Dynamisk batteri SOC estimeringsmetode?

著者：Iflowpower – Dodavatel přenosných elektráren

Siden udviklingen af ​​batteriteknologi er der allerede forekommet mange slags metoder, der er brugt til at estimere SOC. Der er kun traditionelle strømintegrerede metoder, batteri intern modstand, afladningstestmetoder, åbne kredsløbsspændingsmetoder, belastningsspændinger og mere innovative Kalman-filtreringsmetoder. Fuzzy logisk teori og neurale netværk osv.

Det er i øjeblikket en af ​​de mere almindelige SOC-estimeringsmetoder inden for batteristyringssystem, og essensen er at estimere batteriets SOC ved at akkumulere eller aflade elektricitet ved at akkumulere eller aflade ved at akkumulere eller aflade. Samtidig i henhold til afladningshastigheden og batteritemperaturen. En vis kompensation for den anslåede SOC.

Hvis batteriet er defineret som SOCT0, når batteriet er initial i opladnings- og afladningsindgangstilstanden, så er batteriets resterende kapacitet SOC efter T: q, Q er batteriets nominelle kapacitet, og N er opladnings- og afladningseffektivitet, også kaldet coulomb-effektivitet, dets værdi Batteriets opladnings- og afladningshastighed bestemmes, I er strømmen af ​​T. Den nuværende integrerede metode er relativt enkel og pålidelig end andre SOC-estimeringsmetoder, og SOC-værdien af ​​batteriet kan estimeres dynamisk, så den er meget udbredt. Denne metode har dog også to begrænsninger: den ene, nuværende integralmetode kræver en initial SOC-værdi af batteriet på forhånd og opsamler nøjagtigt strømmen, der strømmer ind i eller ud af batteriet, for at gøre estimeringsfejlen så lille som muligt; for det andet, Denne metode er kun baseret på batteriets eksterne egenskab, og batteriets selvafladningshastighed, ældningsgraden og opladnings- og afladningsforholdet for batteriets SOC ignoreres til en vis grad.

Langvarig brug kan også få målefejlen til at udvide sig, så det er nødvendigt at indføre Beslægtede korrektionskoefficienter Ret akkumuleringsfejl. (2) Afladningstestmetode Afladningstestmetoden går ud på kontinuerlig konstant strømudladning, indtil batteriets afskæringsspænding, gange den tid, der bruges af denne afladningsproces, med størrelsesværdien af ​​afladningsstrømmen, det vil sige batteriets resterende kapacitet. Metoden bruger generelt denne metode som en kalibreringsmetode for batteri SOC eller i den sene vedligeholdelse af batteriet, og er relativt enkel, pålidelig, og resultatet er relativt nøjagtigt uden at kende batteriets SOC værdi.

Alt sammen effektivt. Der er dog to mangler ved udledningstestmetoden: For det første kræver testprocessen af ​​denne metode meget tid; for det andet, når du bruger denne metode, er det nødvendigt at fjerne målbatteriet fra det elektriske køretøj, så metoden kan ikke bruges til at beregne Power-batteri i arbejdstilstand. (3) Spændingsmetoden med åbent kredsløb er baseret på ændringsforholdet mellem batteriets åbningsspænding og OCVOTAGE, OCV) og batteriets interne lithiumionkoncentration og passer indirekte til det tilsvarende forhold mellem det og batteriets SOC.

Når du udfører faktisk drift, er det nødvendigt at aflade batteriet, efter at batteriet er fyldt med et fast afladningsforhold (generelt 1c), indtil afladningen stoppes, og forholdet mellem OCV og SOC opnås i henhold til afladningsprocessen. Når batteriet er i en faktisk driftstilstand, kan den aktuelle batteri SOC opnås ved at finde OCV-SoC relationstabellen i henhold til spændingsværdien i begge ender af batteriet. Selvom metoden er effektiv til forskellige batterier, eksisterer den også selvdefekter: For det første skal målbatteriet have lov til at stå mere end 1 time før måling af OCV, hvorved den interne elektrolyt i batteriet fordeles ensartet for at opnå en stabil slutspænding; for det andet, batteriet er ved forskellige temperaturer eller i forskellig levetid, selvom det åbne kredsløb er det samme, kan den faktiske SOC variere, og måleresultatet er ikke garanteret at være fuldstændig nøjagtigt ved langvarig brug af denne metode.

Derfor er åben kredsløbsspændingsmetoden den samme som afladningstestmetoden, gælder ikke for det kørende batteri SOC-estimering. (4) Kalman filtreringsmetode KALMAN filtreringsmetode er en ny type optimeret selvregression data filtreret i "New Achievements of Linear Filtering and Forecasting Theory" i 1960&39;erne. algoritme.

Essensen af ​​algoritmen er, at tilstanden af ​​det komplekse dynamiske system kan optimeres til tilstanden af ​​det komplekse dynamiske system i henhold til princippet om minimumsgennemsnit. Ikke-lineære dynamiske systemer vil være lineære i en tilstandsrumsmodel af systemet i Kalman-filtreringsmetoden. Når den faktiske applikation, er systemet opdateret med den observerede værdi af det aktuelle tidspunkt, efterfulgt af den observerede værdi af det aktuelle tidspunkt.

"Forecast - Måling - Corrected" tilstand, eliminerer afvigelsen og interferensen af ​​systemet tilfældig. Når drivlinjens SOC estimeres ved hjælp af Kalman-filtreringsmetoden, konverteres batteriet til en tilstandsrumsmodel i form af et strømsystem, og SOC&39;en bliver en tilstandsvariabel inde i modellen. Det etablerede system er et lineært diskret system.

Da Kalman-filtreringsmetoden ikke kun korrigerer den indledende fejl i systemet, kan den effektivt undertrykke systemstøj, så der er en betydelig anvendelsesværdi i SOC-estimeringen af ​​batterier til elektriske køretøjer under driftsforhold. Metoden eksisterer dog også to-punkts defekter: den ene, Kalman-filtreringsmetoden estimerer nøjagtigheden af ​​SOC&39;en afhænger i høj grad af nøjagtigheden af ​​batterimodellen, selve arbejdsegenskaberne er meget ikke-lineært strømbatteri, i Kalman-filtreringsmetoden Efter linearisering er det uundgåeligt, at der ikke er nogen fejl, og hvis modellen er etableret, er det estimerede resultat ikke pålideligt; den anden, den involverede metode er meget kompliceret, mængden af ​​beregning er ekstremt stor, og den beregnede beregningsperiode er længere, og hardware-ydelseskrav. (5) Neural netværksmetode neural netværksmetode er analog menneskelig hjerne og dens neuron, der bruges til at håndtere en ny type algoritme for ikke-lineære systemer.

Det kræver ikke dybdegående undersøgelse af batteriets interne struktur, blot at udtrække et stort antal arbejdsegenskaber fra målbatteriet på forhånd. Indtast SOC-værdien i kørslen fra outputprøven, og indtast den i det system, der er etableret ved hjælp af metoden. Metoden er relativt enkel i den senere behandling, det vil sige, at den effektivt kan undgå fejlen i Kalman-filtreringsmetoden for at lave batterimodellen som linearisering og kan opnå de dynamiske parametre for batteriet i realtid.

Imidlertid er præ-bearbejdningsvolumen af ​​den neurale netværksmetode relativt stor, og der kræves et stort antal mere og omfattende målprøvedata for at træne systemet. Metoden til træningsdata og træning påvirker i høj grad estimeringsnøjagtigheden af ​​SOC. Derudover, under den komplekse virkning af batteritemperatur, selvafladningsforhold og batteriældning, bruges metoden til at estimere SOC-værdien af ​​det samme sæt batterier i lang tid, og dens nøjagtighed vil også være stor rabat.

Derfor er denne metode ikke særlig almindelig i strømbatteriets SOC-estimeringsarbejde.