基于荷电状态的锂离子电池组主动均衡控制

张 凯1 赵 鹏2 王友仁1 徐智童1 陈则王1

1.南京航空航天大学自动化学院,南京,2111062.中航工业雷华电子技术研究所,无锡,214063

摘要针对锂离子电池组中单节电池间的差异性会对电池组的可使用寿命以及容量利用率造成严重影响,设计了一种电感式主动均衡电路。基于递推最小二乘扩展卡尔曼滤波(RLS-EKF)算法在线估算锂离子电池的荷电状态(SOC),同时以SOC值作为均衡准则对锂离子电池组实施均衡控制,实现了一种主动均衡控制策略,并开发了锂离子电池组能量均衡管理系统测试平台。实验结果表明,RLS-EKF算法的SOC估算误差在3.5%以内,并且所提出的主动均衡控制方法极大改善了电池间的差异性,电池的容量利用率大幅度提高。

关键词锂离子电池组;荷电状态;主动均衡控制策略;能量均衡管理系统

0 引言

锂离子电池作为一种清洁、无污染的电压型储能器件已被广泛应用于便携式电器、电动汽车、飞行器、通信和电力监控系统中。在新能源汽车领域,电池电源系统能为整车提供动力[1-2]。一节锂离子电池的电压较低,在实际使用过程中需要把若干个电池进行串联组合,这样构成的电池组才能够满足相应的电压和功率需求[3]。但是电池组中各单节电池间存在性能差异,电池组在进行几次循环充放电后会出现单节电池间电荷量不平衡的问题,电池组的不平衡充放电状态最终会导致电池组的容量性能降低,使用寿命衰减[4],所以,需要研究电池组的能量均衡控制技术来提高电池组的一致性及能量利用率。此外,电池组能量均衡还能够延缓电池组容量衰退,延长电池组使用寿命,降低电池组的使用成本。

目前,均衡电路和均衡控制策略是串联电池组均衡技术的研究重点[5]。按照不同的处理能量传递的方式,能够将均衡电路分成两种类型,一种是被动均衡,另一种是主动均衡[6]。被动均衡是利用耗能电阻将电压高的电池电量放掉,从而使得电池组所对应的能量状态达成一致。文献[7-8]将荷电状态(state of charge,SOC)作为均衡一致性准则,对电池组进行被动均衡,提高了电池组的一致性。相对而言,被动均衡电路具有简单的控制方式,但会消耗掉大量的能量,具有很低的能量利用率[9-11]。现阶段大部分均衡系统的目标是实现主动均衡,主动均衡是将高电量电池中的多余电量通过储能元器件向低电量电池转移。主动均衡拓扑结构具体可分成开关电容型均衡电路拓扑结构、变压器型均衡拓扑结构、DC-DC变换器型均衡拓扑结构和电感型均衡拓扑结构[12-15]。开关电容型拓扑结构具有较少的储能器件数量,均衡结构较为简单,但当电池组中单节电池间能量差别很大时,能量转移所消耗的时间过长,均衡效率低[16];变压器型均衡拓扑结构通过开关转换将不同的单节电池与变压器相连,进行电池之间能量转移,控制方式更为简单,具有较快的均衡速度,但它的可扩展性较差,副边多导致设计实现较为困难;DC-DC变换器型均衡拓扑结构所需的均衡元器件较多,成本较高,而且设计实现较为困难[17];电感型均衡拓扑结构利用电感作为储能元件实现能量转移,其电路拓扑结构简单,设计实现较容易且可扩展性好,均衡速度较快,均衡效率高,可是相比之下均衡控制设计较复杂。

关于均衡控制策略的研究主要在于如何选取电池组均衡一致性准则[18]。目前关于均衡一致性准则的选取大多以电压为主,但当电池使用次数过多,电池电解液浓度、隔膜和极板厚度等发生改变时,通过电压判断均衡容易造成较大误差[19],而且以电压作为均衡准则时会导致均衡电路中的开关管频繁通断,电池之间的能量转移频繁,这样不仅增加了开关损耗,而且也会加速电池寿命退化。电池的荷电状态(SOC)[20-21]表示电池剩余容量与电池额定容量的比值,它能更好地反映电池组的不一致性,在能量转移过程中不会存在较大波动,因此均衡电路中的开关管不会被频繁切换,电池之间的能量转移较稳定,电路的开关损耗大大减小,可延缓电池组的容量衰退。近年来,传统的SOC估计方法主要有四种,分别是安时积分法、开路电压法、神经网络法以及卡尔曼滤波算法[22]。其中,卡尔曼滤波算法利用状态空间模型,可从不确定的、不准确的观测数据中筛选参数[23-25],该方法具有自校正特性,可以应对充放电电流波动,而且计算量相对较小[26],因此本文将扩展卡尔曼滤波算法(extended Kalman filter,EKF)应用到所设计的均衡管理系统中,改善均衡控制策略。

本文兼顾均衡电路结构与性能指标,为追求简单高效的电池组主动均衡,采用了电感式均衡电路结构,以单节电池的SOC作为电池组均衡一致性准则,基于递推最小二乘法(recursive least squares,RLS)对锂离子电池等效电路模型参数进行辨识和更新,采用EKF算法在线估算单节锂离子电池的SOC,实现了一种基于RLS-EKF算法主动均衡控制策略,并开发了锂离子电池组能量均衡管理系统测试平台。

1 均衡电路与工作原理

1.1 均衡电路

本文采用一种电感式均衡电路,具体的电路结构如图1所示,电路由金属-氧化物半导体场效应晶体管(metal-oxide-semiconductor field-effect transistor,MOSFET)开关、并联二极管和电感组成。以N节电池串联组成的电池组为例,均衡电路结构包含了N个开关,N个二极管和N-1个储能电感。该电感式均衡电路设计简单,可扩展性好,可实现简单高效的主动均衡。

图1 一种电感式均衡电路结构
Fig.1 Aequalization circuit structure based
on inductance

1.2 均衡电路工作原理

以两节电池为一个均衡单元来分析均衡过程,当需要开启均衡功能时,以Cell1和Cell2之间的均衡为例,假设Cell1电量较高,需要将其多余的电量转移给低电量的电池Cell2,能量转移过程分别是Cell1放电阶段和Cell2充电阶段,均衡过程如图2所示。假设开关周期为T、占空比的大小为D,电池Cell1和Cell2的电压分别为UCell1UCell2

(a)Cell1放电

(b)Cell2充电
图2 均衡单元等效电路
Fig.2 Equivalent circuit of equalization unit

(1)Cell1放电阶段。控制系统输出控制信号,使N沟道型MOS管S1闭合,Cell1、电感器G1和S1一起构成放电回路,电流方向如图2a所示。其中,电感器中的放电电流iG1不断增大,部分电能转化为磁能储存于电感器中,S1的闭合时间决定了iG1峰值的大小。MOS管S1导通时,电池Cell1多余的电量转移到电感器G1中,UCell1的计算表达式如下:

(1)

式中,L1为电感器G1的电感值。

设S1导通时间为Ton,则此时iG1达到最大值,可以通过下式对其电流峰值进行计算:

(2)

(2)Cell2充电阶段。MOS管S1断开后,电感器G1沿着电池Cell2和续流二极管D2传递能量,电流方向如图2b所示,此时电感器G1电压为

(3)

iG1减小到 0时,Cell2充电阶段结束,iG1的减小量ΔiG1(-)

(4)

2 SOC均衡控制策略

2.1 锂离子电池SOC估计方法

本文采用RLS-EKF算法实现单节锂离子电池SOC的在线估算,该方法首先建立锂离子电池的一阶Thevenin等效电路模型,然后采用RLS方法对等效电路模型的主要参数进行辨识和更新,最后通过EKF算法在线估算单节电池的SOC。

2.1.1 锂离子电池SOC估计状态空间模型

如图3所示,采用一阶Thevenin等效电路模型来描述锂离子电池实际工作的外部动态特性。其中,E为锂离子电池所具有的电动势,R0为电池欧姆内阻,Rp为电池极化内阻,Cp为电池的极化电容,Up为极化电压,U为端电压,i为干路电流,以放电电流流向为正方向。

图3 一阶Thevenin等效电路模型
Fig.3 First-order Thevenin equivalent circuit model

结合电路原理,可得到锂离子电池模型电路表达式如下:

U=E-Up-iR0

(5)

(6)

单节锂离子电池SOC递推公式为

Sk+1=Sk-ikΔt/Qk

(7)

式中,ikk时刻的放电电流;Δt为放电时间;Qkk时刻电池的额定容量;Skk时刻电池SOC值。

再结合锂离子电池模型电路表达式,得到离散化公式如下:

Uk+1=fk+1(Sk+1)-Up,k+1-R0ik+1

(8)

Up,k+1=Up,kexp(-Δt/(RpCp))+
Rpik(1-exp(-Δt/(RpCp)))

(9)

其中,fk+1表示电池开路电压(open circuit voltage,OCV)与SOC关系曲线5次拟合关系式,Up,k表示电池在k时刻的极化电压。

根据式(5)~式(9),得到状态方程和观测方程如下:

(10)

(11)

式中,wSkwUp,k为状态噪声;mk+1为观测噪声。

将式(10)、式(11)与EKF算法相结合,可得出其状态量、控制量及观测量的对应关系为:状态向量Xk和(Sk , Up,k)T相对应,控制向量Vk和锂离子电池工作电流ik相对应,观测向量Yk和锂离子电池端电压相对应。

2.1.2 锂离子电池SOC估算算法实现

利用RLS方法实现锂离子电池SOC状态空间模型参数更新,结合EKF算法实现锂离子电池SOC的在线估算,实现了一种基于RLS-EKF算法的锂离子电池SOC在线估算,SOC估算流程如图4所示。具体实现步骤如下。

图4 基于RLS-EKF的锂离子电池SOC在线估算
流程图
Fig.4 Online estimation flow chart of SOC of
lithium-ion batteries based on RLS-EKF

(1)根据锂离子电池性能测试数据和离线模型参数辨识结果,对状态空间模型参数值进行初始化。

(2)初始化k=1时刻锂离子电池SOC估算模型中的状态估算误差协方差初始值过程噪声协方差Q和观测噪声协方差R

(3)通过检测得到锂离子电池的初始端电压,然后根据OCV-SOC曲线计算得出电池初始SOC值S1,初始化k=1时刻状态向量为X1=(S1 ,0)T

(4)以锂离子电池工作电流ik作为EKF算法的控制向量,以锂离子电池端电压Uk作为EKF算法的观测向量,按照EKF算法原理对锂离子电池状态空间模型进行递推,实现第k+1时刻状态向量Xk+1的估计,以此实现第k+1时刻锂离子电池端电压与Sk+1的在线估算。

(5)根据实际的端电压测量值对状态量和误差协方差进行更新。

(6)根据误差协方差来判断是否需要进行参数更新;不需要更新进入步骤(8),需要更新进入步骤(7)。

(7)根据锂离子电池第k+1时刻的端电压和电流数据,利用RLS方法完成锂离子电池Thevenin模型参数更新,然后更新状态空间模型系数矩阵,进入步骤(4)。

(8)输出k+1时刻SOC估算值,考虑到实际充放电情况,当电池SOC值大于90%或小于20%时,停止充放电,SOC估算过程结束,否则,电池循环步骤(4)、步骤(5),连续进行锂离子电池端电压与SOC的在线估算。

2.2 锂离子电池组均衡控制实现

本文采用基于单节电池SOC为均衡一致性准则的均衡控制方法,其中,电池组均衡控制实现流程如图5所示,均衡控制方法具体实现步骤如下。

图5 基于SOC的锂离子电池组均衡控制流程图
Fig.5 Flow chart of equalization control of lithium-ion
battery pack based on SOC

(1)利用电压传感器、电流传感器和温度传感器对单节锂离子电池的电压、电流和温度进行检测,然后采用RLS-EKF算法估算单节电池的SOC值。

(2)根据估算得到的单节电池的SOC值,查找到电池组中SOC值最大和最小的电池,并计算电池组的平均SOC值。

(3)从电池组的第一节锂离子电池开始,计算其SOC值与平均值偏差ΔS,以ΔS作为是否开启均衡控制的判断依据。

(4)每当出现偏差ΔS超出阈值的情况,MCU(microcontroller unit)确定需要均衡的电池编号,然后输出PWM波,控制相对应的MOSFET开关从而进行均衡;均衡100 s以后,停止均衡,回到步骤(2);若偏差没有超出阈值,回到步骤(3)计算下一节电池的SOC偏差。

3 均衡系统实验结果分析

3.1 均衡系统

3.1.1 系统组成

本文采用9节额定容量为50 A·h的磷酸铁锂电池串联组成+28V锂离子电池组,设计并开发了锂离子电池组能量均衡管理系统,该系统主要由四部分组成,分别为控制电路模块、信号采集电路模块、均衡与驱动电路模块和数据通信电路模块,系统结构如图6所示。系统由+28V锂离子电池组直接供电,能够实时采集电池组母线电流以及电池组内每节电池电压,以单节电池的电压和电流为输入,采用RLS-EKF算法估算电池组内各单节电池SOC值,从而判断电池组的不一致性状态,当SOC值偏差超过均衡阈值时执行均衡控制。而且硬件控制板能够与PC机进行通信,发送电池组充放电过程中单节电池电压、母线电流以及电池SOC等信息。

图6 锂离子电池组能量均衡管理系统结构
Fig.6 Structure of energy balance management
system for lithium-ion battery pack

所设计的锂离子电池组能量管理系统以STM32F103VET6作为系统的主控芯片,其主要功能是完成单节电池SOC值的计算和对各个模块进行控制。使用凌特公司生产的LTC6802-1作为电压采集芯片,选用HBC50LTS闭环霍尔电流传感器对电流进行检测,本设计所采用的开关管均为IRFP054N型N沟道MOS管。通信模块采用USART模块实现与上位机的串口通信。由变压器和推挽放大电路构成MOSFET驱动模块实现信号的放大和隔离。系统硬件控制板如图7所示。

图7 系统硬件控制板实物图
Fig.7 Physical picture of system hardware
control board

3.1.2 系统测试平台

本文设计的锂离子电池组能量均衡系统测试平台由锂离子电池组、锂离子电池充电电源、程控电子负载、台式PC机及上位机监控软件、充放电控制电路和锂离子电池组能量均衡管理系统组成。均衡系统测试平台如图8所示。

图8 锂离子电池组能量均衡系统测试平台
Fig.8 Test platform for energy balance management
system of lithium-ion battery pack

3.2 实验结果

3.2.1 SOC值在线估算

为了对RLS-EKF估算方法的有效性进行验证,以9号锂电池为例,分别在室温、动态工况充放电条件下对电池进行SOC值在线估算,动态工况充放电电流曲线见图9。考虑到电池组在实际使用过程中,很少会出现单节电池被“满充”或“满放”的极端情况,为了更加贴近实际,这里电池的SOC充电范围为20%~90%,电池的SOC放电范围为80%~35%。以安时(A·h)积分法计算得到的SOC值为真实参考值,SOC值估算结果如图10和图11所示。由实验结果可知,由RLS-EKF算法得到的SOC估算值精度较高,其绝对误差小于3.5%,RLS-EKF算法比EKF算法的估算准确度更高。其中,需要指出的是,由于SOC的估计误差在3.5%以内,以单节电池SOC为均衡一致性准则时,会存在3.5%左右的均衡误差,但在实际的电池组充放电过程中,单节电池的SOC范围大多数维持在20%~90%,因此3.5%左右的均衡误差在保证均衡效果的同时,不会导致出现均衡过度现象,符合实际应用需求。

图9 动态工况电流-时间曲线
Fig.9 Dynamic operating current-time curve

(a)SOC估算值

(b)SOC估算误差
图10 锂电池在室温、动态工况充电条件下
SOC估算结果
Fig.10 SOC estimation results of the lithium battery at
room temperature and dynamic charging condition

(a)SOC估算值

(b)SOC估算误差
图11 锂电池在室温、动态工况放电条件下
SOC估算结果
Fig.11 SOC estimation results of lithium battery at
room temperature and dynamic discharging condition

3.2.2 充电均衡实验

为了验证本文所提出的均衡电路和均衡控制方法在充电条件下电池组均衡的实际效果,对锂离子电池组在开启均衡和未开启均衡两种情况下进行0.3C倍率充电实验。电池的SOC充电范围为20%~70%。为了验证电池组的均衡效果,9节电池在充电开始前,初始SOC值极差为20%。充电均衡时,各单节电池SOC估计值如图12所示。图13所示为锂离子电池组在均衡与未均衡条件下充电结束后各电池SOC值分布。从图13中的单节电池SOC值分布中可以看出,电池组充电时,均衡控制的加入明显提高了电池组的一致性,各单节电池充入的电量均有所增加。

图12 锂离子电池组充电均衡时各单节电池
SOC估计
Fig.12 SOC estimation of each single battery in charge
equalization of lithium-ion battery pack

(a)未开启均衡的锂离子电池组SOC值分布

(b)开启均衡的锂离子电池组SOC值分布
图13 锂离子电池组充电结束后各电池SOC值分布
Fig.13 The SOC distribution of each battery after the
charging of the lithium-ion battery pack

电池组充电结束后各单节电池SOC具体值如表1所示。从表1中可以看出未开启均衡情况下,电池组充电结束后各单节电池SOC值极差为21.31%,开启均衡情况下SOC值极差为3.92%,同时未开启均衡的SOC值标准差为0.074 2,而开启均衡的SOC值标准差为0.017 3,与之相比,加入电池组能量管理系统的电池组安时量更加平衡,电池组的一致性更好。

表1 电池组充电结束后各单节电池SOC值

Tab.1 The SOC of each battery after the charging of
the battery pack %

电池号电池1电池2电池3电池4电池5电池6电池7电池8电池9极差标准差未均衡69.5265.8364.2161.7556.3157.2154.0148.2149.0321.317.42均衡70.0269.8769.8569.7569.7269.7766.9566.1266.13.921.73

3.2.3 放电均衡实验

为了验证本文所提出的均衡电路和均衡控制方法在放电条件下电池组均衡的实际效果,对锂离子电池组在开启均衡和未开启均衡两种情况下进行0.3C倍率放电实验。电池的SOC放电范围为80%~30%,为了验证电池组的均衡效果,9节电池在放电开始前,初始SOC值极差为20%。放电均衡时,各单节电池SOC估计值如图14所示。锂离子电池组在均衡与未均衡条件下放电结束后各电池SOC值分布如图15所示。

图14 锂离子电池组放电均衡时各单节电池
SOC值估计
Fig.14 SOC estimation of each single battery in
discharge equalization of lithium-ion battery pack

(a)未开启均衡的锂离子电池组SOC值分布

(b)开启均衡的锂离子电池组SOC值分布
图15 锂离子电池组放电结束后各电池SOC值分布
Fig.15 The SOC of each battery after the discharging
of the lithium-ion battery pack

从图15中单节电池SOC值分布可以看出, 电池组放电时,均衡控制的加入明显提高了电池组的一致性,而且各单节电池放出的电量更多,电池组的能量利用更加充分。

电池组放电结束后各单节电池SOC具体值如表2所示。从表2中可以看出未开启均衡情况下,电池组放电结束后各单节电池SOC值极差为15.94%,开启均衡情况下SOC值极差为4.92%,同时未开启均衡时的SOC值标准差为6.63%,而开启均衡之后的SOC值标准差为2.35%,与之相比,加入电池组能量管理系统的电池组安时量更加平衡,电池组的一致性更好。

表2 电池组放电结束后各单节电池SOC值对比

Tab.2 The SOC of each battery after the discharging of
the battery pack %

电池号电池1电池2电池3电池4电池5电池6电池7电池8电池9极差标准差未均衡45.3245.6342.2634.3936.1232.1230.0229.7329.6915.946.63均衡34.8534.8634.934.9334.9834.0530.1530.0930.064.922.35

综上所述,本文提出的基于SOC的锂离子电池组主动均衡控制策略SOC估算精度较高,而且改善了电池组的差异性,电池容量得到充分利用,容量利用率大大提高。

4 结论

本文针对锂离子电池组中各单节电池间的差异性导致电池组的容量利用率降低、剩余使用寿命变短的问题,设计了一种电感式主动均衡电路,实现了一种基于RLS-EKF算法的主动均衡控制策略。此外,开发了锂离子电池组能量均衡管理系统测试平台,并将该方法应用到嵌入式系统中。实验结果表明,本文所提出的基于SOC的锂离子电池组主动均衡控制系统的SOC估算精度较高,而且,提出的主动均衡控制方式极大改善了电池间的差异性,电池的容量利用率大幅度提升,具有一定的工程应用价值。

参考文献

[1] ZHANG Z, CHENG X, LU Z Y, et al. SOC Estimation of Lithium-ion Battery Pack Considering Balancing Current[J]. IEEE Transactions on Power Electronics, 2018, 33(3):2216-2226.

[2] ZHENG Y , GAO W, OUYANG M , et al. State-of-charge Inconsistency Estimation of Lithium-ion Battery Pack Using Mean-difference Model and Extended Kalman Filter[J]. Journal of Power Sources, 2018, 383:50-58.

[3] CHIANG Y H, SEAN W Y, WU C H, et al. Development of a Converterless Energy Management System for Reusing Automotive Lithium-ion Battery Applied in Smart-grid Balancing[J]. Journal of Cleaner Production, 2017, 156:750-756.

[4] 刘征宇, 汤伟, 王雪松, 等. 基于双时间尺度扩展卡尔曼粒子滤波算法的电池组单体荷电状态估计[J]. 中国机械工程, 2018, 29(15):74-79.

LIU Zhengyu, TANG Wei, WANG Xuesong, et al. Cell SOC Estimation of Battery Packs Based on Dual Time-scale EKPF[J]. China Mechanical Engineering, 2018, 29(15):74-79.

[5] FANG L, LI J Q, SHI W. Design and Implementation of the State Monitoring and Balancing Management of Vehicle Power Battery[J]. Energy Procedia, 2017, 105:2725-2732.

[6] KIM M Y, KIM C H, KIM J H, et al. A Chain Structure of Switched Capacitor for Improved Cell Balancing Speed of Lithium-ion Batteries[J]. IEEE Transactions on Industrial Electronics, 2014, 61(8):3989-3999.

[7] LIU M, FU M, WANG Y, et al. Battery Cell Equalization via Megahertz Multiple-receiver Wireless Power Transfer[J]. IEEE Transactions on Power Electronics, 2018,33(5):4135-4144.

[8] WEI J, DONG G, CHEN Z, et al. System State Estimation and Optimal Energy Control Framework for Multicell Lithium-ion Battery System[J]. Applied Energy, 2017, 187:37-49.

[9] CHEN Y, LIU X, FATHY H K, et al. A Graph-theoretic Framework for Analyzing the Speeds and Efficiencies of Battery Pack Equalization Circuits[J]. International Journal of Electrical Power & Energy Systems, 2018, 98:85-99.

[10] 王友仁, 黄薛, 耿星, 等. 容错航空蓄电池电源及其均衡管理[J]. 航空学报, 2018,39(5):152-162.

WANG Youren, HUANG Xue, GENG Xing, et al. Fault-tolerant Battery Power Supply for Aircraft and Its Active Equalization Management[J]. Chinese Journal of Aeronautics, 2018,39(5):152-162.

[11] LEE S W, LEE K M, CHOI Y G, et al. Modularized Design of Active Charge Equalizer for Li-ion Battery Pack[J]. IEEE Transactions on Industrial Electronics, 2018,65(11):8697-8706.

[12] KIM C, KIM M, MOON G. A Modularized Charge Equalizer Using a Battery Monitoring IC for Series-connected Li-ion Battery Strings in Electric Vehicles[J]. IEEE Transactions on Power Electronics, 2013, 28(8): 3779-3787.

[13] HUA C C, FANG Y H, LI P H. Charge Equalisation for Series-connected LiFePO4 Battery Strings[J]. Power Electronics, 2015, 8(6):1017-1025.

[14] 赵又群, 周晓凤, 刘英杰. 基于扩展卡尔曼粒子滤波算法的锂电池SOC估计[J]. 中国机械工程, 2015, 26(3):394-397.

ZHAO Youqun, ZHOU Xiaofeng, LIU Yingjie. SOC Estimation for Li-ion Battery Based on Extended Kalman Particle Filter[J]. China Mechanical Engineering, 2015, 26(3):394-397.

[15] GUO X, KANG L, HUANG Z, et al. Research on a Novel Power Inductor-based Bidirectional Lossless Equalization Circuit for Series-connected Battery Packs[J]. Energies,2015, 8(6):5555-5576.

[16] ELSAYED A T, LASHWAY C R, MOHAMMED O A. Advanced Battery Management and Diagnostic System for Smart Grid Infrastructure[J]. IEEE Transactions on Smart Grid, 2017, 7(2):897-905.

[17] 李泉, 周云山, 王建德, 等. 基于双层准谐振开关电容的锂电池组均衡方法[J]. 电工技术学报, 2017,32(21):13-19.

LI Quan, ZHOU Yunshan, WANG Jiande, et al. Equalization Method of Lithium Battery Pack Based on Double-tiered Quasi-resonant Switched Capacitor[J]. Transactions of China Electrotechnical Society, 2017,32(21):13-19.

[18] HUANG K C, HUANG S J. Design Enhancement of Power Supply System for BLDC Motor-driven Circuit with State-of-charge Equalization and Capacity Expansion[J]. IEEE Transactions on Industrial Electronics, 2018,65(11):8613-8623.

[19] OUYANG Q, CHEN J, ZHENG J, et al. SOC Estimation Based Quasi-sliding Mode Control for Cell Balancing in Lithium-ion Battery Packs[J]. IEEE Transactions on Industrial Electronics, 2018,65(4): 3427-3436.

[20] 孙金磊, 逯仁贵, 魏国, 等. 串联电池组双向全桥 SOC 均衡控制系统设计[J]. 电机与控制学报, 2015, 19(3):76-81.

SUN Jinlei, LU Rengui, WEI Guo, et al.Bidirectional Full-bridge Converter Based SOC Equalization System Design for Series-connected Battery String[J]. Electric Machines and Control, 2015, 19(3):76-81.

[21] 潘海鸿, 吕治强, 李君子, 等. 基于灰色扩展卡尔曼滤波的锂离子电池荷电状态估算[J]. 电工技术学报, 2017,32(21):5-12.

PAN Haihong, LYU Zhiqiang, LI Junzi, et al. Estimation of Lithium-ion Battery State of Charge Based on Grey Prediction Model-extended Kalman Filter[J]. Transactions of China Electrotechnical Society, 2017,32(21):5-12.

[22] MA Y, DUAN P, SUN Y, et al. Equalization of Lithium-ion Battery Pack Based on Fuzzy Logic Control in Electric Vehicle[J]. IEEE Transactions on Industrial Electronics, 2018, 65(8):6762-6771.

[23] ZHENG X, LIU X, HE Y, et al. Active Vehicle Battery Equalization Scheme in the Condition of Constant-voltage/Current Charging and Discharging[J]. IEEE Transactions on Vehicular Technology, 2017, 66(5):3714-3723.

[24] 王友仁, 梁嘉羿, 黄薛, 等. 航空蓄电池能量均衡技术研究[J]. 航空学报, 2017, 38(5):211-210.

WANG Youren, LIANG Jiayi, HUANG Xue, et al. Research of Energy Equalization Technology for Aircraft Battery[J]. Chinese Journal of Aeronautics, 2017, 38(5):211-210.

[25] WU Z, LING R, TANG R. Dynamic Battery Equalization with Energy and Time Efficiency for Electric Vehicles[J]. Energy, 2017, 141: 937-948.

[26] CASPAR M, EILER T, HOHMANN S. Systematic Comparison of Active Balancing: a Model-based Quantitative Analysis[J]. IEEE Transactions on Vehicular Technology, 2018,67(2):920-934.

SOC-based Active Equalization Control for Lithium-ion Battery Packs

ZHANG Kai1 ZHAO Peng2 WANG Youren1 XU Zhitong1 CHEN Zewang1

1.College of Automation Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing,211106 2.Aviation Industry Corporation Leihua Electronic Technology Research Institute,Wuxi,Jiangsu,214063

Abstract: The differences between single cells in the lithium-ion battery packs seriously affected the capacity utilization and remaining useful life of the battery packs. Therefore, an inductive active equalization circuit was designed. Based on recursive least square extended Kalman filter(RLS-EKF) algorithm, the SOC of lithium-ion batteries would be estimated online. And SOC was used as the equalization criterion to realize a novel strategy based on RLS-EKF algorithm of active equalization control. A test platform for energy balance management system of lithium-ion battery packs was designed and developed. Experimental results show that the SOC estimation errors of RLS-EKF algorithm are within 3.5%, the proposed active equalization control method may effectively improve the inconsistency among individual cells and the capacity utilization of the batteries.

Key words: lithium-ion battery pack; state of charge(SOC); strategy of active equalization control; energy balance management system

中图分类号TM912;U463

DOI:10.3969/j.issn.1004-132X.2020.16.005

开放科学(资源服务)标识码(OSID):

收稿日期2019-04-20

基金项目中国航空科学基金资助项目(20183352030); 江苏省研究生科研与实践创新计划资助项目(SJCX18_0102)

(编辑 王艳丽)

作者简介张 凯,男,1995年生,硕士研究生。研究方向为蓄电池均衡充放电管理及剩余寿命预测技术。E-mail:nuaazk@nuaa.edu.cn。王友仁(通信作者),男,1963年生,教授、博士研究生导师。研究方向为机载设备测试诊断与健康管理。E-mail:wangyrac@nuaa.edu.cn。