SOC对于电池的寿命以及使用效率是至关重要的,对于锂电池的SOC估算,有很多种,开路电压、安时积分、卡尔曼滤波、神经网络等方法。卡尔曼滤波、神经网络训练这两种方法目前只是处于理论阶段,对于开发人员开发难度大。安时积分法、开路电压法这两种开发难度较小,是行业内普遍的两种SOC估算方法。
但是安时积分法、开路电压法这两种方法弊端也很明显。安时积分法即采用AH累积的方法,对动态的锂电池进行实时的SOC估算,这就对系统电流采集的精度要求非常高,如果误差大,AH累积的容量那必将跟实际容量误差大,导致SOC误差大。同时该方法对SOC初始值依赖非常高,每次充放电都必须充满至100%或者放完至0%,否则随着时间的推移,SOC的偏差会越来越大。开路电压校准法需要电池完全静置的情况下去测量电池的输出电压,再根据OCV-SOC曲线进行校准。当电池的静置时间不够,同样造成SOC偏差大,并且开路电压法只能在电池处于静置的情况下才能使用,电池处于动态则无法使用,因为不同倍率的充放电,锂电池的动态电压变化都不一样,所以该方法存在一定的局限性。
基于安时积分法、开路电压法这两种的弊端,在这里给大家介绍一种方法,即开路电压法+安时积分法两种结合使用。使用开路电压法在电池静置时计算SOC的初始值,安时积分法计算电池动态的SOC值。
1、SOC-OCV关系
笔者在这里使用的是国轩的额定容量为52Ah、标定电压3.2v,充放电电压范围在2.0v~3.65v磷酸铁锂电池做试验。
室温内测试,忽略温度对电池的影响。单体电池以1C的电流放电电压至2.0v,静置30min,再以1C的电流充电至电压3.65v时转恒压充电,至充电电流降为2.6A时停止充电&#