为第1层最后一个均衡控制模块，以供第2层的最后一个均衡子单元进行均衡控制。
电池组二分非耗散均衡系统，还包括控制电路，所述控制电路用于输出控制信号，以控制均衡子单元内的MOS管a和MOS管b通断。
电池组二分非耗散均衡控制方法，包括以下步骤：
获取每个电池的荷电状态；
判断与均衡子单元连接的电池B1的荷电状态SOCa、电池B2的荷电状态SOCb，并通过控制MOS管Sa和MOS管Sb的通断对电池进行均衡控制：
SOCa-SOCb＞阈值MOS管Sa开启；
SOCb-SOCa＞阈值MOS管Sb开启。
当电池数量为奇数时，最后一节电池不进行均衡操作，直接通过上一层最后一个均衡子单元进行均衡操作。
第i层均衡子单元进行均衡控制的阈值小于第i+1层均衡子单元进行均衡控制的阈值。
所述第i+1层均衡子单元的开关频率为第i层均衡子单元的2倍。
本发明具有以下有益效果及优点：
1.本发明结合了UKF和安时积分法的优点，解决了误差积累等问题。
2.本发明在提供可靠的SOC估计的前提下，LS-UKF算法计算次数仅为RS-UKF的1/38，显著降低了对嵌入式微处理器主频的要求，适用于大批量电池的SOC估算。
3.本发明还显著降低了UKF方法中不合理选择目标因子所导致的跟踪精度误差，仅为RS-UKF的1/4。
4.本发明能够缩短均衡路径，提高均衡效率，减少能量损耗。二分均衡电路与现有耗散均衡电路相比，均衡效率提高4.1倍，能量损耗仅为1/25。与传统电感非耗散均衡相比，均衡效率提升1.49倍，能量损耗仅为3/4。
5.本发明降低电路复杂度、均衡控制复杂度。
6.本发明电路结构清晰，可扩展性强。
附图说明
图1 UKF估计SOC结果示意图(a：SOC；b：SOC误差)；
图2 SOC概率分布示意图；
图3本发明的联合对电池的荷电状态SOC估计流程图；
图4 LS-UKF使能控制信号示意图；
图5 LS-UKF仿真结果示意图(a：SOC；b：SOC误差)；
图6安时积分法误差分析示意图(a：SOC；b：SOC误差)；
图7 SOC估算值概率分布示意图；
图8本发明的二分均衡电路结构图；
图9本发明的均衡过程中电池电压波动示意图(a:B1电压；b:B2电压)；
图10本发明的电感充电原理示意图；
图11本发明的电感放电原理事宜图；
图12本发明的均衡子单元Si工作电流示意图(a:S1b电流；b:S1a电流)；
图13本发明的均衡子单元开关状态示意图；
图14电池组SOC仿真曲线图；
图15均衡子单元S1电流波形图；
图16均衡子单元S1电感电压波形图；
图17电池组均衡结果图；
图18耗散均衡SOC曲线图；
图19传统非耗散均衡SOC曲线图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
对于无迹卡尔曼滤波的SOC估计，通过simulink仿真得到的SOC曲线如图1所示，在仿真实验中，设置电池容量为2.6Ah，选择SOC初始值为100％，放电电流为1A，在图1(a)中，蓝色实线代表实际SOC数据，红色虚线表示UKF估算得到的SOC。经过9300s，SOC从100％降低到0％。图1(b)为SOC实际值与估算值的差值。从图1(b)中可以看出，在估算的起始部分，存在目标因子选择不合理导致的跟踪精度差的问题，波形波动较大，UKF在x＝39s时，SOC误差-1.545％。在后面部分，估算效果较好，除去前100秒，在后边数据中最大估算误差为0.1847％。
除去一开始因为目标因子选择不合理所导致的跟踪精度较低的数据，实际SOC与估算SOC差值的概率分布如图2所示。在MATLAB中输入[mu,sigma,muci,sigmaci]＝normfit(ScopeData1,0.05)，得到SOC误差的平均值为-0.0138，标准差为0.0584，平均值95％置信区间为[-0.0150，-0.0126]。
LS-UKF分为以下三步：首先，根据电池的SOC，确立多个Lebesgue采样点；其次，通过安时积分法对SOC进行粗略的估算；然后，当到达新的Lebesgue采样点时，触发UKF算法，进行UKF估算，安时积分法产生的累积误差通过LS-UKF算法进行矫正。从仿真结果看出，LS_UKF算法能够较好的消除累积误差，比普通的安时积分法精度更高，比UKF算法计算量更小，方便灵活。
利用安时积分法、Lebesgue采样、UKF算法联合估算电池SOC，融合了三种算法的优点。一个Lebesgue状态LS-UKF估算算法具体流程如图3所示。
一个Lebesgue状态下的SOC具体步骤如下所示：
1)在使用过程中通过安时积分法估算电池组SOC，并对电流进行积分，记为y。
2)当y>93C时，达到新的Lebesgue状态，开启LS-UKF算法使能控制，采集电流值、电压值，将数据传输到LS-UKF模块，通过LS-UKF算法对电池组SOC进行在线估算。
3)当|SOCk-SOCk-1|＜0.05时，对y进行初始化。更新安时积分法的SOC值。
4)循环重复步骤1、2、3，对SOC进行估算。
通过安时积分法对电流值进行累积，对SOC进行估计，当到达新的Lebesgue状态时，开启基于Lebesgue采样的UKF估算算法，验证LS分段矫正的精确性。在9300s中，基于Lebesgue状态的调控，UKF计算次数如图4所示，模型执行UKF估算算法共计245次。
LS-UKF算法与实际SOC波形、差值的仿真结果如图5所示，跟踪效果较为理想。上面的图5(a)是实际SOC与LS-UKF估计SOC的比较。从图5(a)放大图中可以看出，在同一个Lebesgue采样周期内，安时积分法的累积误差不断增加，LS-UKF电池荷电状态估算精度明显大于普通安时积分法。图5(b)是SOC误差，单独安时积分法误差如图6所示。例如，在903s至995s，该时间段内SOC估算算法为安时积分法，估算SOC与实际值差值逐渐增大。在995s时刻，SOC估计值为89.33％，实际值为89.39％，误差为0.0585。下一个时刻，在第996s，开启LS-UKF估算算法，矫正后，SOC估计值为89.38％，实际值为89.38％，误差为-0.0023。从图6(b)得出，通过LS-UKF估算算法的SOC，在112s时，SOC误差最大值为-0.36。
该方法还降低了UKF方法中不合理选择目标因子所导致的跟踪精度，提高了SOC估计的鲁棒性。在7276s时，最大误差为0.1492。从仿真结果看出，基于LS-UKF算法的SOC估算比传统的安时积分法精度更高，对消除累积误差具有明显效果。
实际SOC与估算SOC差值的概率分布如图7所示。在MATLAB中输入[mu，sigma，muci，sigmaci]＝normfit(ScopeData2，0.05)，SOC误差的平均值为0.0163，标准差为0.0464，平均值95％置信区间为[0.0153，0.0173]。
借助现在的Simulink模型，单独使用安时积分法对电池SOC进行估算，得到的SOC及误差如图6所示。图6(a)为实际SOC值、估算SOC值，图6(b)为SOC误差。可以看出，SOC误差呈现单调递增趋势，在9300s时，达到了5％。
表1对RS-UKF和LS-UKF估算、安时积分法的SOC进行了对比。RS-UKF95％CISOC区间间距为0.0017；LS-UKF 95％CISOC区间间距为0.0014。两种估算算法得出的结果相似。在整个放电过程中，持续9300s，LS-UKF计算成本仅为RS-UKF的2.7％。按时积分法未进行UKF估算，误差不满足标准正态分布，所以后三项数据未统计。
表1对SOC估计的比较
由RS-UKF和LS-UKF得到的SOC曲线的标准差分别为0.0548和0.0464，说明用LS-UKF方法在计算量较小的情况下，可以得到准确的SOC曲线。此外，研究结果表明，本文所采用的SOC等效电路模型是足够精确的。在实际应用中，为了适应模型的不确定性，提高算法的鲁棒性，可以在电池工作状态发生变化时进行新的HPPC测试。通过对比SOC的初始误差，可以得出结论，该方法还降低了UKF方法中不合理选择目标因子所导致的跟踪精度，提高了SOC估计的鲁棒性。
因为它们在不同的时间估计SOC，很难对SOC的RS-UKF和LS-UKF进行公平比较。因此，本节中的表和图使用广泛使用的标准(如平均值、CI和计算次数)进行比较。比较结果表明，在不牺牲SOC估计精度的前提下，LS-UKF具有较快的计算速度。
在设备用电量较少的情况下，频繁调用UKF将大大增加系统的无效计算量。综合考虑精度和计算成本，本文设计了一种通过Lebesgue采样将UKF与安时积分法相结合的估算方法。在同一个Lebesgue状态，通过安时积分法对SOC进行估算；在每个新的Lebesgue状态开始时，SOC通过UKF估计，标定更新SOC值，并对安时积分法进行初始化。通过对锂电池SOC的一系列仿真，验证了该方法的有效性。该方法结合了UKF和安时积分法的优点，解决了误差积累等问题，通过与安时积分法、RS-UKF方法进行比较，LS-UKF的SOC误差为0.15％，在提供可靠的SOC估计的前提下，LS-UKF算法计算次数仅为RS-UKF的1/38，显著降低了对嵌入式微处理器主频的要求，适用于大批量电池的SOC估算。此外，LS-UKF还显著降低了UKF方法中不合理选择目标因子所导致的跟踪精度误差，仅为RS-UKF的1/4。
基于分层策略的均衡电路的主要思想是分层归并，设计了均衡子电路，并针对每一层设定相应的控制频率与启动阈值等条件。在电池组使用过程中，单体电池或电池模块电量多的部分通过均衡子电路补充给电量低的电池或电池组，防止电池组不均衡造成部分电池单体过充、过放。
如图8所示，通过4节18650锂电池串联分析该电路的均衡原理。
MCU通过分析处理电池模块数据，给均衡子电路PWM控制信号，在各底层电池单体、模块之间进行电量均衡。整体的均衡策略为分层控制。总均衡思路为：在第一层中，电池组各底层电池单体为Bi，均衡子单元Si负责相邻两个底层电池单体Bi间的均衡。在第二层中，将均衡控制模块Mi看做单体，通过均衡子单元Ei进行Mi之间的均衡控制。
电池数量越多，层数越多，以此类推。若电池个数为偶数，相邻两个电池模块组合成为一个均衡单元，若电池个数为奇数，最后一个电池模块直接进入第二级电路。
其中，控制电路包括6个支路，每个支路包括一个MOS管、一个电阻，MOS管栅极连接MCU，漏极连接电阻、均衡子单元，源极接地。电阻一端接MOS管漏极，一端接电源。
因为二分均衡电路每一层连接的电池数量不同，根据均衡子单元所在的位置，设定不同的电池均衡路径、PWM频率和启动阈值等数据，控制均衡子电路，在电池组充放电过程中，减少电量高的电池模块电流、增加电量低的电池模块电流，防止电池过充过放。充电均衡与放电均衡在原理上是相同的。
锂电池的充放电过程存在较大的非线性，这个过程中的电池SOC与端电压变化速率不匹配，即端电压只能作为电池的外在特性，不能准确表示电池容量变化。此外，如图9所示，在电池组均衡过程中，电池端电压会产生较大波动，可达100mV，为了避免错误开启均衡控制，所以本文的均衡阈值判断条件选择SOC。
多准则限定的均衡策略，具体步骤如下：
(1)选择均衡路径：在电池组均衡过程中，同一个模块Mi中的单体均衡通过均衡子单元Si进行，同一个模块Ei中电池组Mi模块之间的均衡通过均衡子单元Ei进行，整个电池组的均衡通过两层均衡子电路即可实现。
(2)选择均衡阈值：Si、Ei等控制模块每一层均衡电路都有一个均衡阈值。当电池数量较多时，对应控制模块层数也更多，同理均衡阈值也会更多。当前为4节电池，对应两层均衡控制模块，只有同时满足所有均衡阈值限定时，电池均衡电路才停止工作，完成均衡任务。
由图8可以看出，每个Si均衡子单元都控制两个电池单体，记为a、b。Si中MOS管Sa的开启条件为：
SOCa-SOCb＞0.3 (1)
Si中MOS管Sb的开启条件为：
SOCb-SOCa＞0.3 (2)
当电池数量n为奇数时，最后一节电池不进行均衡操作，直接进入第二层电路。
在第二层电路中，每个Ei均衡子电路都控制两个Mi模块，记为a、b。Ei中Ea的开启条件为：
SOCa-SOCb＞0.5 (3)
Ei中Eb的开启条件为：
SOCb-SOCa＞0.5 (4)
当均衡控制模块Mi数量k为奇数时，该最后一个均衡控制模块不进行均衡操作，均衡控制模块M直接进入第三层电路。
(3)开关频率的调整：该均衡电路的均衡脉冲电流较大，为了保护电池并且延长电池使用寿命，必须限制均衡脉冲电流的大小。在第一层均衡子单元中，电感接一节电池，在第二层均衡子单元中，电感接两节电池，所以，要设置Ei开关频率是Si的两倍作用。
以第一层均衡子单元为例分析均衡电路工作原理。在电池组充放电过程中，令电池单体B2的SOC高于电池B1，电池组均衡过程可以分成两个阶段。
阶段1：对均衡子单元S1充电。如图10所示。
S1b为P沟道MOS管，S1b闭合，ic逐渐增大，单体B2给电感充电，部分电能储存到电感中转化为磁能，均衡电流的最大值Imax由S1b的闭合时间决定。
S1b导通电阻与电感直流电阻等回路总电阻用Ron表示，电感的电感值用L表示，iL表示通过电感的电流值，S1b的闭合时间用ton表示。
在此过程中，均衡子单元S1中电感吸收电池B2的电流充电储能，使电池B2的电量减少。
阶段2：均衡子单元S1放电。如图11所示。
S1a为N沟道MOS管，当t＞ton时，S1b断开，电感通过S1a的寄生二极管为电池B1充电，完成能量从电池B2到电池B1的转移。电感在该过程中是一阶全响应。
均衡子单元电感通过MOS管S1a的寄生二极管续流的方式给电池B1充电，使电池B1的电量增加。
同理，当电池单体B1的SOC大于电池单体B2的SOC并且均衡子电路S1的启动条件满足时，需要对电池单体B1进行放电均衡，对电池单体B2进行充电均衡，均衡过程也可以通过相似的两个阶段完成。在第二层Ei控制电路中，均衡过程同样可以分为类似两阶段，这里不再赘述。
为了对二分均衡电路有效性进行验证，通过均衡电路进行仿真与实验，选择了4节2600mAH的锂电池、33uH电感，电感直流电阻0.6Ω。均衡子单元Si的PWM确定为16.6kHz，均衡子单元Ei的PWM确定为33.3kHz，占空比留有一定的余量，选择40％。
在初始阶段，设置电池单体B1的SOC为80％，B2、B3、B4电池单体SOC为95％，以此来测试电路的均衡效果。
由原理图可以看出，Si均衡子单元在工作时，电感两端电压约等于电池单体电压，所以通过观察电流变化情况进行测试。通过S1a、S1b的电流大小如图12所示。首先是图(a)对应的S1b导通，电流从0开始增加，在S1b关断时，对应电流达到最大值，最大电流1.574A，该电流也是通过电感的电流值。然后，电感通过S1a的寄生二极管进行放电，如图(b)所示，对电池单体B1进行充电，在下一个周期S1a导通之前，电感电流降为0。防止电荷累积造成电量浪费。Ei均衡子单元波形相似，不再赘述。
在仿真的2500s时间内，Fun模块输出的控制信号如图13所示。S1b对电池单体B2的放电均衡时间段为[0，2196s]，E1b对电池组M2的持续放电均衡时间段为[0，521.8s]，在[521.8s，2196s]间断放电。其他均衡子单元在整个过程中均未开启。
在仿真过程中，电池组SOC变化情况如图14所示，在第2500s时，四节电池的SOC分别为64.201％，64.331％，64.626％，64.647％。
各阶段电池单体SOC初始值如表1所示。整体的均衡控制基本完成。均衡结果非常理想。
表1主动均衡各阶段电池SOC(％)初始值
在仿真电路的基础上，本文设计了嵌入式硬件电路进行实验验证。参数与仿真参数相同，电感值33uH，开关频率分别为16.67kHz、33.3kHz。
为了方便调试，应用Qt软件编写了上位机，用于显示、存储数据。
S1均衡子单元波形如图15所示。CH1为PWM控制信号，频率为16.67kHz。CH2为通过电感的电流波形。PWM为高电平时，MOS管S1b导通，电池2对电感充电，此时电感为负载，电流近似线性增加；PWM为低电平时，电感通过S1a寄生二极管放电，此时电感为电源，电流近似线性减小，给电池B1充电。CH2波形峰峰值为328mV。通过霍尔传感器对电流进行测量，量程为3A，额定输出为1.65±0.625V，该均衡子单元电感最大电流为1.57A。
在均衡过程中，均衡子单元电感电压波形如图16所示。在CH1中PWM为高电平时，电感为负载，电感两端压差为-3.6V，电池B2对它充电。在PWM为低电平时，电感能量输出，类似电源，端电压为5V，为电池B1充电。E1均衡子单元波形类似。
电池组的放电电流设定为1A，在放电过程中，四个单体电池的SOC值和MOS管状态如表2所示。分为三个阶段：在第一个阶段，[0，500s]范围内，MOS管S1b，E1b导通；在第二阶段，[500，2226s]范围内，MOS管S1b导通，E1b间断导通；在第三阶段，[2226s，2500s]范围内，电池均衡基本结束，MOS管处于关闭状态。整个过程持续2500s，在2226s达到均衡。
表2主动均衡各阶段电池SOC(％)初始值
在电池组进行放电均衡过程中，各电池单体SOC曲线如图17所示。
对比分析
耗散均衡：电压采集同样选择LTC6803芯片，能量耗散电阻选择30Ω，耗散均衡电流区间为[0.126A，0.143A]。
与非耗散均衡实验相同，电池单体SOC与前文相同，同样选择1A电流放电，具体波形如图18所示。在7500s时，电池B2SOC下降为0，必须停止放电，此刻，其他电池单体SOC为2.9％。为了确定耗散均衡时间，对电池组进行1A电流充电。在9248s均衡完成，电池单体SOC分别为25.93％、25.94％、25.94％、25.94％。
在非耗散均衡实验中，第2219s时完成电池均衡，在第7500s时，电池剩余电量平均值为10.1％。在耗散均衡实验中，第7500s时，均衡还处在未完成状态，此时电量平均值为2.2％。耗散均衡在9248s时完成电池均衡。
采用传统电感非耗散均衡电路，初始SOC状态与前文相同。电池组SOC均衡仿真结果如图19所示。
当电池单体B1电量与其他电池差距较大时，均衡路径较长，均衡过程非常缓慢。耗散均衡、传统非耗散均衡、二分非耗散均衡三种均衡方式的对比分析如表3所示。
表3均衡方式对比
二分均衡电路与现有耗散均衡电路相比，均衡效率提高4.1倍，能量损耗仅为1/25。与传统电感非耗散均衡相比，均衡效率提升1.49倍，能量损耗仅为3/4。并且二分非耗散均衡在电路复杂度、均衡控制复杂度、占用空间、可扩展性等方面具有明显优势。
Claims (7)
1.一种基于联合荷电状态估算的电池组均衡方法，其特征在于，包括以下步骤：
通过安时积分法、勒贝格采样以及无迹拉尔曼滤波法联合对电池的荷电状态SOC进行估计；
通过电池的荷电状态控制均衡子单元的通断状态，实现对电池组的均衡控制。
2.根据权利要求1所述的一种基于联合荷电状态估算的电池组均衡方法，其特征在于，所述通过安时积分法、勒贝格采样以及无迹拉尔曼滤波法联合对电池的荷电状态进行估计，包括以下步骤：
在电池工作过程中，通过安时积分法估算电池的SOC，输出当前勒比格状态下电池的SOC，同时对电流进行积分，记为y；
当y大于阈值A时，电池达到新的勒比格状态，采集当前状态电池的电流值和电压值，并通过无迹拉尔曼滤波法对电池的SOC进行在线估计；
当|SOCk-SOCk-1|小于阈值B时，对y进行初始化，更新安时积分法得到的电池SOC值并输出，其中，SOCk表示状态k时电池的荷电状态，SOCk-1表示状态k-1时电池的荷电状态。
3.根据权利要求1所述的一种基于联合荷电状态估算的电池组均衡方法，其特征在于，所述通过电池的荷电状态控制均衡子单元的通断状态，实现对电池组的均衡控制，包括以下步骤：
判断与均衡子单元连接的电池B1的荷电状态SOCa、电池B2的荷电状态SOCb，并通过控制均衡子单元中的MOS管Sa和MOS管Sb的通断对电池组进行均衡控制：
SOCa-SOCb＞阈值，控制MOS管Sa开启；
SOCb-SOCa＞阈值，控制MOS管Sb开启。
4.一种基于联合荷电状态估算的电池组均衡系统，其特征在于，包括：
SOC估计模块，用于通过安时积分法、勒贝格采样以及无迹拉尔曼滤波法联合对电池的荷电状态SOC进行估计；
均衡通断控制模块，用于通过电池的荷电状态控制均衡子单元的通断状态，实现对电池组的均衡控制。
5.根据权利要求4所述的一种基于联合荷电状态估算的电池组均衡系统，其特征在于，所述均衡子单元包括两个串联的MOS管Sa和MOS管Sb；
所述MOS管Sb的栅极、MOS管Sa的栅极用于接收控制信号，MOS管Sb的源极与电池B2正极连接，MOS管Sb的漏极与MOS管Sa的漏极连接，还通过电感与电池B2负极、电池B1正极连接；MOS管Sa的源极与电池B1负极连接；
所述MOS管Sb的源极与漏极之间、MOS管Sa的源极与漏极之间分别连有寄生二极管。
6.一种基于联合荷电状态估算的电池组均衡系统，其特征在于，包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1-3任一项所述的一种基于联合荷电状态估算的电池组均衡方法。
7.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-3任一项所述的一种基于联合荷电状态估算的电池组均衡方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110646160.3A CN115469238A (zh) | 2021-06-10 | 2021-06-10 | 一种基于联合荷电状态估算的电池组均衡方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110646160.3A CN115469238A (zh) | 2021-06-10 | 2021-06-10 | 一种基于联合荷电状态估算的电池组均衡方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115469238A true CN115469238A (zh) | 2022-12-13 |
Family
ID=84365052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110646160.3A Pending CN115469238A (zh) | 2021-06-10 | 2021-06-10 | 一种基于联合荷电状态估算的电池组均衡方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115469238A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1402375A (zh) * | 2002-04-04 | 2003-03-12 | 北京航空航天大学 | 基于电池动态电量差异补偿的自动均衡充放电方法与装置 |
| US20130151174A1 (en) * | 2010-08-18 | 2013-06-13 | Osaka University | Electronic state calculation method, electronic state calculation device, and recording medium |
| CN105353315A (zh) * | 2015-09-30 | 2016-02-24 | 盐城工学院 | 一种基于无迹卡尔曼滤波的电池系统荷电状态估计方法 |
| CN205898986U (zh) * | 2016-07-26 | 2017-01-18 | 江苏工程职业技术学院 | 一种喷药无人机锂电池测试装置 |
| CN109995102A (zh) * | 2019-03-01 | 2019-07-09 | 中国第一汽车股份有限公司 | 一种电动汽车用动力电池均衡系统及控制方法 |
| CN112026587A (zh) * | 2020-08-06 | 2020-12-04 | 珠海格力电器股份有限公司 | 一种电池均衡系统控制方法、装置及存储介质 |
| CN112332469A (zh) * | 2020-09-08 | 2021-02-05 | 煤炭科学技术研究院有限公司 | 一种矿用锂离子蓄电池电源的均衡模块及均衡方法 |
| CN112865232A (zh) * | 2021-01-14 | 2021-05-28 | 哈尔滨工业大学（深圳） | 主动式电池组均衡电路及控制方法 |
-
2021
- 2021-06-10 CN CN202110646160.3A patent/CN115469238A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1402375A (zh) * | 2002-04-04 | 2003-03-12 | 北京航空航天大学 | 基于电池动态电量差异补偿的自动均衡充放电方法与装置 |
| US20130151174A1 (en) * | 2010-08-18 | 2013-06-13 | Osaka University | Electronic state calculation method, electronic state calculation device, and recording medium |
| CN105353315A (zh) * | 2015-09-30 | 2016-02-24 | 盐城工学院 | 一种基于无迹卡尔曼滤波的电池系统荷电状态估计方法 |
| CN205898986U (zh) * | 2016-07-26 | 2017-01-18 | 江苏工程职业技术学院 | 一种喷药无人机锂电池测试装置 |
| CN109995102A (zh) * | 2019-03-01 | 2019-07-09 | 中国第一汽车股份有限公司 | 一种电动汽车用动力电池均衡系统及控制方法 |
| CN112026587A (zh) * | 2020-08-06 | 2020-12-04 | 珠海格力电器股份有限公司 | 一种电池均衡系统控制方法、装置及存储介质 |
| CN112332469A (zh) * | 2020-09-08 | 2021-02-05 | 煤炭科学技术研究院有限公司 | 一种矿用锂离子蓄电池电源的均衡模块及均衡方法 |
| CN112865232A (zh) * | 2021-01-14 | 2021-05-28 | 哈尔滨工业大学（深圳） | 主动式电池组均衡电路及控制方法 |
Non-Patent Citations (3)
| Title |
|---|
| HONGWEN HE: "Comparison Study on the Battery SoC Estimation with EKF and UKF Algorithms", 《ENERGIES》, 30 September 2013 (2013-09-30), pages 5088 - 5099 * |
| WUZHAO YAN: "State-of-Charge Estimation of Lithium-ion Batteries by Lebesgue Sampling-Based EKF Method", 《IECON 2017-43RD ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY》, 29 October 2017 (2017-10-29), pages 3233 - 3238, XP033279997, DOI: 10.1109/IECON.2017.8216546 * |
| 刘鹏飞: "锂电池组荷电状态估算及智能均衡管理技术研究", 《中国优秀硕士学位论文全文数据库》, 15 January 2024 (2024-01-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | SOC estimation of lithium-ion battery pack considering balancing current | |
| Saji et al. | SoC estimation of lithium ion battery using combined coulomb counting and fuzzy logic method | |
| Wei et al. | System state estimation and optimal energy control framework for multicell lithium-ion battery system | |
| CN111193306B (zh) | 模块化储能电池并网系统的电池健康状态均衡方法及系统 | |
| CN101882699B (zh) | 动力电池组充放电均衡控制方法 | |
| CN104360285B (zh) | 一种基于改进的安时积分法的电池容量修正方法 | |
| CN110525269B (zh) | Soc的电池组均衡控制方法 | |
| CN109256834A (zh) | 基于电池健康状态和荷电状态的电池组主动均衡方法 | |
| CN105140981B (zh) | 锂电池主动均衡控制方法 | |
| Gao et al. | State‐of‐charge estimation and active cell pack balancing design of lithium battery power system for smart electric vehicle | |
| CN104051810A (zh) | 一种锂离子储能电池系统soc估算快速修正方法 | |
| CN204424402U (zh) | 磷酸铁锂电池组的被动均衡系统 | |
| CN105634063A (zh) | 一种基于电池历史数据的主动均衡方法 | |
| Wai et al. | Design of energy-saving adaptive fast-charging control strategy for Li-FePO4 battery module | |
| Lv et al. | Influence of equalization on LiFePO4 battery inconsistency | |
| CN105870997B (zh) | 串联蓄电池组均衡电流的定量控制方法 | |
| CN104852423A (zh) | 一种充电均衡控制电路、电池组充电管理系统及方法 | |
| CN110297452B (zh) | 一种蓄电池组相邻型均衡系统及其预测控制方法 | |
| Turksoy et al. | A fast and energy-efficient nonnegative least square-based optimal active battery balancing control strategy for electric vehicle applications | |
| Ekanayake et al. | Active and passive based hybrid cell balancing approach to series connected lithium-ion battery pack | |
| CN111762059B (zh) | 一种考虑电池充放电工况的多变量融合电池组的均衡方法 | |
| Zhang et al. | An improved buck-boost circuit equalization method for series connected battery packs | |
| CN218958586U (zh) | 一种双模式的主动均衡锂离子电池电路 | |
| CN115469238A (zh) | 一种基于联合荷电状态估算的电池组均衡方法 | |
| CN115473290A (zh) | 电池组二分非耗散均衡系统及其均衡方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |