充电模式下动力电池组分布式主动均衡控制方法

来源:用户上传      作者:

　　摘  要： 针对电动汽车动力电池单体SOC不一致问题，提出一种充电模式下分布式主动均衡控制方法。首先，分析“并联单体解耦?分布式控制器串联”动力电池组的工作特性，在此基础之上，通过在充电过程中实时调整均衡加速系数[α]，实现单体充电速率的线性动态调节。最后针对6组动力电池单体进行充电均衡实验，实验结果表明，所提出的充电模式下的主动均衡控制方法，可以将单体电压标准差从充电初始时的0.05降至0.007，避免了单体过、欠充现象，有效地提高了动力电池组的使用效能和使用寿命。
　　关键词： 电动汽车; 动力电池组; 均衡控制系统; 系统设计; 线性动态调节; 充电均衡
　　中图分类号： TN876.3?34; U469.72               文献标识码： A                     文章编号： 1004?373X（2020）12?0095?05
　　Abstract： In allusion to the inconsistency of the individual cell SOC of power battery in electric vehicle， a method of distributed active balancing control in the charging mode is proposed. The operating characteristic of the power battery pack “parallel individual cell decoupling? series of distributed controller” is analyzed. On this basis， the linear dynamic regulation of the charging rate of individual cell is achieved by means of the real?time regulation of the balancing acceleration coefficient [α]in the charging process. The charging balancing experiments were carried out for 6 group individual cells of power battery. The experimental result shows that the proposed method of active balancing control in the charging mode can decrease the cell voltage STD from 0.05 at the beginning of charging to 0.007， which avoids the phenomenon of overcharge and undercharge of individual cell， and effectively improves the service efficiency and service life of the power battery pack.
　　Keywords： electric vehicles; power battery pack; balancing control system; system design; linear dynamic regulation; charging balance
　　0  引  言
　　“纯电驱动”是我国汽车产业发展的战略导向，在电动汽车产业化过程中，动力电池的能量密度、循环次数、安全性仍是影响电动汽车发展的主要技术瓶颈。动力电池组通常采用多节单体先并联后串联的方式以提高容量和输出电压[1?2]。由于制造工艺及老化程度的影响，单体电池内阻、自放电率等不完全相同[3]，在充放电过程中，单体不允许出现过充及过放现象，但受串联电路基本特性的限制，单体间荷电状态（State of Charge，SOC）差异将不断扩大[4?5]，最终导致动力电池组整个实际可用容量不断减少，大大缩短了动力电池组的续航里程。
　　为消除单体间SOC差异对动力电池组实际可用容量的限制，延长动力电池组的使用寿命，必须对动力电池组进行均衡管理。现有解决动力电池组SOC不一致的方法主要有：单体分拣技术、均衡控制技术。其中，单体分拣技术在单体成组前依照单体电压或SOC将相同参数的单体进行成组，保证初始状态动力电池SOC一致，但并不能保证使用过程中由于温度、震动等外部因素造成的单体SOC不一致[6?7];均衡控制技术主要分为被动均衡和主动均衡两大类[8?10]，被动均衡的基本思路是采用电阻等耗能原件将SOC较高单体中的电荷消耗掉，直至与其他单体的SOC或者参考SOC一致[11?12]。
　　文献[13?14]采用电阻分流式均衡方法，利用开关控制单体与电阻回路的导通状态，当检测到单体SOC不一致时，选通相应的开关进行电阻分流。被动均衡技术具有电路设计简单、易实现的优点，但存在能量损耗热管理困难、均衡时间长等问题。主动均衡技术的基本思路是采用开关器件对电压较高的单体进行旁路，或者采用电感、电容作为储能元件利用能量转换器将SOC较高并联单体中电荷转移到SOC较低的并联单体内。
　　文献[15]提出了完全分流式均衡方法，其控制方法为通过两个开关对单体单独控制，当某节单体电压达到充电限值或接近均衡控制策略参考值时，单体将从电流路径中被单独断开，最终实现单体均达到满充状态。该方法具有设计成本较低、控制方式简单的优点，但随着被旁路的单体数量增多，充电机输出电压与电池组额定充电电压不匹配，电路中必须具备较宽范围输出电压的电源转换器。文献[16]提出一种基于Buck?Boost变换器的均衡拓扑结构，通过在每个相邻的单体上并联均衡模块实现电荷由电压较高单体至电压较低单体的转移，该方法适合相邻单体间的均衡，随着单体数目的增多均衡速度不断减慢。文献[17]提出一种以电感为储能元件的充放电均衡拓扑结构及均衡策略，当电池组处于充电状态时，通过将电池组中电压最高单体的电荷转移到其他单体中，以提高整个电池组的充电容量。当电池组处于放电状态时，采用独立电源对电池组中电压最低单体进行单独充电，以提高整个电池组的放电容量。该方法有效地解决了电池组均衡问题，但充电过程中均衡速度较慢，放电过程中必须配备独立电源。传统的主动均衡技术避免了被动均衡技术中能量损耗、热管理困难等问题，但是电路设计较为复杂且均衡速度慢。 　　针对现有均衡方法存在的不足，本文提出充电模式下动力电池组分布式主动均衡控制方法，在充电过程中实时调整均衡加速系数，通过PWM调节实现单体充电速率与SOC偏差的线性比例动态调节。所提出的充电模式下均衡控制方法可实现动力电池组在线主动均衡，避免了使用过程中单体的过、欠充现象，有效地提高了动力电池组的使用效能。
　　1  系统架构
　　由N个并联单体构成的分散式主动均衡控制系统如图1所示，每个并联单体与一个分布式控制器并联，分布式控制器的输出端串联以产生母线电压，单体及分布式控制器的组合称之为“智能单体”[18]。系统主电路采用同步4开关双向升降压DC/DC变换器，通过改变全桥电路中开关管M1，M2，M3，M4导通时序可实现多模式工作，包含双向升压、双向降压、双向升?降压，进而实现单体充放电速率的动态调节。
　　为保证充电均衡过程中充电电流及放电均衡过程中输出电压的稳定性和精度，设计电压外环和电流内环双闭环控制系统。充电均衡模式下电压外环控制器负责计算单体电流需求，将[Iset]发送至电流内环控制器，通过PWM实现对充电电流的精确调节[19]。系统控制器负责均衡模式的使能、充放电模式的切换以及CAN总线数据通信。
　　2  均衡管理控制策略
　　2.1  单体SOC估算
　　高精度的单体SOC估算是实现均衡控制的前提，已有的SOC估算方法主要包括安时积分法[20]、内阻法、开路电压法[21]、卡尔曼滤波法[22]、神经网络法[23]。其中，安时积分法存在累计误差的缺点，精度较低，并且不能确定单体初始状态SOC;内阻法存在单体内阻测量困难的缺点;卡尔曼滤波法和神经网络法虽然在估算精度上较为准确，但是算法设计较复杂，实际应用成本较高。综合考虑算法的实用性、鲁棒性及估算精度，本文采用安时积分法（OCV）进行SOC估算。如图2所示为不同温度条件下，本文所使用的容量为2.6 A·h的18650型LiCoMnNIO2单体电池OCV与SOC对应关系曲线。
　　2.2  充电速率计算
　　所提出的充电模式下均衡控制方法的基本思路是根据单体SOC与平均SOC偏差，动态调整均衡加速系数[α]，实现对单体充电电流的动态调整。由于单体充电速率与平均SOC和SOC的差值成正比，[t]时刻单体SOC与平均SOC间的差异在单体端电压上的线性表征为：
　　式中：[IL]为单体充电限值电流;[δ]为机器周期;[θi（t+1）]为[t+1]时刻调节单体充电电流所需占空比。
　　充电均衡过程中均衡控制系统依据均衡控制方法实时计算均衡加速系数[α]，对充电电流进行动态调节，完成动力电池组充电模式下的均衡控制。
　　3  实验结果与分析
　　3.1  实验验证
　　为验证所提出的充电模式下动力电池组分布式主动均衡控制方法的可行性，搭建实验平台进行充电均衡实验。实验台结构组成和实验台照片分别如图3和图4所示。
　　实验采用由6个智能单体构成的动力电池组，智能单体关键参数如表1所示。实验台相关设备关键参数如表2所示。
　　3.2  充电均衡实验
　　为验证均衡控制方法在充电模式下的均衡效果，首先在非均衡模式下按照常规流程进行恒流?恒压充电，具体实验流程为：
　　1）  对满充状态的6组智能单体分别放电至不同的SOC;
　　2） 設置充电电流为0.8 A，充电截止电压为4 V，充电电压为24 V;
　　3） 用USB?CAN连接智能单体与电脑，用于记录单体端电压和充电电流数据;
　　4） 开启充电模式，进行非均衡实验。
　　图5所示为非均衡模式下6组单体端电压曲线。由图5可知，充电过程中，单体SOC出现严重不均衡，电压极差，由141 mV扩大至178 mV，1号单体电压已达到充电截止电压，充电机停止对单体组充电，但是2～6号单体处于欠充电状态。图6所示为非均衡充电过程中单体端电压的标准差变化曲线。标准差由均衡初期0.047增长至末期的0.056，表明6组单体SOC的一致性越来越差。
　　充电模式下的均衡实验流程如下：
　　1） 对满充状态的6组智能单体分别放电至不同的SOC;
　　2） 设置初始充电电流为0.75 A，最大充电电流2 A，充电截止电压为4 V，充电电压为24 V;
　　3） 用USB?CAN连接智能单体与电脑，用于记录单体端电压、充电电流数据;
　　4） 开启充电模式，进行均衡实验。
　　图7所示为均衡过程中6组单体端电压曲线，整个充电均衡过程共持续7 506 s，均衡末期单体极差由均衡初期的140 V降至20 mV，这表明所提出的均衡控制方法有效减小了单体间的不一致性。
　　图8所示为均衡充电过程6组单体充电电流曲线。单体充电过程中，均衡控制系统依据均衡控制方法，动态调节单体的充电电流，均衡初期6号单体的充电电流是1号单体的4.5倍。
　　图9所示为充电均衡过程中单体端电压的标准差变化曲线。标准差由均衡初期0.05降至末期的0.007，表明6组单体SOC的一致性得到明显改善。
　　4  结  语
　　针对充电过程中动力电池组主动均衡问题，提出充电模式下动力电池组分布式主动均衡控制方法，通过在充电过程中实时调节加速系数[α]，实现单体充电速率与SOC偏差的线性比例动态调节。在充电模式下对6组单体进行均衡实验，实验结果表明，所提出的均衡控制方法有益效果主要体现在：
　　1） 避免单体过充现象，解决受电压最高单体的影响导致其他单体无法达到满充状态的问题，有效地提高动力电池组的续航能力。 　　2） 实现充电模式动力电池组的在线主动均衡，单体端电压的标准差由0.05降至0.007。
　　注：本文通讯作者为葛高瑞。
　　参考文献
　　[1] ZHANG Zhiliang， CAI Yongyong， ZHANG Yue， et al. A distributed architecture based on microbank modules with self? reconfiguration control to improve the energy efficiency in the battery energy storage system [J]. IEEE transactions on power electronics， 2016（1）： 304?317.
　　[2] 刘红锐，夏超英.一种新型的电动车用电池均衡方法探讨[J].汽车工程，2013，35（10）：934?938.
　　[3] 戴海峰，王楠，魏学哲.车用动力锂离子电池单体不一致性问题研究综述[J].汽车工程，2014，36（2）：181?188.
　　[4] 王礼进，张会生，翁史烈.内重整固体氧化物燃料电池控制策略研究[J].中国电机工程学报，2008（20）：94?98.
　　[5] 徐顺刚，王金平，许建平.一种延长电动汽车蓄电池寿命的均衡充电控制策略[J].中国电机工程学报，2012（3）：43?48.
　　[6] KIM Jong?Hoon， SHIN Jong?Won， JEON Chang?Yoon， et al. Screening process of Li?ion series battery pack for improved voltage / SOC balancing [C]// Proceedings of 2010 International Power Electronic Conference. Sapporo： IEEE， 2010： 121?130.
　　[7] 戴海峰，王楠，魏学哲，等.车用动力锂离子电池单体不一致性问题研究综述[J]汽车工程，2014，36（2）：181?188.
　　[8] 焦亚田，谢长君，汤泽波，等.电动汽车锂电池组高效主动均衡的研究与测试[J].汽车工程，2017，39（8）：858?863.
　　[9] CL?UDIO P， BARRERAS J V， SCHALTZ E， et al. Evaluation of advanced control for Li?ion battery balancing systems using convex optimization [J]. IEEE transactions on sustainable energy，  2016， 7（4）： 1703?1717.
　　[10] JAVIER G L， ENRIQUE R C，ISABEL M M， et al. Battery equalization active methods [J]. Journal of power sources， 2014， 246： 934?949.
　　[11] WEI Xuezhe， ZHU Bing. The research of vehicle power Li?ion battery pack balancing method [C]// 2009 9th International Conference on Electronic Measurement & Instruments. Beijing： IEEE， 2009： 171?180.
　　[12] COSTINETT Daniel， HATHAWAY Kelly， REHMAN Muneeb Ur， et al. Active balancing system for electric vehicles with incorporated low?voltage bus [J]. IEEE transactions on power electronics， 2016（11）： 7885?7895.
　　[13] PUVIWATNANGKURN W， TANBOONJIT B， FUENGWA?
　　RODSAKUL N H. Overcurrent protection scheme of BMS for Li?Ion battery used in electric bicycles [C]// 10th International Conference on Engineering， Energy and Electrical Drives. Istanbul： IEEE， 2013： 310?311.
　　[14] STUART T A， ZHU W. Fast equalization for large lithium ion batteries [J].IEEE aerospace and electronic systems magazine， 2009， 24（7）： 27?31.
　　[15] BARONTI F， FANTECHI G， RONCELLA R， et al. Design of a module switch for battery pack reconfiguration in high?power applications [C]// IEEE International Symposium on Industrial Electronics. Hangzhou： IEEE， 2012： 1330?1335. 　　[16] PHUNG T H， COLLET A， CREBIER J C. An optimized topology for next?to?next balancing of series?connected lithium?ion cell [J]. IEEE transactions on power electronics， 2014（9）： 4603?4613.
　　[17] 刘红锐，李园专，陈仕龙，等.锂离子蓄电池组充放电均衡器及均衡策略[J].电子学报，2016，44（8）：1981?1987.
　　[18] FROST D F， HOWEY D A. Completely decentralized active balancing battery management system [J]. IEEE transactions on power electronics， 2018， 33（1）： 729?738.
　　[19] XU S， WANG J P， XU J P. A current decoupling parallel control strategy of single?phase inverter with voltage and current dual closed?loop feedback [J]. IEEE transactions on industrial electronics， 2013， 60（4）： 1306?1313.
　　[20] AYLOR J H， THIEME A. A battery state?of?charge indicator for electric wheelchairs [J]. IEEE transactions on industrial electronics， 1992， 39（5）： 398?409.
　　[21] DONG G Z， ZHANG X， ZHANG C B， et al. A method for state of energy estimation of lithium?ion batteries based on neural network model [J]. Energy， 2015， 90： 879?888.
　　[22] 张周灿，谢长君，曹夏令，等.基于改进自适应无迹卡尔曼滤波的锂电池SOC估计[J].汽车技术，2018（3）：10?15.
　　[23] CHAOUI H， IBE?EKEOCHA C C. State of charge and state of health estimation for lithium batteries using recurrent neural networks [J]. IEEE transactions on vehicular technology， 2017， 66（10）： 8773?8783.
转载注明来源:https://www.xzbu.com/8/view-15248446.htm