Dynamisk batteri SOC uppskattningsmetod?

ଲେଖକ: ଆଇଫ୍ଲୋପାୱାର - 휴대용 전원소 공급업체

Sedan utvecklingen av batteritekniken har många typer av metoder som används för att uppskatta SOC redan förekommit. Det finns bara traditionella strömintegrerade metoder, batteriintern resistans, urladdningstestmetoder, öppen kretsspänningsmetoder, belastningsspänningar och mer innovativa Kalman-filtreringsmetoder. Fuzzy logisk teori och neurala nätverk, etc.

Det är för närvarande en av de vanligare SOC-uppskattningsmetoderna inom området för batterihanteringssystem, och kärnan är att uppskatta batteriets SOC genom att ackumulera eller ladda ur elektricitet genom att ackumulera eller ladda ur genom ackumulering eller urladdning. Samtidigt, enligt urladdningshastigheten och batteritemperaturen. En viss ersättning för den beräknade SOC.

Om batteriet definieras som SOCT0 när batteriet är initialt i initialtillståndet för laddning och urladdning, så är batteriets återstående kapacitet SOC efter T: q, Q är batteriets nominella kapacitet, och N är laddnings- och urladdningseffektivitet, även kallad coulomb effektivitet, dess värde Batteriets laddning och urladdningshastighet bestäms, I är strömmen för T. Den nuvarande integrerade metoden är relativt enkel och pålitlig än andra SOC-uppskattningsmetoder, och batteriets SOC-värde kan uppskattas dynamiskt, så det används ofta. Men denna metod har också två begränsningar: en, strömintegralmetoden kräver ett initialt SOC-värde för batteriet i förväg, och samlar noggrant upp strömmen som flyter in i eller ut ur batteriet, för att göra uppskattningsfelet så litet som möjligt; för det andra, Denna metod är endast baserad på batteriets externa särdrag, och batteriets självurladdningshastighet, graden av åldring och laddnings- och urladdningsförhållandet för batteriets SOC ignoreras i viss utsträckning.

Långvarig användning kan också göra att mätfelet expanderar, så det är nödvändigt att införa Relaterade korrigeringskoefficienter Korrigera ackumuleringsfel. (2) Urladdningstestmetod Urladdningstestmetoden är att kontinuerligt urladda urladdningar med konstant ström tills batteriets avstängningsspänning, multiplicera tiden som används av denna urladdningsprocess med storleksvärdet på urladdningsströmmen, det vill säga batteriets återstående kapacitet. Metoden använder i allmänhet denna metod som en kalibreringsmetod för batteri SOC eller i det sena underhållet av batteriet, och är relativt enkel, pålitlig och resultatet är relativt exakt utan att känna till batteriets SOC-värde.

Allt effektivt. Det finns dock två brister i utsläppstestmetoden: För det första kräver testprocessen för denna metod mycket tid; för det andra, när du använder den här metoden är det nödvändigt att ta bort målbatteriet från det elektriska fordonet, så metoden kan inte användas för att beräkna Power-batteriet i fungerande tillstånd. (3) Den öppna kretsspänningsmetoden är baserad på förändringsförhållandet mellan batteriets öppningsspänning och OCVOTAGE, OCV) och batteriets interna litiumjonkoncentration, och passar indirekt till motsvarande förhållande mellan det och batteriets SOC.

När man utför faktisk drift är det nödvändigt att ladda ur batteriet efter att batteriet har fyllts med ett fast urladdningsförhållande (vanligtvis 1c) tills urladdningen stoppas, och förhållandet mellan OCV och SOC erhålls enligt urladdningsprocessen. När batteriet är i ett verkligt drifttillstånd kan det aktuella batteriets SOC erhållas genom att hitta OCV-SoC relationstabellen enligt spänningsvärdet i båda ändarna av batteriet. Även om metoden är effektiv för olika batterier finns det även självdefekter: För det första måste målbatteriet tillåtas stå mer än 1 timme innan OCV mäts, varigenom den interna elektrolyten i batteriet fördelas jämnt för att få en stabil slutspänning; för det andra, batteriet har olika temperaturer eller under olika livslängd, även om den öppna kretsen är densamma, kan den faktiska SOC-en skilja sig åt, och mätresultatet är inte garanterat att vara helt korrekt under långvarig användning av denna metod.

Därför är den öppna kretsspänningsmetoden densamma som urladdningstestmetoden, gäller inte för det löpande batteriets SOC-uppskattning. (4) Kalman-filtreringsmetod KALMAN-filtreringsmetoden är en ny typ av optimerad självregressionsdata som filtrerades i "New Achievements of Linear Filtering and Forecasting Theory" på 1960-talet. algoritm.

Kärnan i algoritmen är att det komplexa dynamiska systemets tillstånd kan optimeras för det komplexa dynamiska systemets tillstånd enligt principen om minimala medelvärden. Icke-linjära dynamiska system kommer att vara linjära till en tillståndsrymdmodell av systemet i Kalman-filtreringsmetoden. När den faktiska applikationen, uppdateras systemet med det observerade värdet för den aktuella tiden, följt av det observerade värdet för den aktuella tiden.

"Prognos - Mätning - Korrigerad" läge, eliminerar avvikelsen och störningen av systemet slumpmässigt. När drivlinans SOC uppskattas med hjälp av Kalman-filtreringsmetoden omvandlas batteriet till en tillståndsmodell i form av ett kraftsystem och SOC blir en tillståndsvariabel inuti modellen. Det etablerade systemet är ett linjärt diskret system.

Eftersom Kalman-filtreringsmetoden inte bara korrigerar det initiala felet i systemet, kan den effektivt dämpa systembrus, så det finns ett betydande tillämpningsvärde i SOC-uppskattningen av elfordonsbatterier under driftförhållanden. Metoden finns dock också tvåpunktsdefekter: en, Kalman-filtreringsmetoden uppskattar noggrannheten hos SOC beror till stor del på batterimodellens noggrannhet, själva arbetsegenskaperna är mycket icke-linjära kraftbatterier, i Kalman-filtreringsmetoden Efter linjärisering är det oundvikligt att det inte finns något fel, och om modellen är etablerad är det beräknade resultatet inte tillförlitligt; den andra, den involverade metoden är mycket komplicerad, mängden beräkningar är extremt stor, och den beräknade beräkningsperioden är längre och hårdvarans prestandakrav. (5) Neural nätverksmetod Neural nätverksmetod är en analog mänsklig hjärna och dess neuron som används för att hantera en ny typ av algoritm för icke-linjära system.

Det kräver ingen djupgående forskning av batteriets interna struktur, utan bara extrahera ett stort antal arbetsegenskaper från målbatteriet i förväg. Ange SOC-värdet i körningen från utdataprovet och mata in det i systemet som upprättats med metoden. Metoden är relativt enkel i den senare bearbetningen, det vill säga den kan effektivt undvika felet i Kalman-filtreringsmetoden för att göra batterimodellen som linjärisering, och kan erhålla batteriets dynamiska parametrar i realtid.

Förbearbetningsvolymen för den neurala nätverksmetoden är dock relativt stor, och ett stort antal fler och heltäckande målprovdata krävs för att träna systemet. Metoden för träningsdata och träning påverkar i hög grad uppskattningsnoggrannheten för SOC. Dessutom, under den komplexa verkan av batteritemperatur, självurladdningsförhållande och batteriåldring, används metoden för att uppskatta SOC-värdet för samma uppsättning batterier under lång tid, och dess noggrannhet kommer också att vara stor rabatt.

Därför är denna metod inte särskilt vanlig i SOC-uppskattningsarbetet för kraftbatteriet.