蓋世汽車訊 據(jù)外媒報道，一國際團(tuán)隊(duì)進(jìn)行比較研究，探討用于評估鋰離子電池電量狀態(tài)（SOC）的不同在線算法。參與此項(xiàng)研究的包括來自德國、印度、馬來西亞、澳大利亞和沙特阿拉伯的研究人員。

（圖片來源：MDPI）

SOC評估

鋰離子電池具有能量密度高、自放電低和循環(huán)壽命長等優(yōu)點(diǎn)，在電動汽車中得到廣泛應(yīng)用。對鋰離子電池進(jìn)行SOC評估，具有重要意義，可防止出現(xiàn)過充、熱失控和深度放電等關(guān)鍵問題。SOC是電池剩余容量與實(shí)際容量的比率。因?yàn)椴荒苤苯訙y量，電池管理系統(tǒng)采用算法來監(jiān)測電池SOC。

SOC評估方法分為間接法和直接法。直接法包括開路電壓法和安培計(jì)數(shù)法。在電池管理系統(tǒng)中，這些方法易于實(shí)施，但有可能出現(xiàn)錯誤，影響SOC評估。

非直接方法包括數(shù)據(jù)驅(qū)動和基于模型的方法。已開發(fā)的基于模型的方法包括ECM、EM、EECM和ECTM等。近年來，研究人員開發(fā)了很多先進(jìn)的算法，以提供精確的SOC評估能力，例如卡爾曼濾波器、粒子濾波器、龍貝格觀測器和滑模觀測器。

為了進(jìn)一步提升基于模型的評估方法，改進(jìn)算法已經(jīng)成為研究重點(diǎn)，如擴(kuò)展卡爾曼濾波（extended KF，EKF）、無跡卡爾曼濾波（unscented KF，UKF）和改良LO。數(shù)據(jù)驅(qū)動方法通常使用機(jī)器學(xué)習(xí)算法，如前饋神經(jīng)網(wǎng)絡(luò)（feedforward neural networks）和遞歸神經(jīng)網(wǎng)絡(luò)（recurrent neural networks）。然而，這些機(jī)器學(xué)習(xí)方法主要受限于數(shù)據(jù)集的質(zhì)量和數(shù)量。

此項(xiàng)研究

近年來，基于模型的SOC評估方法具有較高的準(zhǔn)確性，引起許多研究人員的關(guān)注。在自適應(yīng)算法方面，對卡爾曼濾波器的研究，超過了其他類型濾波器。受益于機(jī)器學(xué)習(xí)的最新進(jìn)展，數(shù)據(jù)驅(qū)動方法也倍受關(guān)注。

研究人員指出，為了對SOC評估和算法進(jìn)行詳細(xì)的比較評估，必須考慮相同的測試環(huán)境。因?yàn)榫唧w評估結(jié)果可能因?qū)嶋H操作條件而有所不同。

根據(jù)最近的研究趨勢，研究人員對7種不同的算法進(jìn)行了評估，分別是LO、EKF、SMO、 AEKF、UKF、BPNN和LO。在相同的操作條件下對各算法進(jìn)行評估，以在復(fù)雜度和SOC評估誤差方面提供準(zhǔn)確的比較結(jié)果。

研究人員還分析了溫度對兩種RC電池模型參數(shù)的影響，將這些信息用于基于模型的SOC評估方法。對商用鋰離子基方形電芯進(jìn)行測試，將所得的實(shí)驗(yàn)數(shù)據(jù)集用于進(jìn)行SOC評估。研究人員對數(shù)據(jù)集采用了不同的算法，此外還比較了計(jì)算量和評估電量狀態(tài)的精確度。

研究結(jié)果

這些研究結(jié)果可用于為未來的SOC評估提供建議。此外，可用于研究其他操作，以及設(shè)備狀態(tài)和參數(shù)。

通過比較評估結(jié)果，研究人員認(rèn)為，序列最小優(yōu)化算法（SMO）和擴(kuò)展卡爾曼濾波（EKF）是實(shí)現(xiàn)實(shí)時電池管理的最合適算法。EKF算法的評估誤差最小，計(jì)算時間最短；而SME算法的計(jì)算時間最長，但誤差最小。此外，研究人員證實(shí)，2-RC電池模型具有卓越的精確度。

未來視角

此項(xiàng)研究對未來的研究方向提出若干建議，包括利用基于模型的方法，通過同步評估參數(shù)來提高SOC評估精確度，以減少計(jì)算量并提高精度，將數(shù)據(jù)驅(qū)動和基于模型的方法相結(jié)合，以及創(chuàng)建混合模型來提高在線評估方法的精確度。

其他建議包括開發(fā)數(shù)字孿生體和基于云的電池管理系統(tǒng)。雖然在線SOC評估仍存在一些挑戰(zhàn)，但這是一個有前景的領(lǐng)域，可提高鋰離子電池的商業(yè)可行性、安全性和性能，以用于汽車等行業(yè)。

返回第一電動網(wǎng)首頁 >