王丽君1，李萌2
（1.南华大学电气工程学院，湖南衡阳421001；2.南华大学计算机科学与技术学院，湖南衡阳421001）
摘要：电池剩余容量预测在电动汽车电池管理系统中占有重要的位置。为准确实时地预测电动汽车动力电池组荷电状态（SOC），以镍氢电池组为研究对象，采用安时累积法与开路电压法相结合对电池组SOC进行预测，通过FPGA对模型及算法的有效性进行验证。实验结果表明该研究方法结构简单，成本相对较低，且预测精度相对较高，有助于提高科研效率并缩短产品研发周期。
教育期刊网 http://www.jyqkw.com
关键词 ：电池剩余容量；安时累积法；开路电压法；FPGA
中图分类号：TN948.502?34 文献标识码：A 文章编号：1004?373X（2015）13?0149?03
收稿日期：2015?01?21
基金项目：衡阳市2012年科学技术发展计划项目（2012KG61）
0 引言
当前的汽车发展行业面临着两大问题：一是不可再生资源的逐渐枯竭；二是由于不可再生资源使用过程中排放出的二氧化碳引起的环境恶化。而电动汽车以其零排放、低噪声的优势受到了汽车工业的广泛关注。电动汽车能量管理系统在电动汽车的商品化过程中起着重要的作用，而电池管理最为重要的环节之一就是准确可靠地获得电池的荷电状态SOC[1?2]（State of Charge），即电池剩余电量。精确的SOC值可以让驾驶人员正确地估计续驶里程及时间，同时可以防止电池的过充与过放，避免因电池的损害而引起电池寿命缩短。但由于电池的剩余电量是不能直接测量得到的，只能通过对电池外特性如电流、电压、环境温度等的监测来间接得到，而SOC跟这一系列的因素之间的关系为非线性。此外，电池组的SOC 还受到充放电次数、电池老化、自放电、电池的工作状态、工作环境等因素的影响。因此，建立一个针对电动汽车用的电池剩余电量测量模型是非常困难的[3]。
镍氢电池（Ni?MH）因其具有循环寿命长、比能量高、无污染、适合大电流放电等优点，在电动汽车领域得到了广泛应用。本文采用安时累积法和开路电压法相结合对镍氢电池的剩余电量进行了预测。经试验，证明这种方法能够获得蓄电池较为精确可靠的剩余电量预测值。
1 SOC 定义
电池容量指在一定放电条件下，电池所能释放出的总电量。目前对剩余电量比较统一的定义方法是从电量的角度来定义剩余容量，依据美国先进电池联合会（USABC）在其《电动汽车电池实验手册》中有关SOC 的定义：即在一定的放电倍率条件下，电池的剩余电量与相同条件下的额定容量的比值，如公式（1）所示：SOC = C0 CE （1）
式中：C0 为电池的剩余容量；CE 为电池的额定容量，即在一定的放电倍率下，电池所放出的容量。
通常把一定温度下电池充电到不能再吸收能量的SOC定义为100%，表示蓄电池为充满电状态，而把电池不能放出能量时的SOC定义为0%，表示蓄电池已处于完全放电状态。
2 常用SOC 测量方法比较
本文只对基于电池外特性检测的SOC预测方法做介绍。
传统的电池电量测试方法有放电实验法、开路电压法、内阻法和安时累积法等。放电实验法需要电池停止工作，不适于实现电池剩余电量的在线预测。开路电压法只局限于静态环境下电池剩余电量的预测。使用内阻法时，由于SOC与电池内阻之间关系复杂，很容易受到各方面的干扰，因此测得的SOC准确性也很低。
安时累积（Ah）法是指在对电池充、放电过程中，按时间与流入、流出电池组的电流乘积值进行积分累加的方式，计算电池充进的电量和放出的电量，并以此来预测SOC的当前值。它将电池包看成一个“黑匣子”，不必考虑到电池内部的工作情况。假设SOC 的初值为SOC0，电池的额定容量为CE，电池充、放电的电流大小为i（放电时为“+”，充电时为“-”），ηi 为库伦效率系数，是电池充电、放电全过程的平均库仑效率[4]。SOC计算公式如（2）所示：SOC = SOC0 ± ηiCE∫0t idt （2）安时累积法是目前最简单、最可靠的一种SOC预测算法，它不研究较为复杂的电化学反应及电池内部各参数之间的关系，而是着眼于该系统的外部特征，实现起来较简单，受电池本身情况的限制小，尤其适用于镍氢电池组SOC的预测。它在短时间内有较高的测量精度，其在应用上的主要问题是电流i 的测量精度会导致等式右边的积分项的误差进行累积，使得SOC 的预测值随时间的增长而误差增大[5]，而且电量的初始值SOC0 也难以估计。本文介绍将安时累积法与开路电压法进行结合预测SOC的方法，如下：
（1）用开路电压法对电池的初始SOC 值进行估算优化，利用Ni?MH电池的电压和SOC之间的关系曲线，确定电池SOC0。
（2）采用精确度高的电流采集方法，测得电池的充放电电流i 并对其进行积分，利用式（1）进行计算，最终得到SOC 值。
3 SOC 测量方案设计
总的设计思路：先用开路电压法得到电量初始值SOC0；再用电流传感器测得电池组的电流后，将其通过A/D 转换模块转换成数字信号，送入FPGA 进行积分累加，由式（1）计算得到剩余电量值，再通过显示模块对剩余电量值进行显示输出。
3.1 用开路电压法估计SOC0
电池不放电时，电池正负极之间的电位差称为电池的开路电压。利用试验的方法，记录电池在不同的放电电流时，电池的端电压和电池剩余能量之间的关系，如图1所示。通过试验采样电池放电时的电池开路电压就能得到电池的初始剩余能量SOC0 。
3.2 用安时累积法预测SOC
方案设计框图如图2所示，大致包括电流检测、A/D转换、FPGA处理、显示输出4大模块。
3.2.1 电流采集方法
电流的采样是估计SOC的主要依据，因此对其采样的精度，抗干扰能力，零漂、温漂和线性度误差的要求都很高。本文采用安时累积法来测量SOC，要求系统必须提供准确的充放电电流值。选用反应速度快，具有优良线性度的高精度电流传感器是使预测SOC逼近真实值的根本保证。
目前采集电动汽车电池组电流的方法主要有3种：分流器（电阻取样法）、电流互感器法和霍尔传感器法。分流器法的电阻精度难以控制且容易受温度的影响，电流互感器法的安装体积较大，故常采用安装体积小、电流精度高的霍尔传感器法。
霍尔传感器是电气隔离和非侵入式的，测量时没有导线连接到电源电路，与采用接入电阻测量电流的方法相比确保了安全操作，且不产生多余热量或损耗。它的磁通门传感器使用先进的磁电流测量原理，可以抵消在简单电流测量技术中出现的很多零点和增益误差。本文采用的是莱姆公司HAHIBV S/02，其是一款专门用于测量电动汽车电池组的充放电电流的霍尔开环电流传感器，电流测量范围大，精度高。输入电流范围为0~500 A，输出电压范围为0.5~4.5 V，实现了将从电池包采集到的电流信号转换为电压信号的过程。为了使输出的电压不出现负值，已将参考“0”电位设为2.5 V。电压信号大于2.5 V时识别为放电状态，小于2.5 V时识别为充电状态。
3.2.2 A/D转换器
A/D转换电路的作用有2个：一是将由霍尔传感器得到的电压信号从模拟信号转换为稳定的8位二进制数字信号；二是将用开路电压法测得的初始电量SOC0转换为8位数字信号。然后将这两路信号送入FPGA进行运算处理，得到电池剩余电量SOC。A/D转换、FPGA运算处理及SOC显示输出电路如图3所示。
图中ADC0809CCN的时钟频率为500 kHz，IN0~IN7为8路模拟信号的分时采集，片内有8路模拟选通开关，以及相应的通道抵制锁存用译码电路，其转换时间为100 μs左右。ALE为地址锁存允许信号，在其上跳沿将A，B，C地址状态送入地址锁存器中。这里选择单通道输入方式，模拟电压信号和SOC0 均从IN0输入，D0~D7为数据输出线。ADC0809CCN把输入的0.5~4.5 V直流电压量化为从00000000~11111111 的256个电平信号。
因为参考“0”电位为2.5 V，故区别充放电电流的数字信号为01111111（127），大于此值为放电电流，小于此值为充电电流。ADC0809 的D0~D7 与FPGA 的8 个IO 口（IO26，IO27，IO28，IO29，IO30，IO39，IO38，IO31）相连，以便将8位数字信号送入FPGA进行运算处理。参考电源VREF + , VREF - 一般选择5 V 和0 V。为保证转换正常进行，控制脉冲宽度Ts 应大于ADC0809CCN的转换时间ts，如图4所示。
3.2.3 FPGA运算处理模块
可编程逻辑器件是目前数字系统设计的主要硬件基础。本文选用FPGA，利用FPGA的可重配置功能，可以在使用过程中，在不改变所设计设备的硬件电路情况下，改变设备的功能，从而降低成本，缩短开发周期。
（1）SOC预测公式估算
由于电池的工作电流值i 在起步、爬坡、加速、匀速、减速时变化很大，根据公式（1）来计算剩余电量是较为困难的；但电流i 的变化速度是相对较慢的，也就是说，在足够小的时间间隔内，i 的变化近似为直线。由此可以考虑一种近似的SOC计算方法：用某时间点电流代表时间间隔T 内的平均电流，计算出时间T 内的电量。充电时，从初始电量值SOC0 对每个周期T 测得的电量进行累加，放电时从初始电量值SOC0 对累积电量进行累减，得到SOC 。通过在电动车上的设计测试，只要车辆不是一直行驶在下坡路段，采样周期T 取1 s时对计算结果影响较小，但大大降低了计算的复杂度。
（2）运算过程
先将开路电压法测得的SOC0 接至ADC0809的IN0输入端，将其量化后送入FPGA作为运算累加器的初始值；再将电流传感器输出的电压信号接至ADC0809 的IN0输入端，量化后作为FPGA 中累加器的累加数。若量化后的电压值小于01111111（充电），则和电量初值进行累加；否则进行累减。因为累加器的时间间隔刚好为1 s，累加后的结果跟剩余电量相等[5]，将其从FPGA的IO42~IO49口送至显示模块进行显示即可。
（3）计算参数的选取
根据能量守恒原理，理想情况下电池放电时输出的电量应该等于充电时充入电池的电量。若忽略电池的自放电、老化等因素，将ηi 值取1，CE 取27 A·h。
4 结论
本文介绍了几种常用的SOC测量方法，通过对比选择，重点介绍了简单实用的安时累积法与开路电压法相结合来预测SOC的方法。通过分析，这种SOC预测方法达到了较高的测量精度，且结构简单，具有较强的实际应用价值。但未考虑充放电次数、电池老化、自放电等因素对SOC的影响，这方面的工作有待进一步改进。
教育期刊网 http://www.jyqkw.com
参考文献
[1] 齐智，吴峰，陈实，等.利用人工神经网络预测电池SOC的研究[J].电源技术，2005，29（5）：325?328.
[2] 杨朔，何莉萍，钟志华.电动汽车蓄电池荷电状态的卡尔曼滤波估计[J].贵州工业大学学报：自然科学版，2004，33（l）：99?102.
[3] 温朝仓.电动汽车用MH/Ni动力电池[J].科学中国人，1997（3）：20?22.
[4] Argonne National Laboratory，Idaho National Engineering Labo?ratory，Sandia National Laboratories. USABC electric vehiclebattery test procedure mannual [DB/OL]. [1996?05?28]. http：//avt.inl.gov/battery/pdf/usabc?manual?rev2.pdf.
[5] 张卫钢.电动汽车剩余电量计算方法[J].交通运输工程学报，2004，4（1）：50?53.
[6] 李长安，李琦，符锋钊，等.电动汽车动力蓄电池组监测系统的研究[J].现代电子技术，2009，32（23）：206?209.
作者简介：王丽君（1979—），女，湖南邵阳人，硕士，讲师。主要研究方向为电子信息。