首页 > 资讯 > 动力电池的容量估算及健康状态判断.pptx

动力电池的容量估算及健康状态判断.pptx

泰然健康网
2025-08-18 22:34

动力电池的容量估算及健康状态判断试讲人：1

目录CONTENT1SOC估算2SOH估算3基本概念2

31基本概念SOC：StateofCharge动力电池的荷电状态，当前剩余容量与最大可用容量的比。SOH：StateofHealth动力电池的健康状态，最大可用容量与标称容量的比。动力电池SOC和SOH估算是动力电池管理系统的核心功能之一，精确的SOC和SOH估算可以保障动力电池系统安全可靠地够工作，优化动力电池系统，并为电动汽车的能量管理和安全管理等提供依据。

42SOC估算动力电池的SOC相当于普通燃油汽车的油表，SOC作为能量管理的重要决策因素之一，对于优化整车能量管理、提高动力电池容量和能量利用率、防止动力电池过充和过放电、保障动力电池在使用过程中的安全性和长寿命等起着重要作用。SOC估算方法分类

1.1基于表征参数的方法5该方法分两步：①建立动力电池表征参数与SOC的离线关系。②实时计算动力电池表征参数值，并以之标定动力电池SOC。需满足两个前提:所建立表征参数与SOC的离线关系应该相对稳定，所选表征参数应该是易获取的。可选表征参数包括当前剩余容量、阻抗谱、开路电压（OCV）等。当前剩余容量可通过放电实验法得到，该方法被认为是确定动力电池SOC最为直接的方法。但是新能源汽车在运行中难以进行长时间的恒流放电来确定剩余容量，使得该方法仅适用于实验室等特定环境。基于阻抗谱的方法则需要借助电化学工作站来测试动力电池不同SOC值的阻抗，并制定SOC和参数的映射关系，进而采用查表的方式完成SOC的标定。OCV-SOC关系常被工业界用来标定动力电池SOC，大量的BMS产品也使用这一关系来标定动力电池初始SOC，但OCV的准确直接测量要求动力电池静置足够长的时间，因而在实际中往往需要与OCV在线辨识方法结合使用。

1.2安时积分法6安时积分法该方法又称为库仑计数法，即利用SOC定义估计动力电池SOC：z(t)表示t时刻下的动力电池SOC估计值；z(t0)表示动力电池SOC初始值；ηi表示动力电池充放电库仑效率，其值通过实验确定，对于锂离子动力电池而言，放电效率通常视为1，充电效率为0.98～1(充电电流3C以内)；iL(τ)为τ时刻下动力电池充放电电流；Cmax表示当前条件下动力电池的最大可用容量。作为目前动力电池SOC计算的核心方法，安时积分法经典易用，应用最为广泛。但它主要存在三个缺陷：①动力电池初始SOC的精确值难以获得。②该方法对于电流传感器的精度要求很高。③动力电池性能衰退造成其静态容量的退化，从而影响SOC的计算精度。为避免以上因素的制约并提高计算精度，该方法经常与其他方法综合使用。例如，使用OCV确定动力电池初始SOC，使用安时积分法计算后续的SOC轨迹。

1.3基于模型的估计方法7该方法利用模型和状态估计算法完成动力电池的SOC估计，因此该方法首先需要建立可靠的性能模型。基于建立的动力电池等效电路模型及其状态方程，应用滤波算法和观测器，搭建基于模型的SOC估计算法框架，具体实施流程包括：①基于上一时刻的SOC值或初始SOC与电流测量值，利用安时积分来计算当前时刻的SOC预估值。②基于模型参数SOC关系式计算此时模型参数值，如OCV-SOC关系。③基于模型端电压-参数关系式计算此时模型端电压。④基于电压测量值，获取模型端电压误差，即新的信息（新息）。⑤以新息的一定增益(倍率)来修正上述SOC预估值，从而获取最终的SOC修正值，并将其用于下一时刻的输入。步骤⑤中增益的表现形式取决于所采用的状态估计算法。显然，基于模型的方法是一种闭环的方法，它通过不断地修正SOC估计值，使得算法具有一定的鲁棒性。基于模型的方法估计精度由预估过程与修正过程两部分共同决定，当信任安时积分的估计结果(SOC预估值较准)时，可适当地减小增益修正；否则应增大增益修正。但是过大的修正会使得SOC值波动剧烈，具体应该根据实际情况调整。基于模型的估计方法的性能同时取决于模型与状态估计算法两者的性能。

1.3基于模型的估计方法8卡尔曼滤波(KalmanFilter,KF)类算法是动力电池SOC估计中使用最多的算法。KF是由美国学者Kalman在20世纪60年代初提出的一种最小方差意义上的最优估计方法。它提供了直接处理随机噪声干扰的解决方案，将参数误差看作噪声以及把预估计量作为空间状态变量，充分利用测量数据，用递推法将系统及随机测量噪声滤掉，得到准确的空间状态值。最初的KF仅适用于线性系统，扩展卡尔曼滤波算法(ExtendedKalmanFilter,EKF)的提出使其推广到了非线性系统。