動力電池SOC估算難點

傳統燃油車上有油表，還有多少油，還能跑多遠，看一眼心裡就有數了。換做是電動汽車，駕駛員則需要了解電池包還剩下多少電量。荷電狀态又叫剩餘電量，SOC，State of Charge，是反應電池包内當前電量占總體可用容量百分比的一個參數。駕駛員根據滿電狀态總的裡程數，可以推斷出當前電量的續航能力，也有車型直接顯示續航距離。

電量估計不準确的電動汽車，往往給車主帶來一些困擾。

電量跳變，即将停車的時候，掃了一眼電量，還剩下50%，估計回程勉強夠用了。過一會回來發動車子，發現電量指示在了40%，貌似回不去了……

突然掉電，電量還有30%的時候，一腳加速，驟然報警電量過低，停車了……

SOC的準确性，一直是電動汽車用戶诟病的重點，在網絡論壇上時常能看到，電動汽車車主說又被放到半路的抱怨帖。發展多年的電動汽車，SOC的準确估計仍然沒有做的特别好。

SOC預測存在哪些難題

1. 電池開路電壓(OCV)特性。電池開路電壓指的是電池在靜置狀态下，正負電極之間的電位差。以下圖為例，圖中展示的是兩種锂電池的OCV-SOC曲線。一般通過充電或者放電到特定SOC後，電池進行靜置一段時間(通常為兩個小時或者更長時間)測量得到的電池電壓，以此得出OCV-SOC曲線（注：一般而言，即便對于同一SOC，充電後和放電後靜置得到的OCV也是不一樣的）。對于三元類電池，SOC與OCV對應關系還好，嚴格單調，且不同SOC的OCV差異比較明顯。但是對于磷酸鐵锂而言，有一段相當長的SOC區間很平坦，OCV差異很小，而且并非嚴格單調的，表現為同一個OCV值對應多個SOC點。所以單純用SOC-OCV對應關系來預估SOC，存在靜置時間難以滿足，精準度不夠等難題。

2. 充放電倍率與端電壓對應關系特性。電池動态情況下，我們測量到的電池電壓，實際上電池的端電壓。下圖為一個簡單的電池一階RC模型，其中左側的電壓源代表OCV，R表征内阻，R1C1表征極化，右側輸出為端電壓。所以一旦電池進行充放電，則端電壓與OCV相差甚遠。

選取某個電流倍率，讓電池以該倍率進行恒流充電或者放電(注：同一電流下充和放，得到的曲線也是有差異的)，可以得到一組端電壓與SOC的對應關系。下圖為某一個溫度下，磷酸鐵锂電池不同倍率的端電壓曲線。那能否以這一曲線進行SOC預估呢？實際上，除了電池恒流充電階段，電池的工況電流很少有長時間恒流充放電階段，隻要有不同電流切換存在，那麼電池極化的差異就會讓端電壓偏離預測曲線。

3. 溫度特性。前面兩期有提到不同材料體系的電池，表現出來的溫度特性是不一樣的。以磷酸鐵锂為例，下圖為不同溫度下電池表現出的SOC與内阻關系。總體而言，電池的内阻随着溫度和SOC的變化而變化，且對于低溫很敏感。同理，OCV，極化等參數，也會随着溫度的變化而變化。這無疑進一步加劇了預測的難度。

4. 電池的成組效率。上述的特性是以單個電芯表現出來的特性。在實際整包應用中，由于電芯的串并聯組合，會使情況變得更加複雜。不同電芯間難免存在歐姆内阻、極化内阻、自放電率、初始容量等差别。如下圖為一個最簡單的例子：一個電池包由三個電芯串聯而成，額定容量為50Ah，不考慮均衡。由于額定容量和初始容量存在差異，實際在放電過程中，電量少的先放空，充電時電量多先充滿。這就造成了成組後的效率降低，也讓成組後的SOC預估更加困難。

5. 除此之外，其實還有很多因素會造成SOC預估困難，如實際BMS的MCU或者AFE測量精度，采樣頻率，日曆/循環壽命的影響等等。

總結：實際的多電芯串并聯組合的應用場合，是上述所有因素加權，共同影響着SOC的預估準确性，因此想要電池全生命周期範圍内都能準确預估SOC，依舊是一個世界性的難題。一般而言，對于電動車或者儲能領域，能保證全質保階段内，SOC精度控制在8%以内就相當不錯了。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!