比较研究:通过在线算法评估锂离子电池的电量状态

Elisha 盖世汽车2022-6-24 9:57:20
研究人员在相同的操作条件下对各算法进行评估,以在复杂度和SOC评估误差方面提供准确的比较结果。

盖世汽车讯 据外媒报道,一国际团队进行比较研究,探讨用于评估锂离子电池电量状态(SOC)的不同在线算法。参与此项研究的包括来自德国、印度、马来西亚、澳大利亚和沙特阿拉伯的研究人员。

图片1.png

(图片来源:MDPI)

SOC评估

锂离子电池具有能量密度高、自放电低和循环寿命长等优点,在电动汽车中得到广泛应用。对锂离子电池进行SOC评估,具有重要意义,可防止出现过充、热失控和深度放电等关键问题。SOC是电池剩余容量与实际容量的比率。因为不能直接测量,电池管理系统采用算法来监测电池SOC。

SOC评估方法分为间接法和直接法。直接法包括开路电压法和安培计数法。在电池管理系统中,这些方法易于实施,但有可能出现错误,影响SOC评估。

非直接方法包括数据驱动和基于模型的方法。已开发的基于模型的方法包括ECM、EM、EECM和ECTM等。近年来,研究人员开发了很多先进的算法,以提供精确的SOC评估能力,例如卡尔曼滤波器、粒子滤波器、龙贝格观测器和滑模观测器。

为了进一步提升基于模型的评估方法,改进算法已经成为研究重点,如扩展卡尔曼滤波(extended KF,EKF)、无迹卡尔曼滤波(unscented KF,UKF)和改良LO。数据驱动方法通常使用机器学习算法,如前馈神经网络(feedforward neural networks)和递归神经网络(recurrent neural networks)。然而,这些机器学习方法主要受限于数据集的质量和数量。

此项研究

近年来,基于模型的SOC评估方法具有较高的准确性,引起许多研究人员的关注。在自适应算法方面,对卡尔曼滤波器的研究,超过了其他类型滤波器。受益于机器学习的最新进展,数据驱动方法也倍受关注。

研究人员指出,为了对SOC评估和算法进行详细的比较评估,必须考虑相同的测试环境。因为具体评估结果可能因实际操作条件而有所不同。

根据最近的研究趋势,研究人员对7种不同的算法进行了评估,分别是LO、EKF、SMO、 AEKF、UKF、BPNN和LO。在相同的操作条件下对各算法进行评估,以在复杂度和SOC评估误差方面提供准确的比较结果。

研究人员还分析了温度对两种RC电池模型参数的影响,将这些信息用于基于模型的SOC评估方法。对商用锂离子基方形电芯进行测试,将所得的实验数据集用于进行SOC评估。研究人员对数据集采用了不同的算法,此外还比较了计算量和评估电量状态的精确度。

研究结果

这些研究结果可用于为未来的SOC评估提供建议。此外,可用于研究其他操作,以及设备状态和参数。

通过比较评估结果,研究人员认为,序列最小优化算法(SMO)和扩展卡尔曼滤波(EKF)是实现实时电池管理的最合适算法。EKF算法的评估误差最小,计算时间最短;而SME算法的计算时间最长,但误差最小。此外,研究人员证实,2-RC电池模型具有卓越的精确度。

未来视角

此项研究对未来的研究方向提出若干建议,包括利用基于模型的方法,通过同步评估参数来提高SOC评估精确度,以减少计算量并提高精度,将数据驱动和基于模型的方法相结合,以及创建混合模型来提高在线评估方法的精确度。

其他建议包括开发数字孪生体和基于云的电池管理系统。虽然在线SOC评估仍存在一些挑战,但这是一个有前景的领域,可提高锂离子电池的商业可行性、安全性和性能,以用于汽车等行业。

《乘用车电气化市场与技术分析月刊》