矿用储能电池荷电状态精确估计方法.pdf

第45卷 第1期 2019年1月 工矿自动化工矿自动化 Industry and Mine Automation Vol. 45 No. 1 Jan. 2019 文章编号671-251文章编号671-251X201901-0065-05 201901-0065-05 DOI 10. 13272/ 10. 13272/j. . issn. 1671-251. 1671-251x. 2018060036. 2018060036 矿用储能电池荷电状态精确估计方法 张建文张建文， 齐明辉齐明辉， 王政王政， 严家明严家明 中国矿业大学电气与动力工程学院， 江 苏 徐 州 221116中国矿业大学电气与动力工程学院， 江 苏 徐 州 221116 摘要 针对基于安时积分法的矿用储能电池荷电状态估计易产生累计误差的问题， 提出一种基于改进安摘要 针对基于安时积分法的矿用储能电池荷电状态估计易产生累计误差的问题， 提出一种基于改进安 时积分法的矿用储能电池荷电状态精确估计方法时积分法的矿用储能电池荷电状态精确估计方法。该方法引入温度校正系数、 老化程度校正系数和充放电该方法引入温度校正系数、 老化程度校正系数和充放电 倍率校正系数倍率校正系数，通过校正电池容量实现电池荷电状态精确估计； 在 电 池 荷 电 状 态 为 0〜 15通过校正电池容量实现电池荷电状态精确估计； 在 电 池 荷 电 状 态 为 0〜 15，90〜 10090〜 100 时时， 用电池端电压代替开路电压用电池端电压代替开路电压， 对改进安时积分法所得结果进行实时校正对改进安时积分法所得结果进行实时校正。实验结果表明， 该方法可提高实验结果表明， 该方法可提高 矿用储能电池荷电状态估计精度矿用储能电池荷电状态估计精度， 估计误差基本控制在 3 以内估计误差基本控制在 3 以内。 关键词关键词 矿用储能电池矿用储能电池；电池管理系统电池管理系统；电池荷电状态电池荷电状态； 荷电状态估计荷电状态估计； 安时积分法安时积分法；电池充放电电池充放电 中图分类号中图分类号TD60 文献标志码60 文献标志码A 网络出版地址网络出版地址Http // //kns. . cnki. . net/ /kcms/ /detail/32. 1627. /32. 1627. TP. 20181218. 1038. 001. . 20181218. 1038. 001. html An accurate estimation for state of charge of mine-used energy storage battery ZHANG Jianwen, , QI Minghui, , WANG Zheng, , YAN Jiaming School of Electrical and Power Engineering, , China University of Mining and Technology, , Xuzhou 221116, 221116, China Abstract For the problem that accumulative error was easy to occur in estimation for state of charge SOC of mine-used energy storage battery based on ampere-hour integration , , an accurate estimation for SOC of mine-used energy storage battery based on improved ampere-hour integration was put forward. . In the , , temperature correction coefficient, , aging degree correction coefficient and charging-discharging ratio correction coefficient are introduced to correct battery capacity, , so as to realize accurate estimation of battery SOC. . Battery terminal voltage is used to replace open circuit voltage when battery SOC is from 0 0 to 15 15 or from 90 90 to 100, 100, then the estimation results obtained by the improved ampere-hour integration are corrected real- -timely. . The experimental results show that the can improve estimation precision of SOC of mine-used energy storage battery, , and the estimation error iswithin 士3. 士3. Key words mine-used energy storage battery; ; battery management system ； ； state of charge; ; state of charge estimation； ； ampere-hour integration ; ; battery charging-discharging 〇 引言〇 引言 煤矿井下需配备自救器、 救生舱、 避难硐室等必煤矿井下需配备自救器、 救生舱、 避难硐室等必 要的应急救援设备[13]。发生煤矿事故后， 通过大容要的应急救援设备[13]。发生煤矿事故后， 通过大容 量储能电池为救生舱、 避难硐室等进行紧急供电。量储能电池为救生舱、 避难硐室等进行紧急供电。 高效的电池管理系统是储能电池可靠运行的保障，高效的电池管理系统是储能电池可靠运行的保障， 其主要功能包括防过充、 防过放、 短路保护、 过温保其主要功能包括防过充、 防过放、 短路保护、 过温保 护、 荷电状态护、 荷电状态（State of Charge，，SOC估计和均衡控估计和均衡控 制等[ 4 _ 5]。制等[ 4 _ 5]。 SOC为电池当前剩余容量与电池实际可用容为电池当前剩余容量与电池实际可用容 收 稿 日 期 2018-06-16;修 回 日 期 2018-12-05;责 任 编 辑 李 明 。 基 金 项 目 国 家 重 点 研 发 计 划 资 助 项 目 （2017YFF0210600。 作 者 筒 介 张 建 文 （1968-男，宁 夏 贺 兰 人 ， 教 授 ， 博 士，研 究 方 向 为 高 电 压 、 电 气 设 备 状 态 监 测 与 故 障 诊 断、设 备 性 能 检 测 及 质 量 评 价 技 术 ， E-mail 2736190026qq. com。通 信 作 者 齐 明 辉 （1992 ，男 ， 山东 菏 泽 人，硕 士 研 究 生，研 究 方 向 为 矿 用 电 池 管 理 系 统，E-mail 1083369077qq. com。 引 用 格 式 张 建 文 ， 齐 明 辉 ， 王 政 ， 等 .矿 用 储 能 电 池 荷 电 状 态 精 确 估 计 方 法[J].工 矿 自 动 化 ，2019，451 6569. ZHANG JianwenQI MinghuiWANG Zhenget al. An accurate estimation for state of charge of mine-used energy storage battery [J]. Industry and Mine Automation, 2019,451 65-69. 66 工 矿 自 动 化2 0 1 9 年 第 4 5 卷 SO C;C 为电池额定容量为电池额定容量； z 为电池电流， 充电时为为电池电流， 充电时为 负 ， 放电时为正负 ， 放电时为正。 由于矿用储能电池运行环境的特殊性， 采用安由于矿用储能电池运行环境的特殊性， 采用安 时积分法估计电池时积分法估计电池SOC时容易出现累计误差， 导致时容易出现累计误差， 导致 电池过充过放， 影响电池安全运行， 缩短电池使用寿电池过充过放， 影响电池安全运行， 缩短电池使用寿 命 ， 严重时会引起爆炸（ 1命 ， 严重时会引起爆炸（ 1。在电池充放电过程中，在电池充放电过程中， 需要不断对电池需要不断对电池SOC估计进行实时校正， 以保证电估计进行实时校正， 以保证电 池安全运行池安全运行。 电池电池 SOC估计精度受电池初始估计精度受电池初始SOC、 温度温度、 老老 化程度、 充放电倍率的影响， 所 以 在化程度、 充放电倍率的影响， 所 以 在 SO C估计过程估计过程 中引入温度校正系数，、 老化程度校正系数％、 充中引入温度校正系数，、 老化程度校正系数％、 充 放电倍率校正系数彳放电倍率校正系数彳C。改进的电池改进的电池SO C估计表达估计表达 式为式为 D〇 1idt ⑵ rjh rjT rjc C 〇〇 校正系数定义为电池实际容量/额定容量， 对于校正系数定义为电池实际容量/额定容量， 对于 相同规格的电池具有普适性相同规格的电池具有普适性。实际容量受温度、 老实际容量受温度、 老 化程度和充放电倍率的影响， 化程度和充放电倍率的影响， t， ， c分别为温分别为温 度 、 老化程度和充放电倍率的函数， 通过电池的温度 、 老化程度和充放电倍率的函数， 通过电池的温 度度 、 老化程度老化程度、 充放电倍率实验曲线获得充放电倍率实验曲线获得。 2.2 电池SOC估计改进方法 选用同一批次生产的标准选用同一批次生产的标准18650锂离子电池锂离子电池 标称电压为标称电压为3.2 V，最大充电截止电压为最大充电截止电压为3.6 V，放放 电截止电压为电截止电压为2 V ， 额 定 容 量 为额 定 容 量 为 2 700 mA h， 分分 别进行电池初始别进行电池初始SOC测定实验、 不同温度下的放电测定实验、 不同温度下的放电 实验、 浮充电老化实验和不同放电倍率下的放电实实验、 浮充电老化实验和不同放电倍率下的放电实 验验 。根据实验结果得到电池初始根据实验结果得到电池初始SO C和和 3 种校正种校正 系数系数。 2 . 2 . 1 电池初始电池初始SO C的确定及的确定及SOC实时校正实时校正 安时积分法难以确定电池安时积分法难以确定电池SOC， 所以进行电池所以进行电池 初 始初 始 SOC估计时， 首先需要通过估计时， 首先需要通过O CV法确定电池法确定电池 初 始初 始 SOC。电池电池 SOC与与 O CV存在对应关系，存在对应关系， 如 图如 图 2 所示所示。根 据根 据 O CV可通过查表方式确定电池可通过查表方式确定电池 初 始初 始 SOC。 量的比值[6]， 其精确估计是电池管理系统主要功能 得以实现的前提。目前SO C估计方法主要有开路 电压（ OpenCircuitVoltage， OCV法 、 卡尔曼滤波 估计算法、 人工神经网络、 安时积分法、 滑模观测法 等[7]。文献[7-8]米用卡尔曼滤波估计算法在线估 计 电池 SOC， 具有较高的精确度， 但该方法对电池 模型的精确度要求较高； 文献（]采用神经网络估计 电池 SOC， 在训练数据较少时估计精度较低； 文献 0 ] 采用安时积分法估计电池SOC， 该方法原理简 单 、 易于实现、 对硬件要求低、 可靠性较高， 得到广泛 应用， 但其难以确定电池的初始SOC， 且在估计过 程中易产生累计误差， 估计精度会随时间推移而逐 渐下降。 针对基于安时积分法的电池SO C估计方法存 在的问题， 本文提出采用电池容量的温度校正系数、 老化程度校正系数、 充放电倍率校正系数对安时积 分法进行改进， 进而得到一种矿用储能电池SOC精 确估计方法。实验结果表明， 该方法能够提高矿用 储能电池SOC估计精度， 且可以在充放电关键时期 消除累计误差对估计精度的影响。 1矿用储能电池的运行状态1矿用储能电池的运行状态 矿用大容量储能电池主要应用于避难硐室、 救 生舱等， 其长期工作于浮充电的储备待用状态， 浮充 电时间长且电流小。根据 煤矿安全规程 要 求 ， 应 急救援设备的备用电源正常工作时输出功率要恒 定 ， 而且要可靠运行9 6 h 以上。因此储能电池通常 采用小电流恒流放电方式， 放电电流小且放电时间 长 。矿用储能电池充放电电流曲线如图1 所示。 2.8-----1------1------1------1------1 0 20 40 60 80 100 SOC/ 图2电 池SO C与O C V关 系 曲 线 Fig. 2 Relationship curve between battery SOC and OCV 通 过OCV确定电池初始SOC时 ， 需要电池静 置足够长时间， 以消除电池内部电池极化电压对 OCV测量准确性的影响， 因此在电池工作过程中， 不宜采用OCV在线判断电池SOC[12][12]。本文选取端 0 1 2 3 4 5 6 7 012345678 充电时间/h 放电时间/h “ 充电电流 （b 放电电流 61矿 用 储 能 电 池 充 放 电 电 流 曲 线 Fig. 1 Charging-discharging current curves of mine-used energy storage battery 2基于安时积分法的电池2基于安时积分法的电池SOC估计及其改进估计及其改进 2. 1 电池SOC估计基本原理 安时积分法用于电池SOC估计时可表述为 St S0 - 1-| idt 1 式中 S, 为 电 池 在 t 时 刻 的 SOC; S。为电池初始 7 A / A U 0 V /塚.択 2 0 1 9 年 第 1 期张 建 文 等 矿 用 储 能 电 池 荷 电 状 态 精 确 估 计 方 法 67 式中 Cb 为 25 m 下电池的额定容量； Ck为校正后 电池在温度K 时的实际容量。 2 . 2 . 3 老化程度校正系数的确定 电池实际可放出的最大电量是表征电池老化程 度的重要指标13。随着电池老化程度的加剧， 电池 实际容量逐渐衰减。电池的老化主要由循环充放电 或长时间存储引起[1415。而矿用储能电池长时间 工作在浮充电状态下， 其老化是由浮充电引起的， 不 属于上述2 种老化， 且老化速度介于循环充放电和 长时间存储引起的老化速度之间。矿用储能电池浮 充电时间与老化程度校正系数关系曲线如图4 所 示 。根 据 图 4 可查表 确 定 电 池 的 老 化 程 度 校 正 系数。 图4电池浮充电时间与老化程度校正系数关系曲线 Fig. 4 Relationship curve between battery floating charging time and aging degree correction coefficient 2. 2. 4充放电倍率校正系数的确定 定义标准温度下， 电池以0 8 C 充放电倍率进 行放电时的库伦效率7 炉％ 1， 7 与放电电流 呈负相关关系。放电电流越大， 则电池的库伦效率 越低， 电池实际放电容量越小[14。矿用储能电池的 充放电倍率小于0. 2 C ， 7 大 于 1， 实际容量大于额 定容量。因此在充电过程中需要实时对充放电倍率 进行校正， 以保证电池容量能够得到充分利用， 同时 防止电池过充[15。电池充放电倍率与充放电倍率 系数 系 曲 线 图 5 所 。 根 图 5 可 定 系数 。 电压等效代替OCV， 对 电 池 SO C进行实时在线校 正 ， 根本原因在于储能电池的充放电电流非常小（ 浮 充电时可保持在30 m A 以内 因电池内阻对OCV 产生的影响基本可以忽略不计。 为了进一步 提 高 电 池 SO C估计精度、 减小误 差 ， 只在充放电关键阶段（ 充放电末期） 对 电 池 SOC 进行实时校正。由图2 可知， 电 池 SO C在 0〜15 和 90 〜100 时 ， SOC与 OCV关系曲线的斜率较 大 ， O CV与 SO C的线性关系容易辨识。而矿用储 能 电 池 SO C长 时 间 处 于 9 0 以上， 因此在这一阶 段对电池SO C进行校正更具有针对性。校正后的 SOC ST S； 1 - aSm 3 式中为修正因子， 通过枚举法确定其取值范围为 0. 8〜1;Sm为通过端电压查表所得的电池SOC。 式（ 3适用于S 1 5 或 S , 9 0 时的情况， 此时可用端电压代替O CV进行校正， 能够有效提 高 SO C 估 计 精 度 。在 1 5 S 9 0 时按照 式（ 2估计电池SOC。 2 . 2 . 2 温度校正系数的确定 温度通过改变电池内部的化学反应进程来影响 电池的实际容量。温度过低时， 电解液的黏滞度增 加 ， 带电粒子运动阻力随之增大， 使得化学反应不够 充分， 电池实际容量相应下降； 温度升高时， 电池内 部的活化能增大， 化学反应更加充分， 电池实际容量 增加。但是长时间工作在高温状态下会缩短电池的 使用寿命， 给电池带来不可逆的损伤[13。 工 作 温 度 际 ， 由 温 度 与温度校正系数关系曲线（ 图 3可知， 不同温度下 电池实际容量差异性较大。因此， 在电池SOC估计 过程中， 温度对估计精度的影响不可忽略。实际应 用中可直接测量电池本体温度， 通 过 图 3 可查表确 定该温度下的温度校正系数。 1.2 r 充 放 电 倍 率/C 图 5 与 系数 系 曲 线 Fig. 5 Relationship curve between charging-discharging ratio and charging-discharging ratio correction coefficient 2. 3 电池SOC精确估计方法 对基于安时积分法的电池SO C估计进行改进 后 ， 得到矿用储能电池SO C精确估计方法， 其流程 图 6 所 。 -40 -30 -20 -10 0 10 20 30 40 50 温 度/c 图3温度与温度校正系数关系曲线 Fig. 3 Relationship curve between temperature and temperature correction coefficient 以 25 m 为基准来校正电池实际工作温度对电 际 Ck 7TCb 4 68 工 矿 自 动 化2 0 1 9 年 第 4 5 卷 图8电池恒流放电时SOC估计误差曲线 Fig. 8 Estimation error curve of battery SOC during constant current discharging 基于安时积分法的电池基于安时积分法的电池SOC估计进行改进， 进而提估计进行改进， 进而提 出一种矿 出一种矿 SOC精 计 方 法 在电池精 计 方 法 在电池 SOC估计 中， 引入温度 系数、 老 度校估计 中， 引入温度 系数、 老 度校 正系数 系数，正系数 系数， 来 实 现来 实 现SOC精 计 计 段 （ 电池精 计 计 段 （ 电池 SOC在 0 〜 1 5 ， 9 0 〜 100， 用 端 电 压 代 替在 0 〜 1 5 ， 9 0 〜 100， 用 端 电 压 代 替 OCV， 对改进安 分法所得 进 ， 对改进安 分法所得 进 对矿用储能电池进 ， 纟 明该方法对矿用储能电池进 ， 纟 明该方法 可提 可提 SOC估计精度， 估计误差基本 彳 在估计精度， 估计误差基本 彳 在 3 。 3 。 参 考 文 献 （References 1 孙继平.煤矿井下紧急避险与应急救援技术[ ].工矿 自动化，2014,401-4. SUN Jiping. Technologies of emergency refuge and rescue used in underground coal mine [J]. Industry and M ineAutomation，2014,401 1-4. [ 2 ]孙继平.煤矿井下避难硐室与救生舱关键技术研究 [J ].煤炭学报，2011，365 13-717. SUN Jiping. The key technologies of the refuge chamber and rescue capsule in the underground coal mine[J]. Journal of ChinaCoal Society，2011，36 5 713-717. [3 ]孙继平.煤矿井下紧急避险系统研究[ J ]煤炭科学技 术 ，2011，3919-71. “ 校 正 前 电 池 恒 流 放 电 过 程 （b 校正 后 电 池 恒 流 放 电 过 程 “ 校正前电 池 浮 充 电 过 程d 校正后电 池 浮 充 电 过 程 图 7 SOC 曲 线 Fig. 7 Battery SOC curve 图6矿用储能电池SOC精确估计流程 Fig. 6 Accurate SOC estimation flow of mine-used energy storage battery 3实验及结果分析3实验及结果分析 采用如图1 所示的充放电电流对18650锂离子采用如图1 所示的充放电电流对18650锂离子 电池进 ， 测 电池进 ， 测 SOC与与OCV， 结果， 结果 见 表 1、 表 2。见 表 1、 表 2。 表1充电过程中电池SOC与OCV部分测量值 Table 1 Partial measurement value of battery SOC and OCV during charging process SOC/ 0 20 40 60 80 100 OCV/V 2. 82 3. 24 3. 29 3. 32 3. 33 3. 33 表2放电过程中电池SOC与OCV部分测量值 Table 2 Partial measurement value of battery SOC and OCV during discharging process SOC/ 100 80 60 40 20 0 OCV/V 3. 42 3.33 3. 29 3. 28 3. 22 2. 01 从 表 1 和 表 2 可看出， 电池充放电过程中， 相同从 表 1 和 表 2 可看出， 电池充放电过程中， 相同 SOC对 应 的对 应 的OCV具有具有一定 异性。 定 异性。 ，进行进行 SOC估计 要根 工作状态的不同分 估计 要根 工作状态的不同分 j 定初始定初始SOC。 测得 。 测得 SOC曲线如图7 所曲线如图7 所 ，，SOC估计误差曲线如图8 所示。可看出矿 估计误差曲线如图8 所示。可看出矿 f 能电池能电池SOC精 计方法可 地跟 际精 计方法可 地跟 际 SOC变化， 估计误 小 ， 基本 3 以内，变化， 估计误 小 ， 基本 3 以内， 满足 矿 （ 兼本安） 型锂 蓄 安全满足 矿 （ 兼本安） 型锂 蓄 安全 技术要求1 定 ， 且不会随 间的推移而技术要求1 定 ， 且不会随 间的推移而 计误差。计误差。 4结语4结语 矿 运 ， 提出对矿 运 ， 提出对 /1 2 0 1 9 年 第 1 期张 建 文 等 矿 用 储 能 电 池 荷 电 状 态 精 确 估 计 方 法 69 SUN Jiping. Research on emergency refuge system in underground mine[J]. Coal Science and Technology, 2011，39169-71. [ ]欧阳佳佳.储能电池管理系统研究[D ].杭 州 浙江大 学 ，2016. [ 5 ]童广浙.磷酸铁锂储能电池管理系统设计[D ].南 宁 广西大学，2013. [ 6 ]华周发， 李静.电动汽车动力电池SOC估算方法综述 [J ].电源技术，2013,379686-1689. HUA Zhoufa,LI Jing. Summary of s for state of charge estimation of EV power batteries [ J ]. Chinese Journal of Power Sources，2013， 37 9 1686-1689. [7 ] HE Hongwen， XIONG Rui , PENG Jiankun. Rea- time estimation of battery state-〇--charge with unscented Kalman filter and RTOS COS-II platfrom [J]. Applied Energy , 2016,162 1410-1418. [ 8 ] 张金龙， 佟 微 ， 漆汉宏 ， 等.平方根采样点卡尔曼滤波 在磷酸铁锂电池组荷电状态估算中的应用[J].中国 电机工程学报，2016，3622246-6253. ZHANG Jinlong， TONG W ti , QI Hanhong , et al. Application of square root sigma point Kalman filter to SOC estimation of LiFePO4 battery pack [ J ]. Proceedings of the CSEE , 2016,3622 6246-6253. [ 9 ] 尹安东， 张万兴， 赵 韩 ， 等.基于神经网络的磷酸铁锂 电 池SOC预测研究[J ].电子测量与仪器学报，2011， 255433-437. YIN Andong , ZHANG Wanxing , ZHAO Han , et al. Research on estimation for SOC of LiFePO4 Li-ion battery based on neural network[J]. Journal of Electronic Measurement and Instrument，2011， 25 5 433-437. [ 1 0 ] 于海芳， 逯仁贵 ， 朱春 波， 等.基于安时法的镍氢电池 SOC估计误差校正[ J ] .电工技术学报，2012，276 12-188 YU Haifang , LU Rengui , ZHU Chunbo , et al. State of charge estimation calibration for Ni-MH battery based on ampere-hour [J]. Transactions of China Electrotechnical Society , 2012,27612-18. [ 1 ]林成涛， 陈全世， 王 军 平， 等.用改进的安时计量法估 计电动汽车动力电池SO C[J].清华大学学报（ 自然科 学版） ，2006，46247-251. LIN Chengtao， CHEN Quanshi， WANG Junping， et al. Improved AH counting for state of charge estimation of electric vehicle batteries [ J ]. Journal of Tsinghua University Science and Technology ,2006,462 47-251. [ 1 2 ]李 哲， 卢 兰 光 ， 欧阳明高.提高安时积分法估算电池 SOC精度的方法比较[J ] .清 华 大 学 学 报 （ 自然科学 版） ，2010，508293-1296. LI Zhe， LU Languang， OUYANG Minggao. Comparison of s for improving SOC estimation accuracy through an ampere-hour integeration approach[J]. Journal of Tsinghua UniversityCScience and Technology , 2010,508 1293-1296. [ 3 ] 鲍 慧 ， 于洋.基于安时积分法的电池SOC估算误差校 正[J].计算机仿真，2013，301148-151. BAO H ui， YU Yang. State of charge estimation calibration based on ampere-hour [ J ]. Computer Simulation , 2013,3011 148-151. [ 4 ] 马俊， 龚国庆， 陈 勇， 等.不 同工况对锂离子电池SOC 预 估 精 度 的 影 响[ J ] .电 源 技 术 ，2016, 40 12 2335-2338. MA Jun， GONG Guoqing， CHEN Yong， et al. Influence of different driving cycle on precision of SOC estimation [ J ]. Chinese Journal of Power Sources，2016，4012 2335-2338. [15] HE Yao， LIU Xingtao， ZHANG Chenbin. A new model for state of charge SOC estimation for high- power Li-ion batteries[J]. Applied Energy , 2013,101 808-810.