许　爽,孙　冬,柳钦煌

(1.中州大学信息工程学院,郑州450044;2.上海大学机电工程与自动化学院,上海 200072;3.郑州轻工业学院电气信息工程学院,郑州 450002)



一种锂电池组无损均衡管理系统设计*

许爽1*,孙冬2,3,柳钦煌2

(1.中州大学信息工程学院,郑州450044;2.上海大学机电工程与自动化学院,上海 200072;3.郑州轻工业学院电气信息工程学院,郑州 450002)

摘要:针对动力锂电池组充放电过程中,各单体电池之间存在的不一致性,设计了超级电容与双向DC-DC变流器相结合的无损均衡管理系统。采用无迹卡尔曼滤波法估算锂电池的荷电状态,与通常采用的扩展卡尔曼滤波器进行了对比研究,经实验验证,本系统能够快速、高效地实现锂电池组的均衡控制,实现精确地锂电池SOC(State of Charge)估计,提高了动力锂电池组的可靠性和安全性。

关键词:动力锂电池组;能量无损均衡;无迹卡尔曼滤波;扩展卡尔曼滤波

电动汽车具有零排放、零污染、低噪声等特点,成为今后我国大力发展的交通工具。锂电池由于其高功率密度、单体电压高等特性,是常用的电动汽车动力来源。动力锂电池组中,单体电池的不一致性,会减少锂电池组的有效能量,影响电动汽车的性能。因此研究可靠、高效的锂电池组均衡管理系统,降低电池组中单体电池的差异性,保障动力锂电池管理系统的可靠性和安全性,延长动力锂电池组的使用寿命,对电动汽车有重大的意义[1-2]。

锂电池组均衡管理系统是电池管理系统的重要组成部分,其目的是保证电池组中单体电池的荷电状态相同,防止使用过程中由于过充、过放对单体电池造成的损害,降低锂电池组的性能[2]。

目前,常用的锂电池均衡电路主要分为2种:能量耗散型和非能量耗散型。能量耗散型的均衡电路最为简单、可靠、成本低,即为每个电池并联分流电阻,同时也具有能耗大、效率低、均衡速度慢、散热困难等缺点[2];因而,有人提出了非能量耗散型均衡方法,开关电感、电容法,利用电感和电容作为储能元件,开关电路作为电池组各单体电池的选择控制,但该方法均衡速度慢、效率低,不适合快速充电场合[2-3];DC-DC变压器法,可采用集中式控制,均衡速度快、效率高、适用各种场合,但变压器设计难度大,漏感的问题也难解决;还有分散式均衡法,即为每个电池配备均衡电路,设计成本较高[4-5]。

综合考虑以上因素,本文提出了超级电容与DC-DC电路相结合的方法,采用集中式控制的方式,既具有均衡效率高、速度快的特点,又适合各种场合、设计成本低等优点,并设计了与之相适应的均衡管理系统。

1　均衡系统方案设计

动力锂电池组均衡系统设计方案如图1所示。本系统中的动力锂电池组由16节单体锂电池串联组成,每节锂电池的最高电压为3.65 V,最低电压为2 V。系统通过实时检测锂电池的充放电电流、单体电压、温度等数据,微控制器对这些数据进行分析,计算各单体电池的荷电状态SOC(State of Charge)。通过CAN通信将检测信息上报给上位机系统,或将检测信息存储到EEPROM中,方便上位机系统翻查历史数据进行动力锂电池的维护;控制器采用飞思卡尔公司的汽车级控制器MPC5604B,以保证整个系统的实时性和可靠性。

图1　动力锂电池组均衡系统设计方案

2　均衡模块设计

2.1单体电压检测电路设计

锂电池组的单体电压检测电路原理图如图2所示。16节电池分为上下2个8节电池组检测,图2为下8节电池电压检测,图中M1、M2为模拟开关器件,M3为仪表放大器,通过控制器来控制选通U0～U8(8节电池顺序排列的正负极),V1、V2为选通的一节电池的正负极电压,M3检测出的电压送入ADC转换器,即得到锂电池组中各单体电池电压值。采用本方案设计,可省去使用多个成本高的仪表放大器,选用2个模拟开关可避免放生电池短路,器件需选择高电压模拟开关和高共模电压抑制比的放大器,例如美信公司的MAX14752。

图2　电池单体电压检测电路原理图

2.2均衡主电路设计

锂电池组均衡主回路电路原理图如图3所示,主要包括开关阵列和双向DC-DC变换电路。开关阵列主要实现锂电池的选择,单刀继电器K1～K16用来选择单双号电池,单刀双掷继电器Ka和Kb用来选择单节电池;双向DC-DC变换器电路可工作于Boost状态和Buck状态,Boost状态下,由电池给超级电容充电,控制Q1可实现;Buck状态下,由超级电容给电池放电,控制Q2可实现。

图3　均衡主回路电路原理图

2.3均衡管理控制策略

本文采用的均衡控制策略以锂电池的SOC为控制目标,使锂电池组中单体差异减小。

系统首先检测各单体电池电压、充放电电流、温度等实时数据,根据这些信息计算各单体电池的SOC,并实时记录锂电池的SOC,当检测到充放电结束,将记录的各电池SOC求均值SOCAVG,以最大SOC和最小SOC值的差是否大于5%为依据,来控制均衡电路工作。通过控制开关阵列选择SOC最大的单体电池,使双向DC-DC工作于Boost状态,以电荷ΔSOC=SOCMAX-SOCAVG为控制目标,控制均衡电流为5 A以内(根据具体的锂电池选择适合的均衡电流),采用安时法计算均衡的时间;同样的方法,选择SOC最小的电池,使双向DC-DC工作于Buck状态,均衡时间由安时法计算所得;继续进行SOCMAX-SOCMIN>5%判断,直到均衡结束。该程序的流程图如图4所示。

图4　均衡控制程序流程图

3　锂电池的SOC估算

由以上的分析可以看出,本系统的均衡控制以各单体电池的SOC差异为目标,因此,精确地估算锂电池的SOC非常重要。

常用的锂电池SOC估算方法主要包括:安时法、开路电压法、卡尔曼滤波法等。由于锂电池非线性的特性,通常采用扩展卡尔曼滤波法(EKF)来估算SOC,但由于其需要将非线性部分采用泰勒级数展开线性化,所以估计误差较大,本文设计了基于无迹卡尔曼滤波法(UKF)的SOC估算。

3.1锂电池的等效模型

本文使用电池的Thevenin等效电路模型,如图5所示。其中UL为负载电压,Uoc为锂电池开路电压,Ro为锂电池的欧姆电阻,Rp和Cp为锂电池的极化电阻和极化电容。

图5　锂电池Thevenin等效电路模型

根据模型电路,可建立Thevenin模型的状态方程,将该方程离散化,可得到锂电池的离散系统方程,如式(1)所示

(1)

其中η为电池库伦效应系数,CN为电池的额定容量,Ts为系统的采样时间,系统状态变量为X(k)=[Up(k)SOC(k)]T,系统输入为电流I(k),系统输出为端电压UL(k),开路电压Uoc为SOC的函数。

3.2基于UKF的SOC估算

UKF的核心是一种UT非线性变换,该变换可使估计精度达到泰勒级数四阶的精度,明显高于EKF的二阶精度[6-7]。

估算程序的设计步骤如下[8-9]:

(1)确定系统初始状态,sigma点和权值计算

(2)

(3)

其中L=2为系统的阶数,λ=α2(L+δ)-L为控制参数,α为sigma点的分布状态,δ=0,β=2为非负权系数,P为协方差。

(2)状态预测和先验状态估计

X(i)(k+1|k)=f[k,X(i)(k|k)]

(4)

(5)

其中f(·)为式(1)中所示状态方程的表达式。

(3)协方差矩阵和先验估计的sigma点计算

(6)

i=1,…,2L

(7)

其中Q为状态方程中噪声信号的方差。

(4)观测值预测和协方差矩阵计算

(8)

(9)

(10)

其中g(·)为式(1)中观测方程的表达式,R为观测噪声的方差。

(5)协方差矩阵和卡尔曼增益计算

(11)

K(k)=PXY(k)*[PY(k)]-1

(12)

(13)

P(k+1|k+1)=P(k+1|k)-K(k)PY(k)KT(k)

(14)

3.3UKF算法实验验证

使用MATLAB与ADVISOR汽车仿真软件相结合的方法,将UDDS工况用于锂电池的测试实验,保证锂电池充满电,进行1次UDDS循环放电,实时记录锂电池电压、电流和温度等工作参数。

采用EKF和UKF2种方法对锂电池SOC进行估计。对比测试波形如图6所示,图6(a)为UDDS工况波形,图6(b)、6(c)是2种方法的对比曲线。EKF估计的误差为4.5%左右,而UKF估计的精度可达到2%之内。

图6　锂电池SOC估计实验波形

4　结论

(1)本文设计了以超级电容和双向DC-DC变换器相结合构成的锂电池组均衡管理系统;

(2)实验证明,本均衡管理系统实现了锂电池组的无损均衡控制,其实验结果对比如图7所示;

(3)设计了基于UKF的锂电池SOC估算方法,该方法由于采用UT变换,比EKF法具有更高的估计精度,经实验验证,锂电池的SOC估计精度可达2%以内,保证了均衡系统的高速、高效地运行,提高了动力锂电池组使用的可靠性和安全性。

图7　均衡前后实验对比波形

参考文献:

[1]曹志鹏,王健.便携式仪表锂电池充电管理和电量检测的实现[J].电子器件,2010,33(1):97-100

[2]李娜,白恺,陈豪,等.磷酸铁锂电池均衡技术综述[J].华北电力技术,2010(2):60-65.

[3]符晓玲,商云龙.电动汽车电池管理系统研究现状及发展趋势[J].电力电子技术,2012,45(12):27-30.

[4]罗玉涛,张智明,赵克刚,等.一种集散式动力电池组动态均衡管理系统[J].电工技术学报,2008,23(8):131-136.

[5]徐顺刚,钟其水,朱仁江.动力电池均衡充电控制策略研究[J].电机与控制学报,2012,16(2):62-65.

[6]Gregory L Plett.Sigma-Point Kalman Fltering for Battery Management Systems of LiPB-Based HEV Battery Packs Part 1:Introduction and State Estimation[J].Power Sources,2006,161:1356-1368.

[7]Gregory L Plett.Sigma-Point Kalman Fltering for Battery Management Systems of LiPB-Based HEV Battery Packs Part 2:Simultaneous State and Parameter Estimation[J].Power Sources,2006,161:1369-1384.

[8]石璞,董再励.基于UKF滤波的自主移动机器人锂电池SOC估计[J].仪器仪表学报,2006,27(6):1298-1320.

[9]高明煜,何志伟,徐杰.基于采样点卡尔曼滤波的动力电池SOC估计[J].电工技术学报,2011,26(11):161-167.

许爽(1978-),女,汉族,河南省郑州市,中州大学信息工程学院讲师,硕士研究生,研究方向为计算机应用,xsh-01@163.com。

ANovelSchemeofNon-DissipativeEqualizationManagementSystemforLithiumBatteryPack*

XUShuang1*,SUNDong2,3,LIUQinhuang2

(1.Institute of Information Engineering,Zhongzhou University,Zhengzhou 450044,China;2.School of Mechatronics Engineering and Automation,Shanghai University,Shanghai 200072,China;3.College of Electric and Information Engineering,Zhengzhou University of Light Industry,Zhengzhou 450002,China)

Abstract:According to inequality of each single battery in charge and discharge process,a non-dissipative equalization system is introduced for the power lithium battery pack,which is comprised of super capacity and bidirectional DC-DC converter.Adopting unscented Kalman filter to estimate batteries state of charge,and a comparative study is introduced by using extended Kalman filter.Experiments show that this system can equalize the battery energy quickly and efficiently,achieve the accurate SOC(State of Charge)estimation of battery,and improve the reliability and security of the lithium battery pack.

Key words:power lithium battery pack;energy non-dissipative equalization;unscented Kalman filter;extended Kalman filter

doi:EEACC:841010.3969/j.issn.1005-9490.2014.04.047

中图分类号:TN710

文献标识码:A

文章编号:1005-9490(2014)04-0799-04

收稿日期:2013-11-09修改日期:2013-12-05

项目来源:国家863高技术基金项目(2011AA11A247)