磷酸鐵鋰電池SOC估算研究

　　1）1/2C、1/3C和1/5C倍率下有較明顯的2個峰值位置出現(xiàn)，類似于圖2所示的特性曲線；

　　2）1C、1/2C、1/3C和1/5C倍率的峰值位置對應(yīng)電壓值依次偏大；

　　3）電池的容量集中在2個峰值附近充入，峰值對應(yīng)電壓處在電池的電壓平臺上。

　　電池的歐姆壓降和極化電壓主要受到電流倍率的影響，不考慮極化電壓的累積，相同的SOC處電流倍率越大，其UR和UP均較大。將圖4的橫坐標(biāo)更改為電池的SOC值，得出圖5。

圖5 不同充電倍率下的ΔSOC/SOC曲線

　　圖5所示的數(shù)據(jù)點(diǎn)依然是按照電壓每隔10mV選取，SOC通過精確校準(zhǔn)過的安時積分得出?？梢杂^察到1/2C、1/3C和1/5C充電倍率下的峰值對應(yīng)的SOC點(diǎn)為50%和85%。結(jié)合圖3可以看出1C倍率下電池的歐姆壓降和極化電壓較大，同時在恒流充電的過程中，電池內(nèi)阻隨SOC變化而變化不大，即UR變化不大，所以圖4和圖5中1C倍率的第2個峰值消失的原因主要是極化電壓的變化，導(dǎo)致相同的電壓變化率下很難觀察出較高的充入容量值。另外通常的能量型電池充電倍率為1C以下，因此主要分析電池在正常充電倍率條件下的特征。

　　不同放電倍率下的ΔSOC/SOC曲線如圖6所示。

圖6 不同放電倍率下的ΔSOC/SOC曲線

　　可以觀察到1/2C、1/3C和1/5C放電倍率下的峰值對應(yīng)的SOC點(diǎn)為80%和55%。但是由于放電電流在實際應(yīng)用中不容易穩(wěn)定，工況比較復(fù)雜，帶來的UR和UP的變化較難消除，會導(dǎo)致得到的ΔV值包含較大誤差。影響ΔQ/ΔV曲線峰值的修正SOC的準(zhǔn)確性。

　　如果將BMS系統(tǒng)在線測量充電過程得到的電池電壓，去除內(nèi)阻和極化的影響，描繪得到的ΔQ/ΔV曲線應(yīng)該與圖2完全一致。也就表明不同倍率下得到的ΔQ/ΔV曲線的峰值對應(yīng)的SOC值可以作為電池SOC準(zhǔn)確修正的條件。尤其在LiFePO4電池電壓平臺很平的條件下，峰值幅度表現(xiàn)的更加明顯。

　　4.2 電池老化

　　電池的老化主要考慮電池的容量衰退和電池的內(nèi)阻的增加。國內(nèi)外對于鋰離子電池的容量衰退機(jī)制和內(nèi)阻的增加原因有相關(guān)的研究，其中對于容量的下降，通常認(rèn)為是在充放電過程中發(fā)生了不可逆的化學(xué)反應(yīng)導(dǎo)致參與反應(yīng)的鋰離子損失；對于電池內(nèi)阻的增加，通常認(rèn)為是電池的內(nèi)部結(jié)構(gòu)鈍化，如SEI膜的增厚，正負(fù)極結(jié)構(gòu)的改變。

　　當(dāng)電池老化以后，開路電壓法和安時積分法的適用范圍沒有改變，但是對于人工神經(jīng)網(wǎng)絡(luò)法和卡爾曼濾波法影響較大，因為所建立的電池模型的參數(shù)已經(jīng)隨著老化而改變，尤其是成組應(yīng)用的電池的不一致性導(dǎo)致的老化軌跡的不同，使得模型的適用性降低，如神經(jīng)網(wǎng)絡(luò)需要重新訓(xùn)練，卡爾曼算法依據(jù)的模型的參數(shù)需要改變。電池老化后的SOC的修正對于完善BMS的管理和延長成組電池的壽命有重要意義。

　　由于ΔQ/ΔV曲線反應(yīng)的是電池內(nèi)部電化學(xué)的特性，電動汽車通常規(guī)定電池容量低于額定容量的80%認(rèn)為電池壽命終止。此時，電池內(nèi)部主要的化學(xué)反應(yīng)取決于反應(yīng)物的濃度和電池系統(tǒng)內(nèi)部的結(jié)構(gòu)。

　　圖7描述了LiFePO4電池在DOD為100%的工作區(qū)間上循環(huán)200次后的ΔSOC/SOC特性，其容量衰退到額定容量的95%。

圖7 老化前后ΔSOC/SOC曲線的比較

　　200次循環(huán)后，被測試電池的容量保持能力有所下降，內(nèi)部結(jié)構(gòu)也有所變化，容量的增加集中在了第一個峰對應(yīng)的SOC值處。與新電池時比較發(fā)現(xiàn)，第二個峰對應(yīng)的充入容量明顯減少，這表明電池石墨負(fù)極的鋰離子嵌入能力下降，電流接受能力降低，極化電壓增大以及壽命下降。

　　4.3 修正電池SOC

　　BMS系統(tǒng)實時采集電池單體的電壓、電流，并通過分析階躍電流信號的電壓變化計算得到電池內(nèi)阻。消除歐姆壓降UR的影響有助于得出變電流等優(yōu)化充電方法下的電壓變化值ΔV（恒流充電沒有影響），然后等間隔（例如每10mV）取得對應(yīng)區(qū)間的安時積分值ΔQ。數(shù)學(xué)上判斷ΔQ/ΔV曲線的極值需要對曲線的函數(shù)求一階導(dǎo)數(shù)，實際使用中我們發(fā)現(xiàn)兩個極大值所處的電壓均有一定范圍。將電池從較低SOC點(diǎn)開始充電并記錄充電過程的一組ΔQ值，通過簡單的數(shù)據(jù)處理得到符合要求的兩個極大值（特殊的，在1C等極化嚴(yán)重的充電倍率下時僅一個極大值）。對照峰值點(diǎn)出現(xiàn)時的電壓值，判斷是否是第一個峰值點(diǎn)位置并給予記錄，當(dāng)兩次或多次充電過程的峰值點(diǎn)記錄相同且與BMS記錄的SOC值相差8%以上（通常電動汽車要求SOC精度8%左右），執(zhí)行電池SOC的修正操作，記錄修正事件以便調(diào)試分析。

　　5 結(jié)論

　　提供了不同充電倍率、不同老化程度下可靠和準(zhǔn)確的單體SOC分析方法，數(shù)據(jù)處理較人工神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波等方法有較大優(yōu)勢。通過ΔQ/ΔV曲線進(jìn)行電池的SOC估算，可為目前基于開路電壓的均衡提供更為準(zhǔn)確的判斷條件（SOC等于50%的第一個峰值），從而有效解決電池組的在線均衡問題，減小極限工作條件下對電池壽命的影響。同時準(zhǔn)確快速的SOC估算為今后智能電池系統(tǒng)的管理控制策略提供依據(jù)。