蓄电池剩余容量预测技术现状及发展

1引言

阀控式密封铅酸(VRLA)蓄电池由于具有体积小、防爆、电压稳定、无污染、重量轻、放电性能高、维护量小、价格低等优点，所以深受各个行业的青睐，被广泛应用于邮电、电力、交通、航空航天、应急照明、军事通信等诸多领域。VRLA蓄电池已经成为系统的关键部件之一，它的安全可靠运行直接关系到整套设备的可靠运行。但是在使用过程中，由于剩余容量无法准确预测，轻的造成事故，重的酿成惨剧。因此，必须建立一个有效的蓄电池管理系统，准确可靠地预测蓄电池剩余容量则成为电池管理系统中最基本和最首要的任务[1][2]。

目前，国内外普遍采用荷电状态SOC(StateofCharge)来表示蓄电池的剩余容量。SOC是直接反映蓄电池的可持续供电能力和健康状况的一个重要参数。由于VRLA蓄电池有着不同的类型、用途以及外部环境，SOC的影响因素众多，因此其预测采用的方法各种各样，使用的电池模型也不尽相同。一般蓄电池的建模方法可以分为两大类：一类是物理建模方法；另一类是系统的辨识与参数估计建模方法[3]。

2物理建模方法预测SOC

2.1放电试验法

放电试验法是大家公认的最可靠的SOC估计方法。按某一放电倍率的电流将电池进行连续放电至规定的SOC零点，放电电流与时间的乘积即为剩余容量。

放电试验法主要用于实验室计算电池组充电效率、检验SOC估算精度或者用于蓄电池的检修，适用于所有电池。但是，该方法有两个明显的缺点：(1)需要大量时间和人力；(2)电池正在进行的工作不得不中断，无法实时在线预测。对于静态后备蓄电池可以采用，但对于重要场合，用此方法则要冒一定的风险，因为放电期间，系统在没有电池备份下运行，一旦主电源出现问题或者市电中断，整个系统都将瘫痪，造成不可估量的损失。文献[4]详细描述了放电试验方法以及注意事项，但需要大量的人工操作；文献[5]则采用动力环境监控系统实现远程对蓄电池组的放电试验管理，省时高效，但是精度很低，只能定性判断蓄电池组的性能，而无法准确估计剩余容量。

2.2安时计量法

安时法是SOC估算最常用的方法，计算公式为：

(1)

其中：SOC0为充放电起始时刻荷电状态，CN为额定容量，η为充放电效率且不是常数(假定充电电流方向为正，放电电流方向为负)，SOC为当前时刻的荷电状态。

安时法实质是将电池看作一个黑箱，认为流进电池的电量与流出电池的电量有一定的比例关系，而不考虑电池内部的结构和外部的电气特性，因此这种方法适用于各种电池。同时从式(1)可以看出，安时法在应用中存在的问题：(1)要求标定SOC初始值；(2)需要精确计算充放电效率；(3)需准确测量电流，电流测量不准，将造成SOC计算误差，长期会存在电流积分的累计误差；(4)在高温状态和电流波动剧烈的情况下误差较大。

因此，在实际应用场合采用安时法时，一般根据使用环境和条件考虑对充放电率、温度、电池老化以及自放电率等因素进行补偿。

文献[6]采用安时法、Peukert方程、温度修正以及SOH相结合的方法来估算静态后备阀控式铅酸蓄电池的SOC，以蓄电池容量为零到容量为满这两个状态为一个周期，在此周期内，测量蓄电池折算到在标准温度下以标准电流放电或充电的总容量计算SOH。其SOC计算精度可以达到0.1%以内，计算公式为：

文献[7]考虑了对蓄电池充放电率、温度、电池老化以及自放电率进行补偿，通过自整定对累计误差进行纠偏，并利用大量实验得到的单电池电压值与容量关系系数，对电池的不一致性进行修正，修正公式见式(4)。其中：Ks为关系系数，△U为电池组中电压最低的单体电池电压与所有单体电池平均电压的差值：

文献[8]则利用开路电压法得到初始SOC，之后对安时法进行各种补偿，其SOC估算精度达到6%以内。此外，安时法还常常与卡尔曼法结合使用(卡尔曼滤波法中详细论述)。

2.3密度法

密度法主要用于铅酸蓄电池。由于电解液密度在充电过程中逐渐变高，放电过程中逐渐降低，且蓄电池容量与密度呈一定的线性关系，因此，通过测量电解液的密度可以预测SOC的大小[9]。由于密度法需对电解液进行测量，主要应用于开口式铅酸电池，若能够开发出更高精度的密度—容量传感器，在极其重要的场合，可将其在生产时就植入密封蓄电池。文献[10][11][12]分别利用超声波传感器、低能γ射线、铅酸蓄电池容量传感器对铅酸蓄电池电解液密度进行测量，同时文献[11]利用模糊神经网络对密度进行了预测，效果较好，但均未给出电解液与SOC之间的确定关系。

2.4开路电压法

开路电压(OpenCircuitVoltage)是指蓄电池在开路状态下的端电压，在数值上接近电池电动势。开路电压法是根