SOC计算——基于二阶RC电路的电池参数离线辨识

在使用卡尔曼算法对电池容量进行实时估算时,需要预先知道SOC与OCV的关系曲线、欧姆内阻、极化内阻、极化电容等参数。常见的参数辨识包括两种:离线参数辨识法和在线参数辨识法。离线辨识主要是通过对数据进行集中处理得到模型参数的估值,然后利用查表模块输入至算法,主要的辨识方法是连续时域的指数拟合法;在线辨识是在系统运行过程中通过递推公式或者算法实时更新模型参数,主要方法是最小二乘法。两种辨识方法有利有弊,在实际应用中电池的内阻等参数,会随着放电倍率、温度、实时容量、循环次数的变化而变化。如果使用固定的模型参数,长期使用对电池内部的估计会有较大偏差;如果使用在线参数辨识,目前主流的参数辨识方法是最小二乘法,其辨识结果受初始值影响很大,且由于最小二乘法的修正,会出现算法误差结果小,但是辨识参数脱离实际情况的现象。因此不建议使用在线参数辨识,本篇文章使用离线参数辨识方法,之后会使用基于遗忘因子的最小二乘法进行在线参数辨识。

电池的HPPC测试

HPPC(Hybrid Pulse Power Characterization)测试的目的是确定电池包在电流脉冲工况中的动态功率能力,包括电池包10秒充电功率与10秒放电功率等等。另外,通过数据处理HPPC测试数据的电流电压曲线,可以得到电芯的欧姆电阻与极化阻抗与SOC之间的关系。在电池的老化测试中也可以通过HPPC测试评估电池内阻的老化特性,下图为1/2/3C充电倍率下的电池OCV曲线(电池容量为40AH)。

HPPC测试具体实验方法:

在测试过程中,被测电池周围的环境温度需要保持恒定,温度控制在28℃。
测试将按照以下步骤进行:

  1. 充满
    以1C倍率对电池恒流充电到截止电压3.65V,再以0.2C恒流对电池进行充满,充电到截止电压为3.6V,记录总的充电电量
  2. 暂停
    保持电池在不充、放电状态,直到电池负极柱的温度与指定测试温度T相差不超过2℃,整个暂停静置过程持续1800秒
  3. 恒流脉冲测试
    恒流放电10S后,静置40S,然后恒流充电10S,静置40S
  4. 放电
    恒流放电5%SOC
  5. 静置
    保持电池在不充、放电状态,直到电池负极柱的温度与指定测试温度T相差不超过2℃,整个暂停静置过程持续1800秒
  6. 重复操作
    重复步骤b到步骤e之间,记录该过程中的电池电流、电压、电量变化,直至电池SOC下降到0

瞬时充放电曲线

在这里插入图片描述12121212
HPPC测试中,首先恒流放电10秒,静置40秒后,再恒流充电10秒。在放电过程中,通过脉冲放电实验可以确定电池模型的电阻和电容等参数。端电压响应曲线如上图。

开路电压OCV的辨识

使用长时间静置后的电池端电压来代替电动势,从而获得OCV-SOC曲线。在实验中,电池从SOC100间隔5%进行开路电压提取,一共提取出21个点,并通过多项式拟合得到不同倍率、充放电状态下的OCV-SOC曲线。
在这里插入图片描述

欧姆内阻R0的计算

欧姆内阻的存在会导致动力电池端电压在放电开始和结束之间发生较大变化。由于动力鲤电池脉冲放电时间较短,所以动力电池在放电前后的 SOC变化很小。因此,放电开始时的电压差(V1-V2)和放电结时的电压差(V4-V3)相差不大。由于测量设备的不精确,这两个电压差在实验中是不一样的。为了减少误差干扰,在计算欧姆内阻时,先求这两个电压差的平均值,再用电压差平均值与电流I除求取。
在这里插入图片描述
在这里插入图片描述

极化内阻R和极化电容C的计算

在上图的脉冲充放电曲线中,1点之前是静置状态,1点之前的静置时间很长,那1处的电压可提取为当前SOC处的开路电压值。1到3之间是放电状态,3到5之间电池处于静置状态,一般认为5点处的电压处于稳定状态。
二阶RC等效电路中并联的参数模型,需要通过放电曲线中的23段和45段计算得到,电池在进行瞬时脉冲实验前需要经过长时间静置,此时默认C1和C2两端的电压为0,则23段可以视为RC并联结构的零状态响应,45段处于电池的静置区域,可以视为RC并联结构的零输入响应。
在45段,4点设为0时间点,电容C1和C2两端的电压为V1和V2,则45段的电池端电压的输出可以表示为5点的电压减去两个RC并联结构的零输入相应:
在这里插入图片描述
其对应的指数拟合函数的数学表达式为:
在这里插入图片描述

其中:
在这里插入图片描述
23段,电池的放电电流不变,取2点为t = 0时刻,可求得两个EC并联结构的零状态响应,当电池放电到3点时,二阶RC电路两个电容上的电压分别为V1(t3)和V2(t3),从3点到4点电容两端电压不会突变,因此V1(t3) = B和V2(t3) = C.
在这里插入图片描述
由以上公式可以联合求得R1/C1/R2/C2的值。此部分电池参数的求解使用MATLAB的曲线拟合工具箱实现。

  • 17
    点赞
  • 44
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: SOC(State of Charge)指电池的电量状态,是电池管理系统中的重要参数。基于二阶RC模型的SOC算法是一种用于估算电池SOC的方法,它是利用二阶RC电路模型对电池进行建模并预测电池电量的方法。 二阶RC模型是指将电池看作是由两个电阻和一个电容组成的电路模型。其中,一个电阻代表电池内部电阻,另一个电阻代表电池与外部电路连接的电阻,电容则代表电池的电荷存储能力。通过对电池的电压、电流等参数进行测量和记录,结合二阶RC模型,可以得到电池SOC。 基于二阶RC模型的SOC算法具有较高的精度和可靠性,但需要对电池二阶RC电路参数进行准确测量和建模。这需要依靠专业的测试仪器和技术人员进行实验和分析,时间和成本较高。此外,该算法还可能存在模型不匹配、温度变化等因素影响计算精度的风险。因此,在实际应用中,需要对上述因素进行合理引入和补偿,以进一步提高算法的精度和可靠性。 总之,基于二阶RC模型的SOC算法是一种重要的电池管理方法,它可以对电池的电量进行快速和准确的估算,对于电池应用场景的选择和电池寿命的延长具有重要意义。 ### 回答2: 基于二阶RC模型的State of Charge(SOC)估计方法是一种常用的电池SOC估计方法。该模型主要通过观测电池的电压和电流变化来预测电池SOC值,其中二阶RC模型是指电池内部由两个电容和电阻组成,用于描述电池内部的电学特性。 在进行SOC估计时,通过测量电池的开路电压、荷电电压和瞬时电压,利用滤波和积分算法对电池SOC进行估计。此外,由于电池充放电特性的变化、温度的影响等因素会对估计精度产生影响,因此需要进行温度补偿等方法来提高估计精度。 基于二阶RC模型的SOC估计方法具有计算简单、可靠性高等优点,已经广泛应用于锂离子电池、铅酸电池电池系统的SOC估计中。但在实际应用中,由于电池的使用条件不同、电池内部状态的变化等原因,二阶RC模型无法完全描述电池的实际情况,因此需要针对具体应用进行模型优化和参数调整,以提高估计精度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值