动力电池系统状态估计功能设计
5.3.1 电池剩余电量估计
就像传统汽车驾驶人常常需要留意车上剩余的油量还有多少一样,
对于一个电动汽车的驾驶人而言,需要知道剩余的电量还剩余有百
分之几,这就是电池管理系统的电池剩余电量(SOC)估计模块所需
要完成的功能。剩余电量估计是电池管理系统的一项重要的功能,
同时也是最具有挑战性的功能。近年来,在电池管理系统领域超过
一半的研究工作都是围绕 SOC 估计进行的。
1.SOC 算法模型
SOC(State of Charge,荷电状态)算法一直是 BMS 开发应用的关
键技术之一。SOC 是 BMS 中最重要的参数,其他一切都是以 SOC 为
基础的,所以它的精度和鲁棒性(也叫纠错能力)极其重要。如果
没有精确的 SOC,加再多的保护功能也无法使 BMS 正常工作,因为
电池经常会处于被保护状态,更无法延长电池的寿命。
目前 SOC 估算按照算法模型通常分为:安时法、开路电压法、内
阻法、卡尔曼滤波法与神经网络法等。
1)安时法:由放电法发展而来的算法,其以电流离散积分作为
净放电量。其模型简单,但是积分初始值不确定,电池容量不是恒
定值,对初始 SOC 的精度要求较高,多次循环后算法精度较低。
2)开路电压法:在锂电池经过足够时间的静置后,其开路电压
与电池 SOC 存在单值函数关系,据此判定不同电压应对应不同的