锂一次电池SOC估计方法技术

本发明专利技术属于电子技术领域，涉及一种锂一次电池SOC估计方法，该方法一方面通过在不同SOC下的EIS测试实验，提出了一种EIS图解法，通过处理EIS数据得到EIS的Nyquist图中7个关键参数，构建进行训练和优化神经网络模型，通过训练优化后的神经网络模型估计锂一次电池SOC。另一方面通过恒流放电实验，得到锂一次电池电流应力下的放电容量，提出一种应力累积法，将放电电流对应的放电过程分成N个恒流放电阶段，在每一段利用安时积分法计算SOC，得到SOC计算模型，通过SOC计算模块估计锂一次电池SOC。本发明专利技术估计方法中的两种方法可单独估计锂一次电池SOC，还可相验证，能够提高锂一次电池SOC估计的准确性。池SOC估计的准确性。池SOC估计的准确性。

【技术实现步骤摘要】
锂一次电池SOC估计方法


[0001]本专利技术属于电子
，涉及锂电池SOC测量技术，具体地说，涉及一种锂一次电池SOC估计方法。

技术介绍

[0002]在海洋装备的能源系统中，锂一次电池发挥了至关重要的作用。锂一次电池只能放电，其电池反应是一次性，不可逆的。对比锂二次电池，锂一次电池的内阻更大，自放电更小。当锂一次电池间歇地以小电流放电时，其具有非常大的质量比容量。锂一次电池的负极材料为金属锂，其质量较轻，比容量较高，工作电压高，可以在大范围的温度下进行工作，能够很好地被储存，在使用时比较方便，可以以串并联的方式构建成电池组，因此被广泛地使用。在目前的工程使用中，相比于对锂二次电池的广泛研究，锂一次电池仅限于使用阶段，或者仅有相对浅显的研究，对于锂一次电池容量分析的相关研究较少，这不仅在一定程度上限制了锂一次电池的应用与发展，还引起了一些经济与环保问题。因此，为研究和应用锂一次电池，需要获取锂一次电池的健康特征，在电池放电时，获取其电流、电压以及容量等时域数据，或者频域下的阻抗数据，进行锂一次电池SOC估计的相关研究。
[0003]为了描述电池特性，需要建立准确的电池模型。研究者们根据不同的电池研究需要，提出了多种电池模型。针对锂离子电池，通过获取电化学阻抗谱(英文：electrochemical impedance spectroscopy，简称：EIS)数据，唐殊提出一种三阶RC等效电路，在EIS的基础上，进行了锂离子电池中阻抗特性的相关研究。X.Lai等人提出一类二阶RC等效电路模型，该模型具有一个单状态的迟滞环节，其中模型参数可以随SOC和健康状态(英文：State of Health，简称：SOH)实时地变化。C.Liu等人对二阶RC模型进行改善，引入常相位元件(英文：Constant Phase Elements，简称：CPE)，得到了分数阶模型，使得模型在电池相关特性研究中具有较高的精度。以二阶RC等效电路模型为基础，增加多个RC并联环节，或者引入常相位元件，可以实现在频域中将EIS数据与锂电池的模型联系起来。其中通过引入常相位元件，建立的分数阶模型能够更加精确地反映电池内部的电化学反应。
[0004]EIS是利用实验方法来获取锂一次电池的响应特性，频域阻抗分析法分析锂一次电池电化学阻抗谱的具体操作是：将电池静置一段时间，待电池稳定后，对电池施加一个较小的交流激励信号，该信号是正弦变化的，这样就可以得到交流阻抗随频率变化的数据。电化学阻抗谱有两种测量方法：恒电位法和恒电流法。其中恒电流法更加接近电池的真实放电状态，所测得的电化学阻抗谱可以更精确描述电池内部的变化。根据EIS数据可以确定锂一次电池的分数阶等效电路模型，EIS对应的Nyquist图及其分数阶模型如图1所示。图1中，区域(1)可以反映欧姆阻抗带来的影响，表示为电阻R0。区域(2)对应EIS测量的高频区域，该段EIS对应的半圆弧的圆心
①
不在实轴上，可以并联电阻R1和常相位元件C1来表示。区域(3)对应EIS测量的中频区域，该段EIS对应的半圆弧的圆心
②
也不在实轴上，可以并联电阻R2和常相位元件C2来表示。区域(4)对应EIS测量的低频区域，可以反映锂离子在电池活性物质中的扩散过程，可以用Warburg阻抗表示。在进行电化学阻抗谱测量时，测量该段对应EIS
时的频率很小，基本小于1Hz。因此，会导致出现很长的测量时间，且影响电池的动态特性较小，因此通常不考虑Warburg阻抗带来的影响。
[0005]电池的SOC估计在电池管理系统(英文：Battery Management System，简称：BMS)中具有极其重要的地位，评价电池健康时，SOC是一个重要的参数。锂一次电池是只能放电的一次电池，在放电一段时间后，其剩余容量便是放电后对应的容量大小。根据《电动汽车电池实验手册》，在已知放电电流时，锂一次电池的SOC定义为：式中Q
l
为剩余容量，Q
N
为所能放出的实际放电容量，Q
d
为已放出的容量，η为库伦效率，i为放电电流。由于锂电池在其工作过程中，其工作特性是不确定的，且具有非线性的特点，因此，较难准确地实现其SOC估计。
[0006]S.Cho等人在电池等效电路模型的基础上，提出一种自适应方法，该方法在建立电池模型时，结合安时积分法，来估计锂离子电池的SOC。安时积分法的原理简单，容易实现，但是其准确度受初始SOC值的影响，不具有修正参数的能力。
[0007]通过获取电池的SOC与开路电压的关系，利用开路电压法，可实现电池的SOC估计。基于电池的一阶等效电路模型，S.Lee等人设计了相关实验，获取了SOC与OCV的关系，利用扩展卡尔曼滤波(英文：Extended Kalman Filter，简称：EKF)算法，对电池的SOC进行估计。但单独使用开路电压法需要长期静置电池，大都在1h以上，用时长。
[0008]X.Zhao等人利用蚁群优化算法对Elman神经网络进行改进，形成ACO
‑
Elman神经网络模型，应用该模型估计锂离子电池的SOC。宫明辉等人使用模糊算法改进了AEKF，在不降低SOC估计精度的情况下，明显提高了优化算法的收敛速度，使SOC估计更加具有适用性。但是该类方法在应用时都需要大量的样本数据，在实际应用时受训练算法的规则和样本数据的规模的影响比较大，会造成较大的计算量。
[0009]基于等效电路模型在进行SOC估计时，也常用到卡尔曼滤波算法。余升开展了恒流放电和模型动态工况下的仿真实验，并在估计SOC时，选择卡尔曼滤波无迹算法，对比实验值与理论值，该方法能够很快地收敛，且在初始值有误差时进行修正。在卡尔曼滤波算法中，赵天意等人加入了可变的噪声方差，形成一种新方法，可以避免因噪声误差引起的精度下降问题，一定程度上保证了SOC估计的准确性。L.Guo为估计等效电路的SOC，采用扩展卡尔曼滤波算法，结果表明，提出的SOC估计方法误差很小，基本在5％以下，在应用时更加实用。对于卡尔曼滤波算法来说，可以在线估计SOC，但是前提条件是获得准确的等效电路模型。
[0010]综上可知，对电池的SOC实现实时又准确地估计，具有一定的困难性。实现准确的SOC估计，可以进一步指导如何安全使用电池，延长电池的储存寿命，更加经济地使用电池。但是在电池的实际使用中，SOC是一个随放电过程变化的状态量，很难被直接测量，且SOC容易受放电电流倍率和温度等因素的影响。在电池单次放电或充电时，利用安时积分法估计SOC时准确度较高。对于锂一次电池来说，只有一次电池循环，理论上使用安时积分法估计其SOC是比较准确的。但是由于锂一次电池的实际放电容量受放电电流倍率的影响，因此，在以复杂工况放电时，需要考虑在不同的放电阶段，锂一次电池的容量变化问题。基于神经网络模型实现SOC估计，其误差具有较高的敏感性。因此，需要选择好用于神经网络模型的训练数据和训练方法，在实际应用时需要做大量实验，以获取训练数据。而锂一次电池的最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂一次电池SOC估计方法，其特征在于，采用EIS图解法估计锂一次电池SOC，其步骤为：实验步骤：对锂一次电池进行EIS
‑
SOC试验，测量不同SOC下的EIS数据，根据不同SOC下的EIS数据绘制EIS的Nyquist图；样本获取步骤：对于某一SOC下EIS的Nyquist图，寻找Nyquist图中的最小极值点，作为识别Nyquist图中两个半圆弧的转折点；利用最小二乘法拟合函数对Nyquist图进行拟合，得到Nyquist图中的两段半圆弧，求解第一段圆弧跟实轴的左交点p1，记录两段圆弧对应的圆心(x1,y1)、(x2,y2)和半径r1、r2，得到一组EIS数据，该组数据包括x1、y1、r1、p1、x2、y2、r27个关键参数，与EIS分数阶模型的相对应，同时与锂一次电池当前的SOC对应；重复本步骤得到不同SOC对应的x1、y1、r1、p1、x2、y2、r27个关键参数，将其作为样本数据，划分成训练样本、验证样本和测试样本；神经网络模型构建步骤：以x1、y1、r1、p1、x2、y2、r27个关键参数为输入，以锂一次电池SOC为输出，构建神经网络模型，将训练样本输入至神经网络模型中进行训练，将验证样本输入至训练后神经网络模型中优化神经网络模型，将测试样本输入至优化后神经网络模型中测试优化后神经网络模型性能；SOC估计步骤：对待估计锂一次电池进行EIS测试，测量EIS数据，并绘制Nyquist图，根据Nyquist图得到x1、y1、r1、p1、x2、y2、r27个关键参数，将得到的x1、y1、r1、p1、x2、y2、r27个关键参数输入至优化后神经网络模型得到待估计锂一次电池的SOC。2.如权利要求1所述的锂一次电池SOC估计方法，其特征在于，在所述实验步骤中，对锂一次电池进行EIS
‑
SOC试验时，锂一次电池恒流放电的电流范围为10
‑
100mA，环境温度3
‑
11℃。3.如权利要求2所述的锂一次电池SOC估计方法，其特征在于，在所述实验步骤中，每隔10mA选择多节锂一次电池进行EIS
‑
SOC试验。4.如权利要求1至3任意一项所述的锂一次电池SOC估计方法，其特征在于，在所述实验步骤中，测量不同SOC下的EIS数据的具体方法为：测量新锂一次电池的EIS数据，即锂一次电池SOC＝1时的EIS数据；选择电流等级进行恒流放电，每降低0.05SOC时，静置1h，待锂一次电池内部的电化学反应稳定后，测量该状态下锂一次电池对应的EIS数据；在锂一次电池放电至截止电压2V时，认为此时锂一次电池的SOC为0，将锂一次电池静置1h，测量该状态下锂一次电池对应的EIS数据。5.如权利要求1所述的锂一次电池SOC估计方法，其...

【专利技术属性】
技术研发人员：张立强，王祥宇，刘贺臻，张紫涵，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：