绘芯电池测试 - 专业的电池测试平台!

电池测试在线  - 电池测试仪|超级电容测试仪|电池测试系统|超级电容

当前位置: 电池测试 > 知识库 >

蓄电池剩余电量监测方法研究

时间:2018-05-17 20:05来源:未知 作者:admin 点击:
蓄电池经过百余年的发展与完善已成为世界上广泛使用的一种化学电源,应用在交通运输、通讯、电力、铁路、矿山、港口、国防、计算机、科研等国民经济各个领域,社会生产经营活动和人类生活中不可缺少的产品。而蓄电池的荷电量是电池管理系统的重要参数,实时了

1.摘要

电池测试在线推荐】蓄电池经过百余年的发展与完善已成为世界上广泛使用的一种化学电源,应用在交通运输、通讯、电力、铁路、矿山、港口、国防、计算机、科研等国民经济各个领域,社会生产经营活动和人类生活中不可缺少的产品。而蓄电池的荷电量是电池管理系统的重要参数,实时了解电池能量的关键指标。与整个系统的可靠性密切相关 ,蓄电池剩余电量越多,系统可靠性越高,否则则相反。目前,铅酸蓄电池的技术比较成熟,并且新推出的密封阀控式免维护铅酸蓄电池应用较广,特别是在电动自行车领域。它采用全密封防漏设计,解决了电池失水问题,可免维护运行,且具有容量大、比能量高、自放电小、使用寿命长、密封效率高、安全可靠等优点。符合动力电池的要求。蓄电池容量检测的常用方法有蓄电池内阻检测法[1]~[5]、安时法[6]~[9]、卡尔曼滤波法[10]、人工神经网络[11],[12]、开路电压法[13],[14]。本文将其汇总、比较。

关键词: 蓄电池 荷电量 剩余电量的监测

2. 蓄电池剩余电量监测方法

2.1剩余电量SOC定义

蓄电池荷电状态(SOC)描述电池剩余电量的数量。SOC,全称是State of Charge,荷电状态,也叫剩余电量,代表的是电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值,常用百分数表示。

SOC目前较为常用数学的定义为:

其中为电池当前荷电状态;

—蓄电池实际完全充满电的容量;

—蓄电池放出电量。充满电时,=l;完全放电时,=0

剩余容量可通过下式获得:

其中必须通过传统的离线放电实验或核对放电法求出来。

下面分别介绍目前基于电池电参数的容量预测方法。

2.2.内阻法

2.2.1内阻测量法原理

蓄电池的内阻与电荷程度之间有较高的相关性(0.88左右),通过测量电池内阻可较准确的预测剩余电量。并且由于蓄电池完全充电 (充满) 和完全放电 (放完) 时 ,其内阻相差 (24 ) 倍左右 ,因此用内阻法预测蓄电池剩余电量有较高的精度。对在线使用的蓄电池来说,内阻法还有的优点在于,此方法对系统影响最小,并可在电池的整个使用期内精确测量。因此内阻法正逐步得到实际应用。接下来介绍内阻法的原理过程:

电池等效模型:

蓄电池交流等效阻抗模型

图中 —正、负电极的极化电阻;

-—为正、负电极的极化电容;

—为引线电感;

—为电池欧姆电阻

蓄电池欧姆电阻表征了电池的荷电程度。为了简化测量 ,通常从等效阻抗中仅分离纯电阻R (R组成)R之间呈线性关系。故可用R间接的表征电池荷电程度。[15]

2.2.2 四线法内阻测量

蓄电池的内阻很小,一般为几微欧至几毫欧,因此测量线的阻抗就变得不可忽略,为此将驱动电流回路和感应电压电路分开,采用四线法测量,原理如下图所示,图中为取样电阻:

内阻四线测量原理图

测量蓄电池内阻的方法是:在蓄电池两端施加一恒定的电流源,然后检测电池端电压以及两者的夹角 ,三者之间的关系如下图所示。

有图知:

R即为需要获取的蓄电池内阻。

 

蓄电池内阻与剩余电量的关系曲线如图所示

蓄电池内阻与剩余电量之间的关系

目前此方法的具体实施办法是:给蓄电池充满电,然后以常用的放电率对电池 放电,记录放电过程中内阻与电量的大小。当蓄电池放电完毕 (密度 降到正常情况下需要充电的密度值),就可获得完整的放电曲线 ,即剩余电量与蓄电池内阻之间的关系。

从理论上说,只要调整电流源幅度,内阻法可适用于各种容量的蓄电池测量。因此用内阻法来预测蓄电池的剩余电量具有良好实用性。但是内阻法有自己的缺陷,内阻法是根据蓄电池内阻与蓄电池的容量有着更为确定的关系,但通常必须先测出某一规格和型号蓄电池的内阻一容量曲线,然后采用比较法通过测量内阻得知同型号、同规格蓄电池的剩余容量,通用性比较差,测量过程也相当复杂。

2.3安时(AH)积分法

安时积分法也叫恒电流放电法,是根据SOC定义,通过电流对时间的积分来得到使用的电量,是应用在电池管理中最广的方法。从刻到时刻电量变化为:

从而得到:

描述,其中—初始t时刻电池的;

时刻电池的;

—电池额定容量;

—电流瞬时值,放电取正,充电取负;

—从t时刻的变化量。

以上描述的只是理想状况下估算的计算式,实际计算中还有一些因素需要考虑。[16]首先需要考虑不同电流的影响:在不同的充电(放电)电流条件下,电池组可以充入(放出)的有效容量是不同的,即充放电效率问题。其次需要考虑电池组自放电及健康状况的影响:电池组即使在静置过程中也会有能量损失,即电池组的自放电影响,而且电池组的充放电循环寿命是有限的,在使用过程中电池组逐渐老化,其有效容量也会逐渐减少。最后还需要考虑温度的影响:电池组的充放电过程是一个化学反应过程,必然受温度的影响,不同温度条件下电池组有效容量会发生变化,也会影响电池组的充放电倍率,因此也需要对温度因素进行修正。

基于上述因素的考虑,可以得到更准确的SOC估算公式:

式中: —电池组老化系数;

 —充放电倍率系数;

—温度系数。

  基于安时法的蓄电池剩余电量测试技术能够在不同放电电流和不同温度环境条件下对蓄电池电荷容量进行动态测试,具有很好的通用性。然而安时法估算电池组SOC还存在一些问题:由于安时法估算SOC是一个纯积分环节,无法确定SOC初值,如果初始SOC有误差,那么这个误差将无法消除。而且电流检测也会存在误差,这个误差会随着积分变得越来越大,最后将不可忽略。           

2.3卡尔曼滤波法

卡尔曼滤波是60年代发展起来的一种现代滤波方法,它的一个重要作用在于系统的状态估计。当噪声是正态分布时,这种滤波给出了状态的最小方差估计,当不是正态情况时,透种滤波给出了状态的线性最小方差估计。[17]卡尔里滤波的目的是在进行递推撼波的同时利用观侧数据提供的信息,不断地修正状态估计,减小状态估计误差,卡尔亚滤波算法适用于平稳与非平稳过程,并且具有递推性,但又不同于其他的递归滤波器结构,它只需要记住前一步的估计结果,由此大大减少了存贮器的使用量,算法上易于在单片机系统中实现并做成电且计显示电池荷电状态,只需要在蓄电池首次使用中对SOC进行标定,并根据开路电压来预测蓄电池初始容及,来完成初始化工作,就可对蓄电他的荷电状态进时实时监测,根据输出不断地修正SOC值,使安时法在长时间内都有较高的精度。[18]

这种方法的基本思想是利用前一时刻的估计值和当前时刻的测量值,来求出当前时刻的状态估计值。

2.4人工神经网络

对于蓄电池来说,影响其SOC的因素很复杂,环境温度、放电电流、制造工艺、内阻、劣化程度等诸多因素都会影响,目前没有一个确定的数学模型来表示,因而无法确定模糊神经网络系统的隶度函数的参数以及模糊规则后件的参数,因此可以用自适应神经网络模糊系统对其进行建模,通过实验数据对其进行学习训练模型使之最大程度的逼近真实系统。   

ANFIS是一种自适应神经网络,具有神经网络的学习能力,而在功能又与模糊推理系统等效,其隶度函数参数和结论参数可以通过数据的训练来自主确定和更新,因而可以不需要专家的经验和知识对系统进行建模,所以ANFIS适合应用于对特性不能掌握的复杂系统的建模。

ANFIS模型的输入参数确定为以蓄电池的放电电流和蓄电池的端电压,内阻,温度.,以蓄电池的荷电状态作为模糊预测器的输出,构造一个四输入一输出的自适应神经网络模糊推理系统模糊预测器。如下图:

第一层,这一层是输入层也是模糊化层,也称为隶度函数层。

第二层,乘积层。通过乘法计算各规则的激励强度。

第三层,本层输出称为归一化激励强度。

第四层,规则输出层。

第五层,该节点通过求和运算出全局输出。

这种其缺点是它只能通过预设的参考值来校验它的准确性,误差非常依赖神经网络的结构、训练数据和训练的方法。

2.5开路电压法(OCA法)

据电化学理论,在蓄电池中化学能与电能的转换达到平衡时,正极平衡电极电势与负极平衡电极电势的差值,成为电池电动势,在数值上等于电池达到稳定状态时的开路电压。电解液密度与电池电势有关,因此根据电池电势也可估算电池电量,这就是开路电压法的基础,对于测试稳定状态下的SOC有很高的精度,但是只适用于SOCOCV变化明显的蓄电池。这种方法的缺点于随着电池老化、剩余电量下降时,开路电压变化不明显。因此也就无法准确预测剩余电量。另外开同时此方法明显地不适合于在电动汽车中使用,因为在行驶中蓄电他很少处于开路状态。

3.总结与展望

由以上的蓄电池剩余电量监测分析可以看出:本文所用的确定剩余电量的间接方法是有效的、可行的。同时,都有各自优点与缺点。除了这些方法之外,还有一些直接利用大量数据动态建模计算剩余电量如文献[19],[20],或建立非线性曲线关系如[21][22],或利用传感器[23]~[25]、芯片[26]、单片机[27],[28]直接测量的方法,本文没有详细介绍。

方法

应用场合

优点

缺点

内阻法

所有电池系统

误差较小,良好的重复性

需要测出某一规格和型号蓄电池的内阻一容量曲线通用性比较差

安时积分法

所有电池系统

在线测量,方法简单

取决于电流测量精确性,否则误差较大

卡尔曼滤波法

所有电池系统

在线测量,方法简单

需要大量计算,需要准确的模型

人工神经网络

所有电池系统

在线测量

需要大量数据进行训练

开路电压法

铅酸蓄电池、锂电池等

在线测量,方法简单,成本低

动态性能低,不适合于在电动汽车中

4.参考文献

[1]高明裕,张红岩,蓄电池剩余电量在线测量,电测与仪表,2000

[2]李福伟,基于SOC单片机C8051F022的蓄电池剩余电量的测量,电池技术应用,2010

[3]刘东升,蒋一敏,梁四洋,喻祖一,蓄电池在线测试仪开发, 测试技术学报,2004

[4]刘登峰,邵天章, 蓄电池内阻测试仪的设计,电源技术,2011

[5]刘帅,宁武,王宏利,蓄电池电量监测新技术,辽宁工学院学报,2005

[6]林成涛,陈全世,王军平,黄文华,王燕超,用改进的安时计量法估计电动汽车动力电池SOC, 清华大学学报,2006

[7] 王思聪,周百新,数字蓄电池容量检测仪,电源技术,2002 

[8] 黄怡然, 基于监控系统的蓄电池容量检测的研究, 通信电源技术,2007. 

[9]叶丹, 一种精确测量蓄电池电量的安时计, 福建电力与电工,2001. 

[10]吴红斌,孙辉, 蓄电池荷电状态预测的改进新算法, 电子测量与仪器学报,2010

[11] 李敬兆,张崇巍,基于模糊神经网络预测技术检测蓄电池剩余电量研究, 煤矿机械,2002.

[12] 薛振框,郑荣良, 电动汽车蓄电池剩余电量计量技术的研究, 江苏理工大学学报(自然科学版),2001 

[13]周潇,徐文尚,成一博,蓄电池电量检测及显示系统,工业控制计算机2013年第05

[14]荐红梅,王宜怀,张琴,电动叉车蓄电池电量测量的设计,现代电子技术,2008  

[15]王宗亮,董国保,刘建东,应用单片机测试蓄电池剩余电量,机电设备,2004

[16] 王波,锂电池SOC估算方法的研究,电源技术研究与设计,2016  

[17]邓自立.卡尔曼滤波与维纳滤波[M].哈尔缤;哈尔滨工业大学出版社.2001

[18]杨朔,何莉萍,钟志华,电动汽车蓄电池荷电状态的卡尔曼滤波估计,贵川工业大学学报(自然科学版)2004.

[19] 王斯成,陈子平,杨军, 蓄电池剩余容量(SOC)数学模型探讨和在线测试仪的开发, 太阳能学报,2005 

[20]冯志君,周德俭,混合动力设备蓄电池剩余容量估计方法,华南理工大学学报(自然科学版)2015 

[21]谭孝虎,黄龙,基于放电曲线特征匹配方法检测蓄电池的研究,2015 

[22]李兵胡,明炜,基于PIC单片机的电池电量检测系统的设计与研究,计算机与数字工程,2012 

[23]王俊,汽车蓄电池电量检测方法浅谈,探索,2013.  

[24]吴刚,刘森,任亚萍,电量传感器在用电测控系统中的应用,郑州轻工业学院学报(自然科学版)2003

[25]吴刚,刘森,任亚萍,电量传感器在用电测控系统中的应用,郑州轻工业学院学报(自然科学版)2003

[26]张存吉,龚仁喜,张仲良,温俊柱,周剑欢,BQ2013H在铅酸蓄电池电量监测中的应用,新器件新技术,2011.  

[27] 崔秋丽, 基于单片机的蓄电池电量检测系统, 企业技术开发机械机电,2009.  

[28]张红岩,高明裕,AVR单片机在蓄电池剩余电量测试仪中的应用,计算机应用,2001

[29]AnbukyA.H.:PascoeP.E.:VRLA battery stateofcharge estimation in telecommunication power systems[J]Industrial ElectronicsIEEE Transact ions on Volume 47Issue 3June 2000.

[30] Juan Tian, Cheng Wang , Xixue Zhang Design of the Storage Battery Online Monitoring System. Computer and Information Science January 2011

 

 

 

 

 

 


(责任编辑:admin)
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容