基于電動汽車工況,識別預(yù)測的鋰離子電池SOE

中國科學(xué)院電力電子與電力傳動重點(diǎn)實(shí)驗(yàn)室、中國科學(xué)院大學(xué)的研究人員劉偉龍、王麗芳、王立業(yè)，在2018年第1期《電工技術(shù)學(xué)報(bào)》上撰文指出，能量狀態(tài)（SOE）是電動汽車動力電池的重要狀態(tài)指標(biāo)，直接影響電動汽車?yán)m(xù)航里程，受電動汽車工況顯著影響。

為進(jìn)行基于電動汽車工況的SOE估計(jì)，對SOE估計(jì)方法、行駛工況識別算法、行駛工況預(yù)測算法展開研究，建立基于模型的電池剩余能量狀態(tài)（SOR）估計(jì)方法，提出基于信息熵理論的行駛工況識別算法，應(yīng)用馬爾科夫鏈理論構(gòu)建了行駛工況預(yù)測算法，建立電動汽車系統(tǒng)模型，仿真獲取電動汽車預(yù)測行駛工況對應(yīng)的電池預(yù)測工況，實(shí)現(xiàn)基于電動汽車工況識別與預(yù)測的SOE估計(jì)。仿真結(jié)果驗(yàn)證了該方法的有效性。

目前，電動汽車已經(jīng)成為科研與汽車產(chǎn)業(yè)界的熱點(diǎn)，但電汽車的“里程焦慮”問題限制著其發(fā)展[1]，荷電狀態(tài)（State-of-Charge,SOC）作為動力電池剩余荷電量的指標(biāo)參量被廣泛地應(yīng)用于電動汽車中，具有提醒用戶及時(shí)充電的功能。

但由于在放電工況下動力電池的端電壓呈現(xiàn)下降趨勢，使得動力電池在SOC較大區(qū)間內(nèi)的能量（W×h）供給能力降低，進(jìn)而在電動汽車運(yùn)行過程中SOC指標(biāo)表現(xiàn)出加快下降的趨勢。以SOC作為充電指標(biāo)參量，容易導(dǎo)致充電時(shí)機(jī)的誤判，給電動汽車用戶造成了諸多不便。

動力電池的能量狀態(tài)（State of Evergy,SOE）作為電動汽車W×h單位尺度上剩余能量的比例參數(shù)，是電池能量供給能力的直接描述，將其作為電動汽車用戶充電指標(biāo)參量更具優(yōu)勢。

目前，電池SOE估計(jì)方法通常為SOC估計(jì)算法的應(yīng)用拓展，利用SOC與SOE的映射關(guān)系估計(jì)電池SOE[2,3]，然而通過SOC換算得到的SOE并不準(zhǔn)確，這是由于動力電池在實(shí)際應(yīng)用中，隨著車輛行駛工況的改變將造成不同程度的能量損耗，使得動力電池的實(shí)際供給能量產(chǎn)生變化。因此，基于未來車輛行駛工況預(yù)測的動力電池剩余可用能量狀態(tài)（SOE）更具實(shí)際意義。

而未來車輛行駛工況預(yù)測的前提是歷史車輛行駛工況的識別，為此本文進(jìn)行了基于電動汽車工況識別預(yù)測的鋰離子電池SOE估計(jì)的研究。

電池模型是進(jìn)行電池狀態(tài)估計(jì)的基礎(chǔ)，主要可以分為電化學(xué)機(jī)理模型[4,5]、經(jīng)驗(yàn)?zāi)Ｐ蚚6,7]和等效電路模型[8,9]三類。其中，因等效電路模型具有便于分析應(yīng)用，通用性好的優(yōu)點(diǎn)，取得了廣泛應(yīng)用。

本文基于電池等效電路模型進(jìn)行SOE估計(jì)算法研究，提出了基于模型的電池剩余能量狀態(tài)（State ofResidual Energy，SOR）估計(jì)算法、基于信息熵理論的行駛工況識別算法以及基于馬爾科夫鏈理論的行駛工況預(yù)測算法；構(gòu)建了電動汽車系統(tǒng)模型，獲取電池預(yù)測工況，實(shí)現(xiàn)了基于工況識別與預(yù)測的SOE估計(jì)；仿真結(jié)果分析、驗(yàn)證了算法的精度。

圖1 鋰離子電池等效電路模型結(jié)構(gòu)

圖2 電動汽車系統(tǒng)模型

圖3 電池SOE估計(jì)算法示意圖

結(jié)論

本文提出了一種基于電動汽車工況識別與預(yù)測的鋰離子電池SOE估計(jì)算法。

首先，基于電極阻抗譜理論，構(gòu)建了不同階次電池等效電路模型，并應(yīng)用GA算法實(shí)現(xiàn)了模型參數(shù)辨識；

其次，基于AUKF，提出了基于不同階次電池模型的SOR估計(jì)算法，仿真結(jié)果表明，該算法可以實(shí)現(xiàn)迅速收斂；

再次，應(yīng)用FCMIE算法，實(shí)現(xiàn)了電動汽車行駛工況的識別，并采用基于馬爾科夫鏈理論的行駛工況預(yù)測算法，得到了電動汽車預(yù)測行駛工況，仿真結(jié)果表明，該算法預(yù)測工況效果良好；

最后，將不同階次電池等效電路模型集成于電動汽車系統(tǒng)模型，仿真獲取了電動汽車預(yù)測行駛工況對應(yīng)的電池預(yù)測工況，進(jìn)行了電池預(yù)測工況下的電池能量損耗率的計(jì)算，繼而實(shí)現(xiàn)了電池SOE的估計(jì)。

SOE估計(jì)方均誤差在2.45%以內(nèi)，本文提出的電池SOE估計(jì)算法具有良好效果。