鉅大LARGE | 點擊量：966次 | 2022年04月08日
一個典型的動力鋰離子電池管理系統(tǒng)，要實現(xiàn)什么功能？
電池管理系統(tǒng)，BMS（BatteryManagementSystem），是電動汽車動力鋰電池系統(tǒng)的重要組成。它一方面檢測收集并初步計算電池實時狀態(tài)參數(shù)，并根據(jù)檢測值與允許值的比較關(guān)系控制供電回路的通斷；另一方面，將采集的關(guān)鍵數(shù)據(jù)上報給整車控制器，并接收控制器的指令，與車輛上的其他系統(tǒng)協(xié)調(diào)工作。電池管理系統(tǒng)，不同電芯類型，對管理系統(tǒng)的要求往往并不相同。
1簡介
電動汽車用鋰離子電池容量大、串并聯(lián)節(jié)數(shù)多，系統(tǒng)復(fù)雜，加之安全性、耐久性、動力性等性能要求高、實現(xiàn)難度大，因此成為影響電動汽車推廣普及的瓶頸。鋰離子電池安全工作區(qū)域受到溫度、電壓窗口限制，超過該窗口的范圍，電池性能就會加速衰減，甚至發(fā)生安全問題。目前，大部分車用鋰離子電池，要求的可靠工作溫度為，放電時-20~55C，充電時0~45C（對石墨負(fù)極），而關(guān)于負(fù)極LTO充電時最低溫度為-30C；工作電壓一般為1.5~4.2V左右（關(guān)于LiCoO2/C、LiNi0.8Co0.15Al0.05O2/C、LiCoxNiyMnzO2/C以及LiMn2O4/C等材料體系約2.5~4.2V，關(guān)于LiMn2O4/Li4Ti5O12材料體系約1.5~2.7V，關(guān)于LiFePO4/C材料體系約2.0~3.7V）。
溫度對鋰離子電池性能尤其安全性具有決定性的影響，根據(jù)電極材料類型的不同，鋰離子電池（C/LiMn2O4，C/LMO，C/LiCoxNiyMnzO2，C/NCM，C/LiFePO4，C/LiNi0.8Co0.15Al0.05O2，C/NCA）典型的工作溫度如下：放電在-20-55℃，充電在0-45℃；負(fù)極材料為Li4Ti5O12或者LTO時，最低充電溫度往往可以達(dá)到-30℃。
當(dāng)溫度過高時，會給電池的壽命造成不利影響。當(dāng)溫度高至一定程度，則可能造成安全問題。如圖所示圖1中，當(dāng)溫度為90~120℃時，SEI膜將開始放熱分解[1~3]，而一些電解質(zhì)體系會在較低溫度下分解約69℃[4]。當(dāng)溫度超過120℃，SEI膜分解后無法保護負(fù)碳電極，使得負(fù)極與有機電解質(zhì)直接反應(yīng)，出現(xiàn)可燃?xì)怏w將[3]。當(dāng)溫度為130℃，隔膜將開始熔化并關(guān)閉離子通道，使得電池的正負(fù)極暫時沒有電流流動[5,6]。當(dāng)溫度升高時，正極材料開始分解（LiCoO2開始分解約在150℃[7]，LiNi0.8Co0.15Al0.05O2在約160℃[8,9]，LiNixCoyMnzO2在約210℃[8]，LiMn2O4在約265℃[1]，LiFePO4在約310℃[7]）并出現(xiàn)氧氣。當(dāng)溫度高于200℃時，電解液會分解并出現(xiàn)可燃性氣體[3]，并且與由正極的分解出現(xiàn)的氧氣劇烈反應(yīng)[9]，進(jìn)而導(dǎo)致熱失控。在0℃以下充電，會造成鋰金屬在負(fù)極表面形成電鍍層，這會減少電池的循環(huán)壽命。[10]
符合Exic IIB T4 Gc防爆標(biāo)準(zhǔn)
充電溫度：0~45℃
-放電溫度：-40~+55℃
-40℃最大放電倍率：1C
-40℃ 0.5放電容量保持率≥70%
過低的電壓或者過放電，會導(dǎo)致電解液分解并出現(xiàn)可燃?xì)怏w進(jìn)而導(dǎo)致潛在安全風(fēng)險。過高的電壓或者過充電，可能導(dǎo)致正極材料失去活性，并出現(xiàn)大量的熱；普通電解質(zhì)在電壓高于4.5V時會分解[12]
為了解決這些問題，人們試圖開發(fā)能夠在非常惡劣的情況下進(jìn)行工作的新電池系統(tǒng)，另一方面，目前商業(yè)化鋰離子電池必須連接管理系統(tǒng)，使鋰離子電池可以得到有效的控制和管理，每個單電池都在適當(dāng)?shù)臈l件下工作，充分保證電池的安全性、耐久性和動力性。
2電池管理系統(tǒng)含義
電池管理系統(tǒng)的重要任務(wù)是保證電池系統(tǒng)的設(shè)計性能，可以分解成如下三個方面：
1）安全性，保護電池單體或電池組免受損壞，防止出現(xiàn)安全事故；
2）耐久性，使電池工作在可靠的安全區(qū)域內(nèi)，延長電池的使用壽命；
3）動力性，維持電池工作在滿足車輛要求的狀態(tài)下。鋰離子電池的安全工作區(qū)域如圖1所示。
圖1為鋰離子電池的安全操作窗口
BMS由各類傳感器、執(zhí)行器、控制器以及信號線等組成，為滿足相關(guān)的標(biāo)準(zhǔn)或規(guī)范，BMS應(yīng)該具有以下功能。
1）電池參數(shù)檢測。包括總電壓、總電流、單體電池電壓檢測（防止出現(xiàn)過充、過放甚至反極現(xiàn)象）、溫度檢測（最好每串電池、關(guān)鍵電纜接頭等均有溫度傳感器）、煙霧探測（監(jiān)測電解液泄漏等）、絕緣檢測（監(jiān)測漏電）、碰撞檢測等。
2）電池狀態(tài)估計。包括荷電狀態(tài)（SOC）或放電深度（DOD）、健康狀態(tài)（SOH）、功能狀態(tài)（SOF）、能量狀態(tài)（SOE）、故障及安全狀態(tài)（SOS）等。
3）在線故障診斷。包括故障檢測、故障類型判斷、故障定位、故障信息輸出等。故障檢測是指通過采集到的傳感器信號，采用診斷算法診斷故障類型，并進(jìn)行早期預(yù)警。電池故障是指電池組、高壓電回路、熱管理等各個子系統(tǒng)的傳感器故障、執(zhí)行器故障（如接觸器、風(fēng)扇、泵、加熱器等），以及網(wǎng)絡(luò)故障、各種控制器軟硬件故障等。電池組本身故障是指過壓（過充）、欠壓（過放）、過電流、超高溫、內(nèi)短路故障、接頭松動、電解液泄漏、絕緣降低等。
4）電池安全控制與報警。包括熱系統(tǒng)控制、高壓電安全控制。BMS診斷到故障后，通過網(wǎng)絡(luò)通知整車控制器，并要求整車控制器進(jìn)行有效處理（超過一定閾值時BMS也可以切斷主回路電源），以防止高溫、低溫、過充、過放、過流、漏電等對電池和人身的損害。
5）充電控制。BMS中具有一個充電管理模塊，它能夠根據(jù)電池的特性、溫度高低以及充電機的功率等級，控制充電機給電池進(jìn)行安全充電。
6）電池均衡。不一致性的存在使得電池組的容量小于組中最小單體的容量。電池均衡是根據(jù)單體電池信息，采用主動或被動、耗散或非耗散等均衡方式，盡可能使電池組容量接近于最小單體的容量。
7）熱管理。根據(jù)電池組內(nèi)溫度分布信息及充放電需求，決定主動加熱/散熱的強度，使得電池盡可能工作在最適合的溫度，充分發(fā)揮電池的性能。
8）網(wǎng)絡(luò)通訊。BMS要與整車控制器等網(wǎng)絡(luò)節(jié)點通信；同時，BMS在車輛上拆卸不方便，要在不拆殼的情況下進(jìn)行在線標(biāo)定、監(jiān)控、自動代碼生成和在線程序下載（程序更新而不拆卸產(chǎn)品）等，一般的車載網(wǎng)絡(luò)均采用CAN總線技術(shù)。
9）信息存儲。用于存儲關(guān)鍵數(shù)據(jù)，如SOC、SOH、SOF、SOE、累積充放電Ah數(shù)、故障碼和一致性等。車輛中的真實BMS可能只有上面提到的部分硬件和軟件。每個電池單元至少應(yīng)有一個電池電壓傳感器和一個溫度傳感器。關(guān)于具有幾十個電池的電池系統(tǒng)，可能只有一個BMS控制器，或者甚至將BMS功能集成到車輛的主控制器中。關(guān)于具有數(shù)百個電池單元的電池系統(tǒng)，可能有一個主控制器和多個僅管理一個電池模塊的從屬控制器。關(guān)于每個具有數(shù)十個電池單元的電池模塊，可能存在一些模塊電路接觸器和平衡模塊，并且從控制器像測量電壓和電流相同管理電池模塊，控制接觸器，均衡電池單元并與主控制器通信。根據(jù)所報告的數(shù)據(jù)，主控制器將執(zhí)行電池狀態(tài)估計，故障診斷，熱管理等。
10）電磁兼容。由于電動汽車使用環(huán)境惡劣，要求BMS具有好的抗電磁干擾能力，同時要求BMS對外輻射小。電動汽車BMS軟硬件的基本框架如圖2所示。
3BMS的關(guān)鍵問題
盡管BMS有許多功能模塊，本文僅分析和總結(jié)其關(guān)鍵問題。目前，關(guān)鍵問題涉及電池電壓測量，數(shù)據(jù)采樣頻率同步性，電池狀態(tài)估計，電池的均勻性和均衡，和電池故障診斷的精確測量。
3.1電池電壓測量（CVM）
電池電壓測量的難點存在于以下幾個方面：
（1）電動汽車的電池組有數(shù)百個電芯的串聯(lián)連接，要許多通道來測量電壓。由于被測量的電池電壓有累積電勢，而每個電池的積累電勢都不同，這使得它不可能采用單向補償方法消除誤差。
（2）電壓測量要高精度（特別是關(guān)于C/LiFePO4電池）。SOC估算對電池電壓精度提出了很高的要求。這里我們以C/LFP和LTO/NCM型電池為例。圖3顯示了電池C/LiFePO4和LTO/NCM的開路電壓（OCV）以及每mV電壓對應(yīng)的SOC變化。從圖中我們可以看到LTO/NCM的OCV曲線的斜率相對陡峭，且大多數(shù)SOC范圍內(nèi)，每毫伏的電壓變化對應(yīng)的最大SOC率范圍低于0.4％（除了SOC60~70％）。因此，假如電池電壓的測量精度為10mV，那么通過OCV估計方法獲得的SOC誤差低于4％。因此，關(guān)于LTO/NCM電池，電池電壓的測量精度要小于10mV。但C/LiFePO4OCV曲線的斜率相對平緩，并且在大多數(shù)范圍內(nèi)（除了SOC<40％和65~80％），每毫伏電壓的最大相應(yīng)SOC變化率達(dá)到4％。因此，電池電壓的采集精度要求很高，達(dá)到1mV左右。目前，電池電壓的大部分采集精度僅達(dá)到5mV。在文獻(xiàn)[47]和[48]中，分別總結(jié)了鋰離子電池組和燃料動力電池組的電壓測量方法。這些方法包括電阻分壓器方法，光耦合隔離放大器方法，離散晶體管的方法[49]，分布式測量方[50]，光耦合中繼方法[51]等等。目前，電池的電壓和溫度采樣已形成芯片產(chǎn)業(yè)化，表1比較了大多數(shù)BMS所用芯片的性能。
3.2數(shù)據(jù)采樣頻率同步性
信號的采樣頻率與同步對數(shù)據(jù)實時分析和處理有影響。設(shè)計BMS時，要對信號的采樣頻率和同步精度提出要求。但目前部分BMS設(shè)計過程中，對信號采樣頻率和同步?jīng)]有明確要求。電池系統(tǒng)信號有多種，同時電池管理系統(tǒng)一般為分布式，假如電流的采樣與單片電壓采樣分別在不同的電路板上；信號采集過程中，不同控制子板信號會存在同步問題，會對內(nèi)阻的實時監(jiān)測算法出現(xiàn)影響。同一單片電壓采集子板，一般采用巡檢方法，單體電壓之間也會存在同步問題，影響不一致性分析。系統(tǒng)對不同信號的數(shù)據(jù)采樣頻率和同步要求不同，對慣性大的參量要求較低，如純電動汽車電池正常放電的溫升數(shù)量級為1℃/10min，考慮到溫度的安全監(jiān)控，同時考慮BMS溫度的精度（約為1℃），溫度的采樣間隔可定為30s（對混合動力鋰電池，溫度采樣率要更高一些）。
電壓與電流信號變化較快，采樣頻率和同步性要求很高。由交流阻抗分析可知，動力鋰電池的歐姆內(nèi)阻響應(yīng)在ms級，SEI膜離子傳輸阻力電壓響應(yīng)為10ms級，電荷轉(zhuǎn)移（雙電容效應(yīng)）響應(yīng)為1~10s級，擴散過程響應(yīng)為min級。目前，電動汽車加速時，驅(qū)動電機的電流從最小變化到最大的響應(yīng)時間約為0.5s，電流精度要求為1%左右，綜合考慮變載工況的情況，電流采樣頻率應(yīng)取10~200Hz。單片信息采集子板電壓通道數(shù)一般為6的倍數(shù)，目前最多為24個。一般純電動乘用車電池由約100節(jié)電池串聯(lián)組成，單體電池信號采集要多個采集子板。為了保證電壓同步，每個采集子板中單體間的電壓采樣時間差越小越好，一個巡檢周期最好在25ms內(nèi)。子板之間的時間同步可以通過發(fā)送一幀CAN參考幀來實現(xiàn)。數(shù)據(jù)更新頻率應(yīng)為10Hz以上。
后面兩天的文章中還會涉及的BMS的關(guān)鍵功能還有：電池狀態(tài)估計，包括SOC估計方法概述，SOH估計方法概述，SOF估計方法概述，電池一致性和均衡方法概述，故障診斷概述幾個部分。
上回書說到，鋰離子電池系統(tǒng)龐大，要電池管理系統(tǒng)的監(jiān)督和優(yōu)化，以維護其安全性、耐久性和動力性。上篇中提及的BMS功能需求包括電池電壓測量、數(shù)據(jù)采樣頻率同步性。本文繼續(xù)，中篇講述溫度估計和SOC估計。預(yù)報，明天的下篇中會包括電池狀態(tài)包括SOH（健康狀態(tài)估計）、SOS（安全狀態(tài)估計）、SOF（功能狀態(tài)估計）及SOE（可用能量狀態(tài)估計）。這些功能是期望BMS具備的，但實際應(yīng)用中，出于客戶要求、車型要求以及成本等等的考慮，實際設(shè)計到系統(tǒng)中的可能只是其中的幾個。
3.3電池狀態(tài)估計
電池狀態(tài)包括電池溫度、SOC（荷電狀態(tài)估計）、SOH（健康狀態(tài)估計）、SOS（安全狀態(tài)估計）、SOF（功能狀態(tài)估計）及SOE（可用能量狀態(tài)估計）。各種狀態(tài)估計之間的關(guān)系如圖4所示。電池溫度估計是其他狀態(tài)估計的基礎(chǔ)，SOC估計受到SOH的影響，SOF是由SOC、SOH、SOS以及電池溫度共同確定的，SOE則與SOC、SOH、電池溫度、未來工況有關(guān)。
3.3.1電池溫度估計
溫度對電池性能影響較大，目前一般只能測得電池表面溫度，而電池內(nèi)部溫度要使用熱模型進(jìn)行估計。常用的電池?zé)崮Ｐ桶憔S模型（集總參數(shù)模型）、一維乃至三維模型。零維模型可以大致計算電池充放電過程中的溫度變化，估計精度有限，但模型計算量小，因此可用于實時的溫度估計。一維、二維及三維模型要使用數(shù)值方法對傳熱微分方程進(jìn)行求解，對電池進(jìn)行網(wǎng)格劃分，計算電池的溫度場分布，同時還需考慮電池結(jié)構(gòu)對傳熱的影響（結(jié)構(gòu)包括內(nèi)核、外殼、電解液層等）。一維模型中只考慮電池在一個方向的溫度分布，在其他方向視為均勻。二維模型考慮電池在兩個方
向的溫度分布，對圓柱形電池來說，軸向及徑向的溫度分布即可反映電池內(nèi)部的溫度場。二維模型一般用于薄片電池的溫度分析。三維模型可以完全反映方形電池內(nèi)部的溫度場，仿真精度較高，因而研究較多。但三維模型的計算量大，無法應(yīng)用于實時溫度估計，只能用于在實驗室中進(jìn)行溫度場仿真。為了讓三維模型的計算結(jié)果實時應(yīng)用，研究人員利用三維模型的溫度場計算結(jié)果，將電池產(chǎn)熱功率和內(nèi)外溫差的關(guān)系用傳遞函數(shù)表達(dá)，通過產(chǎn)熱功率和電池表面溫度估計電池內(nèi)部的溫度，具有在BMS中應(yīng)用的潛力。圖5所示為電池內(nèi)部溫度的估計流程。
一般地，鋰離子電池適宜的工作溫度為15~35℃，而電動汽車的實際工作溫度為-30～50℃，因此必須對電池進(jìn)行熱管理，低溫時要加熱，高溫時要冷卻。熱管理包括設(shè)計與控制兩方面，其中，熱管理設(shè)計不屬于本文內(nèi)容。溫度控制是通過測溫元件測得電池組不同位置的溫度，綜合溫度分布情況，熱管理系統(tǒng)控制電路進(jìn)行散熱，熱管理的執(zhí)行部件一般有風(fēng)扇、水/油泵、制冷機等。比如，可以根據(jù)溫度范圍進(jìn)行分檔控制。Volt插電式混合動力鋰電池?zé)峁芾矸譃?種模式：主動（制冷散熱）、被動（風(fēng)扇散熱）和不冷卻模式，當(dāng)動力鋰電池溫度超過某預(yù)先設(shè)定的被動冷卻目標(biāo)溫度后，被動散熱模式啟動；而當(dāng)溫度繼續(xù)升高至主動冷卻目標(biāo)溫度以上時，主動散熱模式啟動。
3.2荷電狀態(tài)（SOC）估計
SOC（StateofCharge），可用電量占據(jù)電池最大可用容量的比例，通常以百分比表示，100％表示完全充電，0％表示完全放電。
這是針對單個電池的含義，關(guān)于電池模塊（或電池組，由于電池組由多個模塊組成，因此從模塊SOC計算電池組的SOC就像電池電池單體SOC估計模塊SOC相同），情況有一點復(fù)雜。在SOC估計方法的最后一節(jié)討論。
目前，對SOC的研究已經(jīng)基本成熟，SOC算法重要分為兩大類，一類為單一SOC算法，另一類為多種單一SOC算法的融合算法。單一SOC算法包括安時積分法、開路電壓法、基于電池模型估計的開路電壓法、其他基于電池性能的SOC估計法等。融合算法包括簡單的修正、加權(quán)、卡爾曼濾波（或擴展卡爾曼濾波）以及滑模變結(jié)構(gòu)方法等。
1）放電測試方法
確定電池SOC的最可靠方法是在受控條件下進(jìn)行放電測試，即指定的放電速率和環(huán)境溫度。這個測試可以準(zhǔn)確的計算電池的剩余電量SOC，但所消耗的時間相當(dāng)長，并且在測試完畢以后電池里面的電量全部放掉，因此這個方法只在實驗室中用來標(biāo)定驗證電池的標(biāo)稱容量，無法用于設(shè)計BMS做車輛電池電量的在線估計。
2）安時積分法
安時積分計算方法為:
式中，SOC為荷電狀態(tài)；SOC0為起始時刻（t0）的荷電狀態(tài)；CN為額定容量（為電池當(dāng)時標(biāo)準(zhǔn)狀態(tài)下的容量，隨壽命變化）；η為庫侖效率，放電為1，充電小于1；I為電流，充電為負(fù)，放電為正。
在起始荷電狀態(tài)SOC0比較準(zhǔn)確情況下，安時積分法在一段時間內(nèi)具有相當(dāng)好的精度（重要與電流傳感器采樣精度、采樣頻率有關(guān)）。但是，安時積分法的重要缺點為：起始SOC0影響荷電狀態(tài)的估計精度；庫侖效率η受電池的工作狀態(tài)影響大（如荷電狀態(tài)、溫度、電流大小等），η難于準(zhǔn)確測量，會對荷電狀態(tài)誤差有累積效應(yīng)；電流傳感器精度，特別是偏差會導(dǎo)致累計效應(yīng)，影響荷電狀態(tài)的精度。因此，單純采用安時積分法很難滿足荷電狀態(tài)估計的精度要求。
3）開路電壓（OCV）法
鋰離子電池的荷電狀態(tài)與鋰離子在活性材料中的嵌入量有關(guān)，與靜態(tài)熱力學(xué)有關(guān)，因此充分靜置后的開路電壓可以認(rèn)為達(dá)到平衡電動勢，OCV與荷電狀態(tài)具有一一對應(yīng)的關(guān)系，是估計荷電狀態(tài)的有效方法。但是有些種類電池的OCV與充放電過程（歷史）有關(guān)，如LiFePO4/C電池，充電OCV與放電OCV具有滯回現(xiàn)象（與鎳氫電池類似），并且電壓曲線平坦，因而SOC估計精度受到傳感器精度的影響嚴(yán)重，這些都要進(jìn)一步研究。開路電壓法最大的優(yōu)點是荷電狀態(tài)估計精度高，但是它的顯著缺點是要將電池長時靜置以達(dá)到平衡，電池從工作狀態(tài)恢復(fù)到平衡狀態(tài)一般要一按時間，與荷電狀態(tài)、溫度等狀態(tài)有關(guān)，低溫下要數(shù)小時以上，所以該方法單獨使用只適于電動汽車駐車狀態(tài)，不適合動態(tài)估計。
4）基于電池模型的開路電壓法
通過電池模型可以估計電池的開路電壓，再根據(jù)OCV與SOC的對應(yīng)關(guān)系可以估計當(dāng)前電池的SOC。等效電路模型是最常用的電池模型。
關(guān)于這種方法，電池模型的精度和復(fù)雜性非常重要。華等人收集了12個常用等效電路模型，包括組合模型，Rint模型（簡單模型），具有零狀態(tài)滯后模型的Rint模型，具有單態(tài)滯后模型的Rint模型，具有兩個低通濾波器增強型自校正（ESC）模型，具有四個低通濾波器的ESC模型，一階RC模型，一個狀態(tài)滯后的一階RC模型，二階RC模型，具有單態(tài)滯后的二階RC模型，三階RC模型和具有單態(tài)滯后的三階RC模型。
電化學(xué)模型是建立在傳質(zhì)、化學(xué)熱力學(xué)、動力學(xué)基礎(chǔ)上，涉及電池內(nèi)部材料的參數(shù)較多，而且很難準(zhǔn)確獲得，模型運算量大，一般用于電池的性能分析與設(shè)計。
假如電池模型參數(shù)已知，則很容易找到電池OCV。然后使用通過實驗得出的OCV-SOC查找表，可以容易地找到電池SOC。研究人員使用這種方法，并分別采取RINT模型，一階RC，二階RC模型，發(fā)現(xiàn)使用二階RC模型的最大估計誤差是4.3％，而平均誤差是1.4％。
圖6充放電C/的LiFePO的OCV曲線4（在25℃測量，休息時間3小時）
5）神經(jīng)網(wǎng)絡(luò)模型方法
神經(jīng)網(wǎng)絡(luò)模型法估計SOC是利用神經(jīng)網(wǎng)絡(luò)的非線性映射特性，在建立模型時不用具體考慮電池的細(xì)節(jié)問題，方法具有普適性，適用于各種電池的SOC估計，但是要大量樣本數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，且估算誤差受訓(xùn)練數(shù)據(jù)和訓(xùn)練方法的影響很大，且神經(jīng)網(wǎng)絡(luò)法運算量大，要強大的運算芯片（如DSP等）。
6）模糊邏輯方法
模糊邏輯法基本思路就是根據(jù)大量試驗曲線、相關(guān)經(jīng)驗及可靠的模糊邏輯理論依據(jù)，用模糊邏輯模擬人的模糊思維，最終實現(xiàn)SOC預(yù)測，但該算法首先要對電池本身有足夠多的了解，計算量也較大。
7）基于電池性能的SOC估計法
基于電池性能的SOC估計方法包括交流阻抗法、直流內(nèi)阻法和放電試驗法。交流阻抗法是通過對交流阻抗譜與SOC的關(guān)系進(jìn)行SOC估計。直流內(nèi)阻法通過直流內(nèi)阻與電池SOC的關(guān)系進(jìn)行估計。
交流阻抗及直流內(nèi)阻一般僅用于電池離線診斷，很難直接應(yīng)用在車用SOC實時估計中，這是因為，采用交流阻抗的方法要有信號發(fā)生器，會新增成本；電池阻抗譜或內(nèi)阻與SOC關(guān)系復(fù)雜，影響因素多（包括內(nèi)阻一致性）；電池內(nèi)阻很小，車用電池在毫歐級，很難準(zhǔn)確獲得；鋰離子電池內(nèi)阻在很寬范圍內(nèi)變化較小，很難識別。
8）融合算法
目前融合算法包括簡單修正、加權(quán)、卡爾曼濾波或擴展卡爾曼濾波（EKF）、滑模變結(jié)構(gòu)等。簡單修正的融合算法重要包括開路電壓修正、滿電修正的安時積分法等。
關(guān)于純電動汽車電池，工況較為簡單，車輛運行時除了少量制動回饋充電外重要處于放電態(tài)，站上充電時電池處于充電態(tài)，開路電壓的滯回效應(yīng)比較容易估計；電池容量大，安時積分的誤差相對較??；充滿電的機率大，因此，采用開路電壓標(biāo)定初值和滿電修正的安時積分方法可以滿足純電動汽車電池SOC的估計精度要求。
關(guān)于混合動力車電池，由于工況復(fù)雜，運行中為了維持電量不變，電流有充有放；停車時除了維護外，沒有站上充電的機會；電池容量較小，安時積分的相對誤差大。因此，簡單的開路電壓修正方法還不能滿足混合動力車電池SOC的估計精度要求，要其他融合方法解決。
加權(quán)融合算法是將不同方法得到的SOC按一定權(quán)值進(jìn)行加權(quán)估計的方法。MarkVerbrugge等采用安時積分獲得SOCc與采用具有滯回的一階RC模型獲得SOCv的加權(quán)方法估計SOC，計算公式為
卡爾曼濾波是一種常用的融合算法。由于SOC不能直接測量，目前一般將兩種估計SOC的方法融合起來估計。SOC被當(dāng)成電池系統(tǒng)的一個內(nèi)部狀態(tài)分析。又由于電池系統(tǒng)為非線性系統(tǒng)，因此采用擴展的卡爾曼濾波方法，通常采用安時積分與電池模型組成系統(tǒng)進(jìn)行計算。Plett等研究了安時積分與組合模型、Rint模型（簡單模型）、零狀態(tài)滯回Rint模型、一狀態(tài)滯回Rint模型、加強自修正模型的卡爾曼濾波融合算法。Wang等研究了安時積分與二階RC模型的卡爾曼濾波融合算法。
夏超英等研究了安時積分與一階RC模型的卡爾曼濾波算法，指出EKF作為一個狀態(tài)觀測器，其意義在于用安時積分法計算SOC的同時，估計出電容上的電壓，從而得到電池端電壓的估計值作為校正SOC的依據(jù)，同時考慮噪聲及誤差的大小，確定每一步的濾波增益，得到開路電壓法在計算SOC時應(yīng)占的權(quán)重，從而得到SOC的最優(yōu)估計。這樣就把安時積分法和開路電壓有機地結(jié)合起來，用開路電壓克服了安時積分法有累積誤差的缺點，實現(xiàn)了SOC的閉環(huán)估計。同時，由于在計算過程中考慮了噪聲的影響，所以算法對噪聲有很強的抑制用途。這是當(dāng)前應(yīng)用最廣的SOC估計方法。
Charkhgard等采用卡爾曼濾波融合了安時積分與神經(jīng)網(wǎng)絡(luò)模型，卡爾曼濾波用于SOC計算的核心是建立合理的電池等效模型，建立一組狀態(tài)方程，因此算法對電池模型依賴性較強，要獲得準(zhǔn)確的SOC，要建立較為準(zhǔn)確的電池模型，為了節(jié)省計算量，模型還不能太復(fù)雜。Ouyang等提出一種實時性好的基于電化學(xué)機理的等效電路模型的SOC卡爾曼濾波算法，在保證計算速度基礎(chǔ)上，提高了SOC的估計效果，尤其是低SOC區(qū)的估計精度。但是卡爾曼濾波法的缺點還有卡爾曼增益不好確定，假如選擇不好狀態(tài)將發(fā)散。Kim等提出采用滑模技術(shù)克服卡爾曼濾波的缺點，據(jù)稱該方法關(guān)于模型參數(shù)不確定和干擾具有較強的魯棒性。
9）電池組SOC估計
電池組由多節(jié)電池串并聯(lián)組成，由于電池單體間存在不一致性，成組后的電池組SOC計算更為復(fù)雜。由多個電芯并聯(lián)連接的電池模塊可以被認(rèn)為是具有高容量的單個電池，并且由于并聯(lián)連接的自平衡特性，可以像單個電池相同估計SOC。
在串聯(lián)連接條件下，粗略的估計電池模塊的SOC也可以像單體電池相同，但考慮到電池的均勻性，情形會有些不同。假設(shè)電池模塊中每個單體電池的容量和SOC是已知的。假如有一個非常高效且無損的能量均衡裝置，則電池模塊的SOC：
其中，SOCM表示電池模塊的SOC，SOCi表示第i個電池單元的SOC，Ci表示第i個電池單體的容量。假如平衡裝置不是那么有效，真正的電池模塊的SOC與該平衡裝置的實際性能有關(guān)。假如只有耗散式的被動均衡功能或者沒有均衡功能，則電芯中存在一部分無法利用的容量如圖6所示，并且隨著電池差異性的加劇，這種浪費的容量的比例會越來越大。因此，電池模塊的容量表示為：
由此，在每一節(jié)電池單體SOC都可估計的前提下，就可以得到電池組的SOC值。要獲取單體的SOC值，最直接的方法就是應(yīng)用上述SOC估計方法中的一種，分別估計每一個單體的SOC，但這種方法的計算量太大。為了減小計算量，部分文獻(xiàn)[43~45]在估計電池成組的SOC方法上做了一些改進(jìn)研究。Dai等[44]采用一個EKF估計電池組平均SOC，用另一個EKF估計每個單體SOC與平均SOC之差ΔSOC。估計ΔSOC的EKF中要估計的狀態(tài)量只有一個，因此算法的計算量較小。另外，考慮到ΔSOC的變化很慢，采用雙時間尺度的方法可以進(jìn)一步減小計算量。Zheng等提出了一種M+D模型，即一個相對復(fù)雜的電池單體平均模型M，和一個簡單的單體差異模型D，利用最小二乘法計算單體與平均單體之間的差值ΔOCV，通過ΔSOC與ΔOCV的關(guān)系，可以計算每個單體的SOC值。
