電池組SOH估計(jì)

在不進(jìn)行均衡的條件下，電池組的容量衰減將遠(yuǎn)大于單體的容量衰減，鄭岳久等提出用兩維散點(diǎn)圖解釋電池組容量衰減的機(jī)理，指出電池組的容量衰減量為剩余充電電量最小單體的容量損失與單體間負(fù)極的活性鋰離子損失差異之和。為了得到電池組的容量，需要首先獲得單體的容量。單體容量獲取可以通過(guò)上述基于模型參數(shù)的辨識(shí)方法獲得，也可以通過(guò)充電電壓曲線變換方法獲取。

功能狀態(tài)(SOF)估計(jì)

估計(jì)電池SOF可以簡(jiǎn)單認(rèn)為是在估計(jì)電池的最大可用功率。一般而言，電池的最大可用功率受到電流、電壓、SOC、溫度等參數(shù)的限制，還與電池的老化程度、故障狀態(tài)等有關(guān)。常用的SOF估計(jì)方法可以分為基于電池MAP圖的方法和基于電池模型的動(dòng)態(tài)方法兩大類(lèi)。

1)基于MAP圖算法

基于電池測(cè)試(通常為HPPC測(cè)試)數(shù)據(jù)和最大、最小電壓限制，可以獲得在不同SOC下的最大充放電功率。在不同溫度、不同衰減程度下進(jìn)行電池測(cè)試，可以建立最大充放電功率與溫度、SOC、SOH的關(guān)系，得到最大充放電功率MAP圖?；贛AP圖，實(shí)車(chē)BMS可以通過(guò)插值得到電池的最大充放電功率，實(shí)現(xiàn)SOF估計(jì)。

Do等分別研究了不同SOC、溫度、累計(jì)放電容量下的最大充放電功率，并建立了最大充放電功率的函數(shù)解析式，實(shí)現(xiàn)了對(duì)SOF的預(yù)測(cè)?；贛AP圖的估計(jì)方法簡(jiǎn)單直接，但需要存儲(chǔ)多維MAP圖，并且只考慮了靜態(tài)特性，而對(duì)動(dòng)態(tài)工況下的充放電功率估計(jì)有一定的局限性。

2)基于電池模型的動(dòng)態(tài)算法

根據(jù)電池模型，綜合考慮電池的電流、電壓、SOC、功率等限制，可以得到最大充放電電流，從而計(jì)算得到電池的最大充放電功率。韓雪冰根據(jù)電池模型，給出不同電流輸入情況下電池的端電壓情況，通過(guò)迭代計(jì)算，獲得電池單體在電壓限制條件下所允許的最大電流Imax,voltage和最小電流Imin,voltage，并且從電池的機(jī)理出發(fā)，考慮了電池副反應(yīng)速率限制下的最大最小電流，其方法類(lèi)似于求取端電壓限制下的最大充放電電流。最后綜合考慮上述限制，獲得電池單體的最大最小電流。Sun等分析比較了幾種最大可用功率預(yù)測(cè)方法，包括HPPC法、SOC限制法、電壓限制法，以及基于動(dòng)態(tài)模型的多參數(shù)估計(jì)法，并通過(guò)HPPC測(cè)試得到充放電電阻，基于Rint模型，利用端電壓限制，估計(jì)電池的最大充放電功率。但這種方法估計(jì)的實(shí)際上是瞬時(shí)最大功率。并且由于Rint模型不夠精確，可能過(guò)于樂(lè)觀地估計(jì)了功率，還可能引起過(guò)充過(guò)放。與前述方法基本相同，Sun等認(rèn)為若允許的SOC變化范圍很大，計(jì)算出的最大最小電流可能很大，并不合理，應(yīng)與其他方法聯(lián)合使用。電壓限制法考慮在端電壓限制下一段時(shí)間內(nèi)的最大充放電功率，但仍使用了Rint模型，原理上與前述方法類(lèi)似，只是算法上并沒(méi)有采用迭代估計(jì)的方法，而是基于模型直接計(jì)算電流限值。基于動(dòng)態(tài)模型的多參數(shù)估計(jì)方法實(shí)質(zhì)上是基于Thevenin模型的電壓限制法，綜合SOC與電流的限制，進(jìn)而得到最大充放電電流。

以上是獲得電池單體最大充放電電流的方法。實(shí)車(chē)上電池組由眾多電池單體組成，由于單體之間存在不一致性，若要單獨(dú)計(jì)算每個(gè)電池單體的最大可用功率，計(jì)算量太大，

韓雪冰提出了充、放電關(guān)鍵電池單體的概念，以減少計(jì)算量。綜合考慮各種限制條件，可以得到最終的最大最小電流Imax,total和Imin,total，將Imax,total、Imin,total代入電池模型中可計(jì)算得到對(duì)應(yīng)的端電壓Umax,total，Umin,total，進(jìn)一步可以得到最大充放電功率，即

剩余能量(RE)或能量狀態(tài)(SOE)估計(jì)

剩余能量(RE)或能量狀態(tài)(SOE)是電動(dòng)汽車(chē)剩余里程估計(jì)的基礎(chǔ)，與百分?jǐn)?shù)的SOE相比，RE在實(shí)際的車(chē)輛續(xù)駛里程估計(jì)中的應(yīng)用更為直觀。在電動(dòng)汽車(chē)使用過(guò)程中，電池的剩余能量(RE)是指以某一工況行駛時(shí)，從當(dāng)前時(shí)刻直至電池放電截止過(guò)程中，電池累計(jì)提供的能量。RE可以由電池端電壓Ut與相應(yīng)的累積放電容量Qcum組成的坐標(biāo)系上的面積表示，如下圖所示。

電池剩余能量示意圖

當(dāng)前時(shí)刻t的電池端電壓為Ut(t)，放電截止時(shí)刻記為tlim，對(duì)應(yīng)的端電壓為電池允許的最低放電電壓Ut(tlim)。當(dāng)前時(shí)刻的荷電狀態(tài)為SOC(t)，已累積的放電容量為Qcum(t)。放電截止時(shí)刻tlim對(duì)應(yīng)的SOC和累積容量分別記為SOClim和Qcum(tlim)。圖中，端電壓變化表示為綠色曲線，曲線下圍成的(綠色斜線)面積對(duì)應(yīng)電池當(dāng)前時(shí)刻在此種工況下的剩余能量RE(t)，其計(jì)算過(guò)程對(duì)應(yīng)公式如下。

由于不同的充放電情況對(duì)應(yīng)的端電壓響應(yīng)不同，使得電池在同一時(shí)刻t提供的剩余能量RE(t)也不相同。此處用一組標(biāo)準(zhǔn)電流倍率下的放電情況作對(duì)照，標(biāo)準(zhǔn)情況的端電壓Ut,st如圖中藍(lán)色曲線(Qcum-Ut,st)所示。由電池SOC和標(biāo)準(zhǔn)放電容量的定義，此時(shí)放電截止位置的SOC值SOClim,st為0，累積放電容量Qcum,st等于電池標(biāo)準(zhǔn)容量Qst。標(biāo)準(zhǔn)放電工況下對(duì)應(yīng)的剩余能量REst(t)與之前的RE(t)有明顯的差距。電池剩余放電能量的差異同樣可以由當(dāng)前的RE(t)與理論上最大的剩余放電能量(電池開(kāi)路電壓OCV曲線圍成的面積，圖中黑色虛線所示)進(jìn)行比較。

不同放電工況下電池的能量損失不同，因此只有預(yù)測(cè)某一特定功率需求下的電池電壓響應(yīng)過(guò)程，才能獲得準(zhǔn)確的RE預(yù)測(cè)值。由于鋰離子電池的特點(diǎn)，其電壓輸出受到很多變量的影響，如當(dāng)前SOC、溫度、衰減程度SOH，因此在能量預(yù)測(cè)過(guò)程中除傳統(tǒng)的SOC估計(jì)模型外，還需要一個(gè)專(zhuān)門(mén)的電壓預(yù)測(cè)模型。劉光明等提出一種適用于動(dòng)態(tài)工況的電池剩余放電能量精確預(yù)測(cè)方法EPM(energypredictionmethod)，如下圖所示，該方法基于當(dāng)前的電池狀態(tài)和未來(lái)的電流輸入，根據(jù)電池模型對(duì)未來(lái)放電過(guò)程的電壓變化進(jìn)行預(yù)測(cè)，并計(jì)算放電過(guò)程中的累積能量。預(yù)測(cè)過(guò)程中，根據(jù)當(dāng)前的電壓、電流測(cè)量值對(duì)模型參數(shù)進(jìn)行修正，對(duì)端電壓序列與RE的預(yù)測(cè)結(jié)果進(jìn)行更新。

電池剩余放電能量預(yù)測(cè)方法(EPM)結(jié)構(gòu)

故障診斷及安全狀態(tài)(SOS)估計(jì)

故障診斷是保證電池安全的必要技術(shù)之一。安全狀態(tài)估計(jì)屬于電池故障診斷的重要項(xiàng)目之一，BMS可以根據(jù)電池的安全狀態(tài)給出電池的故障等級(jí)。目前導(dǎo)致電池嚴(yán)重事故的是電池的熱失控，以熱失控為核心的安全狀態(tài)估計(jì)是最迫切的需求。導(dǎo)致熱失控的主要誘因有過(guò)熱、過(guò)充電、自引發(fā)內(nèi)短路等。研究過(guò)熱、內(nèi)短路的熱失控機(jī)理可以獲得電池的熱失控邊界。Feng等研究了一款三元電池的熱失控行為，獲得了3個(gè)特征溫度。Ouyang等研究了一款復(fù)合三元材料電池的過(guò)充電熱失控行為，獲得了4個(gè)過(guò)充電特征階段。這些研究為電池的安全狀態(tài)估計(jì)提供了基礎(chǔ)。

故障診斷技術(shù)目前已發(fā)展成為一門(mén)新型交叉學(xué)科。故障診斷技術(shù)基于對(duì)象工作原理，綜合計(jì)算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)、控制理論、人工智能等技術(shù)，在許多領(lǐng)域中的應(yīng)用已經(jīng)較為成熟。鋰離子電池的故障診斷技術(shù)尚屬于發(fā)展階段，研究主要依賴(lài)于參數(shù)估計(jì)、狀態(tài)估計(jì)及基于經(jīng)驗(yàn)等方法(與上述SOH研究類(lèi)似)。Bohlen等通過(guò)電池內(nèi)阻模型的在線辨識(shí)實(shí)現(xiàn)了電池在線診斷。Sun等鉛酸電池的健康狀態(tài)(SOH)上，假設(shè)正常狀態(tài)的恒流充放電電壓曲線是光滑的，通過(guò)觀察其充放電曲線的變化辨識(shí)電池組可能存在的故障。電動(dòng)汽車(chē)動(dòng)力往往由成百上千個(gè)電池單體串并聯(lián)構(gòu)成，個(gè)體之間存在一定的差異，即不一致性。一般地，不一致性服從統(tǒng)計(jì)分布規(guī)律，這為電池組的故障診斷提供了一種理論依據(jù)。

Zheng等建立了一種考慮接觸電阻的電池分頻模型，以代表低頻的電池平均模型研究電池組總體行為，以代表高頻的差異模型研究電池組一致性問(wèn)題，成功辨識(shí)了電池組內(nèi)的接觸電阻故障。Ouyang等同樣采用分頻模型，通過(guò)內(nèi)短路電池造成一致性變差特性來(lái)診斷內(nèi)短路的發(fā)生。