在測量下一代汽車電池時將充電和放電分開

磷酸鋰鋰電池已廣泛用于為電動汽車的電池供電，但與燃油箱中的汽油量不同，它們的充電狀態無法直接通過物理量來測量。取而代之的是，他們使用基于電池電壓和電流測量結果的算法，而電池電壓和電流測量結果又會受到天氣，電動狀態和交通狀況等條件的影響。然而，當用于實時應用中時，當前用于測量充電狀態的算法各自具有缺點。

為了更好地估計磷酸鋰離子電池的充電狀態，中國西南西南交通大學的研究人員最近開發了一種算法，可以分別測量電池的充電和放電狀態。這樣一來，它就可以在初始不正確的值和測量電流的誤差中發揮作用，并區分串聯中每個電池的性能。

西南交通大學電氣工程學院研究員朱旭表示，串聯電池之間的動態特性(例如電池容量，內阻和極化電阻)的差異會導致充電狀態變得不平衡，從而影響電池的充電狀態。電池組的效率和壽命。

徐和她的同事本周在“可再生與可持續能源雜志”上討論了他們改進的Thenevin電路模型。先前的工作涉及鋰電池管理芯片和管理系統。

電池充電狀態的初始值通常通過開路電壓法計算，該方法基于充電狀態與斷開電路連接時設備端子之間的電勢差之間的關系。但是，根據徐的說法，這種關系只能通過實驗觀察到，這不可避免地會帶來實驗誤差。她說，此外，這種關系可能會因充電和放電條件而改變。

傳統的估計電池充電狀態的算法-安培小時積分，開路電壓法，神經網絡建模和卡爾曼濾波-都有缺點。安培小時積分雖然是最常用的方法，但在很大程度上依賴于初始充電狀態值。開路電壓法只能用于估計初始充電狀態;神經網絡建模對微處理器提出了巨大的要求，以使用大量的實驗數據來估計多個荷電狀態值。卡爾曼濾波雖然可以有效地估計動態系統中時變狀態的電流，即使在初始值不正確的情況下，也高度依賴于電池模型的準確性。

在傳統的戴維南等效電路模型中，這可能會成為問題。在這些模型電路中，對電池充電和放電時采用相同的內部電阻和極化電阻。然而，實際上，這些特性最終在兩個狀態之間變化很大，這可能導致不準確-使卡爾曼濾波不理想。

為了解決這個問題，研究人員改進的戴維南等效電路模型通過在電池充電或放電時提供不同的電流路徑來工作。這使研究人員能夠在充電和放電條件下分別對電池的特性進行建模，并具有卡爾曼濾波器的附加功能，可以在初始值不正確的情況下估算電池的充電狀態。

“采用改進的戴維南等效電路電池模型和荷電狀態估計算法，可以更準確地估計電池的荷電狀態，而不會產生許多不必要的干擾，”許說。

徐竺及其同事的未來工作包括開發用于測量電池系統健康狀況的系統，該系統在其當前工作條件下以理想性能的百分比表示。