See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/348741144

锂电池组等效模型构建与SOC估算方法研究

Article · February 2018

CITATIONS READS

0 256

5 authors, including:

Shunli Wang
Southwest University of Science and Technology
4,517 PUBLICATIONS   1,760 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Tmp_Family View project

P-100114 View project

All content following this page was uploaded by Shunli Wang on 25 January 2021.

The user has requested enhancement of the downloaded file.

 150 化 工 自 动 化 及 仪 表 第 45 卷

锂电池组等效模型构建与 SOC 估算方法研究

①

1 2 2 1 1
李建超 王顺利 刘小菡 杨 东 钟 俊

（ 1．绵阳市产品质量监督检验所； 2．西南科技大学信息工程学院）

摘 要 以由 7 个单体串联的钴酸锂电池组为检测对象，搭建 BMS 系统（ Battery Management System，

BMS） ，实现对锂电池组各单体电压、电流、温度的实时监测和电池的荷电状态（ State of Charge，SOC） 估
算； 以 STM32F103ZET6 为控制器，设计电池的电压检测电路、电流检测电路及温度检测电路等，探索并
实现了基于扩展卡尔曼（ EKF） 算法的荷电状态估算法。实验结果表明： 该电池管理系统能够实现对电
池组的电压、电流及温度等参数的监测，其中电压测量误差低于 0．40%，还能完成对钴酸锂电池组中各
单体电池的 SOC 估算，其误差低于 5．00%。
关键词 电池管理系统 SOC 估算 扩展卡尔曼算法
+
中图分类号 TH862 ．7 文献标识码 A 文章编号 1000-3932（ 2018） 02-0150-04

锂电池因具备工作电压高、重量轻、使用寿命 tended Kalman Filter，EKF） 的修正功能，提出卡尔

［7］
长 循环充放电次数多及环保等优点 ，逐渐成为蓄
、 曼修正算法，估算误差小于 6．00% 。 笔者针对
电池的主流，在手机电池、备用电源、航空设备及 锂电池组的状态实时监控问题，基于等效电路分
电动汽车动力电池等方面广泛应用 。锂电池组中 析和已有的 SOC 估算方法，提出新的 SOC 估算方
各单体间的不一致问题，严重影响了其效率、寿命 法，并构建 BMS 电池管理系统。
与安全性，而构建电池管理系统 （ BMS） 能够较好 1 理论与方法研究
［1］
地解决这一问题 ，其中，电池的荷电状态是影响 1．1 锂电池充放电特性分析
BMS 性能的核心因素。因此，准确估算 SOC 成为 锂电池组在充放电过程中与传统铅酸或者镉
［2］
设计 BMS 的重点和难点 。 镍电池不同，其工作特征有：
围绕着 BMS 的构建和 SOC 的估算问题，科研 a． 充电 过 程 中，开 始 阶 段 采 用 恒 流 充 电 方
工作者开展了广泛深入的研究。Sepasi S 等基于 式，当锂电池电压达 4．2V 时，转换为恒压充电方
典型自适应扩展卡尔曼，实现对老化后锂离子电 式，当电流减小到一定程度时，又进入涓流充电方
［3］
池组的 SOC 估算，精度为 4．00% ； Unterrieder C 式，直至电量充满。
等基 于 近 似 最 小 二 乘 （ Ｒecursive Least Square， b． 放电过程中，放电倍率过大易导致电池电
ＲLS） 估算，通过电池电动势预测实现 SOC 状态估 压过低，使能输出的有效电量过低，当输出电量达
［4］
算 ； Gao J P 等基于赤池信息准则和一阶 ＲC 电 最低值时，若继续放电，会对电池造成永久性损
池模型构建了 SOC 估算器，实现 SOC 最大估算误 害。锂电池在放电过程中也易受温度的影响，环
［5］
； Corno M 和 Bhatt N 通过使用经验
差为 1．00% 境温度与电池内部温度相差越大，输出的有效电
［6］
方程模型和 EKF，使 SOC 估算精度为5．00% ； 邓 量就越少。
涛和孙欢提出了一种带有补偿措施的 SOC 估算 现有的 SOC 估算法和各自的局限性为：
［1］
方法，其偏差低于 3．00% ； 毛华夫等在 OCV 和 a． 开路电压法，需进行较长时间的静置，才
Ah 法的基础上，充分利用扩展卡尔曼滤波 （ Ex- 能得到稳定的开路电压；

① 基金项目： 四川省科技厅重点研发项目（ 2017FZ0013） ； 四川省教育厅科研项目（ 17ZB0453） ； 绵阳市科技局科技攻关

项目（ 15G-03-3） 。
作者简介： 李建超（ 1983-） ，工程师，从事检测技术及应用的研究。
联 系 人： 王顺利（ 1985-） ，讲师，从事控制科学与工程的研究，wangshunli@ swust．edu．cn。
 第2期 李建超等．锂电池组等效模型构建与 SOC 估算方法研究 151

b． 安时积 分 法，长 时 间 使 用 会 产 生 累 积 误 积分法的 SOC 估算方法，在锂电池的化学模型的

差； 基础上获得的计算式为：

{ [ ] [ ]
c． 神经网络法，对训练的数据和数据训练的 1 0 － ηT / Q
A= ，B =
方法有很大依赖性； 0 e －T / τ
Ｒ TP （ 1－e －T / τ ）
d． 内阻法，对系统的软件和硬件要求较高； H［k］=［U OC（ SOC（ k | k－1） ） －1］
e． EKF，即扩展卡尔曼滤波器，对锂电池模 τ = Ｒ1 C
型依赖性强，且对 BMS 系统中处理器的速度要求 式中 Q ———锂电池的额定容量；
高。 T ———采样周期；
1．2 锂电池等效模拟与参数辨识 η ———修正因子。
建立锂电池电化学模型
1．2．1 给定初值 X（ 0） 、P（ 0） 、Ｒ、Q，通过计算式的 6
目前有 4 种典型的锂电池等效模型： Ｒint 模 个步骤依次循环，不断修正安时积分法对 SOC 估
型、PNGV 模 型、GNL 模 型 和 Thevenin 模 型。 算造成的误差，使 SOC 估算值接近真实值。 具体
Thevenin 模型较其他 3 种模型而言，电压计算最 计算式为：
方便，在工程上也更易于实现，误差较低，因此笔 X（ k | k－1） = AX（ k－1| k－1） +BI（ k）
Y（ k | k－1） = E［SOC（ k | k－1） ］－UTP（ k | k－1） －ＲOC［I（ k） ］
者选择 Thevenin 模型作为锂电池的等效电路模 
P（ k | k－1） = AP（ k－1） AT +Q
型，如图 1 所示。  T T
Lg（ k） = P（ k | k－1） H （ k） /［H（ k） P（ k | k－1） H （ k） +Ｒ］
X（ k | k） = X（ k | k－1） +Lg（ k） ［Y（ k） －Y（ k | k－1） ］

P（ k） =［E2 －Lg（ k） H（ k） ］P（ k | k－1）

构建 BMS 及其相关参数的识别
1．2．3
在硬 件 设 计 中，以 STM32F103ZET6 为 控 制
器，设计电池的电压检测电路和电流检测电路 ，构
建的 BMS 系统整体结构如图 2 所示。

图1 Thevenin 等效电路模型

根据等效模型获得的状态空间方程如下 ：
U OC = U L +I L Ｒ TO +U TP
· 1 1
U TP = U － I
C TP Ｒ TP TP C P L
式中 C TP ———电容；
I L ———负载电流；
Ｒ TO ———欧姆内阻；
Ｒ TP ———电阻； 图2 BMS 电池管理系统结构框图
U L ———电池的负载电压；
U OC———开路电压； 锂 电 池 电 流 检 测 电 路 的 设 计，首 先 通 过
U TP ———电势。 INA117 构成的一级差分电路对采样电阻两端的
1．2．2 创建 SOC 的估算方法 电压进行采集，然后将差分电路的输出连接到由
开路电压法能准确估算锂电池的初始 SOC， OPA27 构成的一级反相比例放大电路中，偏置电
安时积分法可在一段时间内估算出锂电池的剩余 路部分由一个 INA117 构成差分电路，将 3．3V 和
电量，卡尔曼滤波算法在 SOC 估算过程中对初始 GND 作为差分电路的输 入，然 后 通 过 由 OPA27
SOC 的误差有一定修正作用。 结合以上分析，创 构成的反相电压跟随电路得到 － 3． 3V 的偏置电
建基于扩展 EKF 算法并结合开路电压法和安时 压，再将偏置电压与一级反相比例放大器的输出
 152 化 工 自 动 化 及 仪 表 第 45 卷

作为输入，输入到由一个 OPA27 构成的求和电路

中，最终得到电流 I 的计算式为：
10
I = （ U× －3．3） ÷0．47
5．1

式中 I ———通过采样电阻的电流；
U———求和电路的输出。
锂电 池 电 压 检 测 电 路 的 设 计，采 用 INA117
高共模电压差分放大器构成差分电路，其输入与
输出能够替代隔离放大器实现电气隔离，在差分
电路之后采用 OPA27 精密运算放大器构成反相
比例放大器，对电压进行 0．7 倍（ 3．3 /4．7） 的缩放，
使其输出在 STM32 的 ADC 采集范围之内，再利 图3 主程序流程
用 STM32 自带的 12 位 ADC 进行 A / D 转换，实现
电压和电流检测的子程序设计，主要利用了
对锂电池组中各单体电池电压 U O 的测量，即：
STM32 单片机的 ADC 将差分电路采集的电压信
Ｒ2
UO = （ V1 －V2 ） 号转换为数字信号，通过计算换算为实际的电压
Ｒ1
和电流值。
其中，Ｒ 1 = 4． 7kΩ，Ｒ 2 = 3． 3kΩ； V1 － V2 为电容 2 实验与分析
两端的电压。 2．1 各电池单体参数检测与 SOC 估算
在软件设计中，基于 1． 2． 2 节已创建的 SOC 采用笔者设计的 BMS 对锂电池组内各单体
估算法，编写了主程序和子程序，其中主程序流程 的电压、电流和温度数据进行采集，并进行 SOC
如图 3 所示。 估算，获得的结果见表 1。

表1 各电池参数检测与 SOC 估算
电池编号 U 测量 / V U 实际 / V ΔU / V I 测量 / A I 实际 / A ΔI / A 温度 / ℃ SOC 测量 SOC 实际 ΔSOC
# －0．28
1 3．654 2 3．638 2 0．016 0 2．56 2．84 27．85 0．212 1 0．209 1 0．003 0
# －0．28 －0．001 8
2 3．822 0 3．801 7 0．020 3 2．56 2．84 27．85 0．682 6 0．684 4
# －0．007 2 －0．28 －0．001 2
3 3．794 2 3．801 4 2．56 2．84 27．85 0．651 4 0．652 6

4# 3．856 4 3．830 2 0．026 2 2．56 2．84 －0．28 27．85 0．752 9 0．750 1 0．002 8

5# 3．774 5 3．752 3 0．022 2 2．56 2．84 －0．28 27．85 0．581 7 0．584 3 －0．002 6

6# 3．792 3 3．776 9 0．015 4 2．56 2．84 －0．28 27．85 0．649 7 0．650 1 －0．000 4

7# 3．674 5 3．662 6 0．011 9 2．56 2．84 －0．28 27．85 0．286 2 0．279 9 0．006 3

表 1 中，实际电压与实际电流由万用表测量 ， 进行了 18 组数据测量，以验证 SOC 估算误差，见

测量值由笔者设计的 BMS 获得，温度由 DS18B20 表 2。
数字温度传感器测得。电流检测电路的测量精度 表2 SOC 估算结果
为 0．50%，电压检测电路同时测量了 8 个串联的 序号 U OC / V SOC 实际 SOC 估算 估算误差 / %
单体电池的电压，并能将单体电池的电压缩小到 1 3．421 0．051 0．041 －0．009
单片 ADC 允许采集的范围内，该电路具有较好的 2 3．592 0．101 0．091 －0．010
测量精度，测量误差低于 0．40%。 3 3．633 0．152 0．162 0．010

2．2 锂电池组 SOC 估算的效果分析 4 3．652 0．202 0．202 0．000

对锂电池组中电池单体的开路电压与 SOC 5 3．661 0．254 0．255 0．001

 第2期 李建超等．锂电池组等效模型构建与 SOC 估算方法研究 153

（ 续表 2） 为重要。
序号 U OC / V SOC 实际 SOC 估算 估算误差 / % 参 考 文 献
6 3．671 0．301 0．291 －0．010
［1］ 邓涛，孙欢． 锂离子电池新型 SOC 安时积分实时估
7 3．681 0．351 0．342 －0．009
算方 法［J］． 重 庆 理 工 大 学 学 报 （ 自 然 科 学 版 ） ，
8 3．701 0．401 0．411 0．009 29（ 1） ： 101 ～ 106．
2015，
9 3．722 0．452 0．463 0．011 ［2］ 付浪，杜明星，刘斌，等．基于开路电压法与卡尔曼滤
波法相结合的锂离子电池 SOC 估算［J］． 天津理工
10 3．761 0．552 0．553 0．001
大学学报， 31（ 6） ： 9 ～ 13．
2015，
11 3．783 0．603 0．593 －0．010
［3］ Sepasi S，Ghorbani Ｒ，Liaw B Y．Inline State of Health
12 3．832 0．653 0．642 －0．011 Estimation of Lithium-Ion Batteries Using State of
13 3．831 0．703 0．704 0．001 Charge Calculation ［J］． Journal of Power Sources，
2015，
299： 246 ～ 254．
14 3．864 0．750 0．761 0．011
［4］ Unterrieder C，Zhang C，Lunglmayr M．Battery State-of-
15 3．934 0．803 0．843 0．041
charge Estimation Using Approximate Least Squares
16 3．944 0．854 0．865 0．011 ［J］．Journal of Power Sources，
2015，
278： 274 ～ 286．
17 3．992 0．901 0．914 0．012 ［5］ Gao J P，Zhang Y Z，He H W．A Ｒeal-time Joint Esti-
mator for Model Parameters and State of Charge of
18 4．121 0．951 0．954 0．003
Lithium-Ion Batteries in Electric Vehicles［J］． Ener-
gies， 8（ 8） ： 8594 ～ 8612．
2015，
由此可见，笔者设计的 BMS 的 SOC 估算误差 ［6］ Corno M，Bhatt N． Electrochemical Model-Based State
在 － 5．00% ～ 5．00% 范围内。 of Charge Estimation for Li-Ion Cells［J］． IEEE Trans-
3 结束语 actions on Control Systems Technology，2015，23（ 1） ：
笔者提出了基于卡尔曼算法的锂电池 SOC 117 ～ 127．
估算法，设计了电压和电流检测电路，编写了控制 ［7］ 毛华夫，万国春，汪镭． 基于卡尔曼滤波修正算法的

电路与估算 SOC 的程序。 该设计较好地实现了 电池 SOC 估算［J］． 电源技术，2014，38 （ 2） ： 298 ～

302．
对锂电池各电池单体的电压、电流、温度和 SOC
（ 收稿日期： 2017-10-28，修回日期： 2018-01-09）
的实时检测，对保证锂电池组的安全有效运行尤

The Equivalent Model Construction and SOC Estimation

Method Study for the Lithium Battery Packs
LI Jian-chao1 ，WANG Shun-li2 ，LIU Xiao-han2 ，YANG Dong1 ，ZHONG Jun1
（ 1． Mianyang Product Quality Supervision ＆ Inspection Institute；
2． School of Information Engineering，Southwest University of Science and Technology）
Abstract Taking a lithium cobalt oxide battery pack with seven battery cells connected in series as the object
of detection to set up a BMS system to realize the real-time monitoring of the voltage，current and temperature
of the lithium battery pack together with the state of charge （ SOC） estimation was implemented and through
taking STM32F103ZET6 as a controller，the battery voltage detection circuit，current detection circuit and the
temperature detection circuit were designed and a novel SOC estimation method based on extended Kalman
（ EKF） algorithm was realized． The experimental results show that，this BMS can detect the voltage，current，
temperature and other parameters of the battery pack and the measurement error of the voltage is less than
0．40%． The SOC estimation error of the individual cell in the lithium cobalt oxide battery pack is less than
5．00%．
Key words battery management system，SOC estimation，extended Kalman algorithm

View publication stats