电池充电状态和运行状态

监控提升电池的使用效率

与安全性

(相关资料图)

基于锂离子 (Li-ion) 电池单元的电池组广泛用于各种应用，例如混合动力汽车 (HEV)、电动汽车 (EV)、可供日后使用的再生能源储存，以及用于各种目的 (电网稳定性、调峰和再生能源时移等) 的电网能源储存。本文将为您介绍测量电池单元的充电状态 (SOC) 与运行状态 (SOH) 的技术发展，以及 ADI推出的相关解决方案。

精密估计电池SOC可以防止

电池过度充电和放电

在电动汽车与储能系统应用中，测量电池单元的充电状态（SOC）非常重要。SOC定义为可用容量（单位为Ah），以额定容量的百分比表示。SOC参数可看作一个热力学量，利用它可评估电池的潜在电能。估计电池的运行状态（SOH）也很重要，SOH以新电池为比较标准，衡量电池储存和输送电能的能力。

不过，想要确定的电池SOC是一个很复杂的任务，这与电池类型及其应用有关，所以近年来开展了许多旨在提高SOC估计精度的开发和研究工作。精确估计SOC是电池管理系统的主要任务之一，其有助于改善系统性能和可靠性，并且还能延长电池寿命。

事实上，精密估计电池SOC可以避免意料之外的系统中断，防止电池过度充电和放电（这可能导致电池永久损坏，具体取决于电池的内部结构）。然而，电池充电和放电涉及到复杂的化学和物理过程，在不同工作条件下精确估计SOC并不是轻而易举的事。

测量SOC的一般方法是非常精确地测量所有工作条件下流入和流出电池组的电量（库仑）和电流，以及电池组中各电池单元的电压，然后利用此数据和先前加载的与被监测电池完全相同的电池组数据，得出SOC的精确估计。这种计算需要的其他数据还包括电池温度、电池模式（测量时电池是充电还是放电）、电池年龄，以及从电池制造商那里获得的其他相关电池数据。

有时候可以从制造商那里获得关于锂离子电池在不同工作条件下的性能特性数据。确定SOC之后，便由系统负责在后续运行中更新SOC，基本上就是计数流入和流出电池的电量（库仑）。如果初始SOC的精度不够高，或者受其他因素影响，比如电池自放电和漏电效应，那么这种方法的精度可能无法令人满意。

锂离子电池组的等效电路模型

评估平台测量典型储能模块的

SOC和SOH

为了测量典型储能模块的SOC和SOH，涉及到一个库仑计数评估平台的设计和开发。评估平台主要由以下部分构成：硬件系统，包括MCU及所需的接口和外设，嵌入式软件，可用于SOC和SOH算法实现，以及基于PC的应用软件，用作用户界面以进行系统配置、数据显示和分析。

评估平台通过适当的ADC和传感器周期性测量各电池单元的电压值，以及电池组的电流和电压，并且实时运行SOC估计算法。此算法会使用测得的电压和电流值、温度传感器收集到的和／或PC软件程序提供的一些其他数据（例如来自数据库的制造商规格）。SOC估计算法的输出会被送到PC图形用户界面，以供动态显示和数据库更新。SOC和SOH估计主要使用三种方法，包括库仑计数法、电压法和卡尔曼滤波器法。这些方法适用于所有电池系统，尤其是混合动力电动汽车（HEV）、电动汽车（EV）和光伏（PV）应用。

库仑计数法也称为安培时计数和电流积分法，是计算SOC最常用的技术。这种方法通过电池电流读数对使用时间的积分来计算SOC值。库仑计数法通过累计传入或传出电池的电荷来计算剩余容量。这种方法的精度主要取决于对电池电流的精密测量和对初始SOC的精确估计。利用一个预知容量（可以是存储器记忆的或通过工作条件初始估计的），电池的SOC可以通过充电和放电电流对运行时间的积分来计算。

电压法则是通过电池的SOC（即其剩余容量）可利用受控条件下的放电测试来确定。电压法利用电池的已知放电曲线（电压与SOC的关系）将电池电压读数转换为等效SOC值。然而，由于电池的电化学动力学和温度，电池电流对电压的影响更严重。利用一个与电池电流成比例的校正项来补偿电压读数，并使用电池开路电压（OCV）与温度的查找表，可以使这种方法更准确。

卡尔曼滤波器则是一种可估计任何动态系统内部状态的算法，也可用来估计电池SOC。与其他估计方法相比，卡尔曼滤波器可自动提供关于自身状态估计的动态误差界。通过电池系统建模以将所需的未知量（如SOC）包含在其状态描述中，卡尔曼滤波器估计其值并给出估计的误差界。然后，它便成为一个基于模型的状态估计技术，利用误差校正机制来提供对SOC的实时预测。

卡尔曼滤波器原理

选择合适的SOC和SOH估计方法

选择合适的SOC估计方法时，应考虑多项标准。首先，SOC和SOH估计技术应可用于HEV和EV应用、可供日后使用的再生能源储存、电网能源储存所用的锂离子电池。此外关键的一点是，所选方法应当是计算复杂度低、精度高（估计误差低）的在线式实时技术。另外还要求估计方法使用电压、电流测量值，以及温度传感器收集到的和／或PC软件程序提供的其他数据。

为了克服库仑计数法的缺点并提高其估计精度，有人已提出一种增强型库仑计数算法来估计锂离子电池的SOC和SOH参数。初始SOC从加载的电压（充电和放电）或开路电压获得。损耗通过考虑充电和放电效率来补偿。通过对工作电池的最大可释放容量进行动态再校准，电池的SOH也可以同时估算出来，这又会进一步提高SOC估计的精度。

电池有三种工作模式：充电、放电和开路。在充电阶段，当电池以恒流恒压（CC-CV）模式充电时，制造商通常会说明电池电压和电流的变化。充电电流恒定时，电池电压逐渐提高，直至达到阈值。一旦电池以恒压模式充电，充电电流一开始会迅速降低，然后缓慢减小。最后，当电池完全充满时，充电电流趋于0。这一充电曲线在恒流阶段可转换为SOC与充电电压的关系，在恒压阶段可转换为SOC与充电电流的关系，充电期间的初始SOC可从这些关系推算出来。

在放电阶段，电池以不同电流放电时的典型电压曲线由制造商给出。随着工作时间的流逝，终端电压会降低。电流越大，终端电压下降得越快，故而工作时间越短。这样便可获得不同电流下SOC与放电电压的关系，进而推知放电阶段的初始SOC。

开路阶段需要OCV与SOC之间的关系。在断开负载之前，电池以不同电流放电。如果休息时间很长，可以利用OCV来估计SOC。电池的工作效率可通过库仑效率来评估，库仑效率定义为放电期间可从电池获取的电荷数与充电期间进入电池的电荷数之比。

有线电池管理系统（BMS）

多样解决方案满足电池监控需求

为了解决各种电池监控上的问题，ADI也推出多款产品解决方案，包括ADBMS6815这款多单元电池堆监控器，可测量多达12个串联电池单元，总测量误差（TME）小于1.5 mV。ADBMS6815具有0 V至5 V的电池测量范围，适合大多数电池化学应用。可在304 μs内测量所有12个电池单元，并选择较低的数据采集速率以便降噪。

此外，还可将多个ADBMS6815器件串联，以便同时监测很长的高压电池串。每个ADBMS6815都有一个isoSPI接口，用于进行不受射频干扰的远距离高速通信。多个器件以菊花链形式连接，通过最顶端或底端的器件连接到主处理器。该菊花链可双向操作，即使通信路径出错，也能确保通信完整性。

电池堆可直接为ADBMS6815供电，也可采用隔离电源对其供电。ADBMS6815包括针对每个电池的无源平衡，可对每个单元进行单独的脉宽调制（PWM）占空比控制。其他特性包括一个板载5 V稳压器、七个通用的输入／输出（GPIO）线路和一种电流消耗可降低至5.5 µA的休眠模式。ADBMS6815WFS型号设计用于汽车安全完整性等级能力D (ASIL D)的ISO 26262应用。

另一方面，ADI还推出LTC2949这款适用于电动车辆和混合动力车辆以及其他隔离式电流检测应用的高精度电流、电压、温度、电量监控器。通过同时监测多达两个检测电阻上的压降和电池组电压，它可以推断出流入和流出电池组的电量和电能。

此外，ADI推出的isoSPI隔离式通信接口的LTC6820，可通过单个双绞线连接在两个隔离器件之间提供双向SPI通信。每个LTC6820将逻辑状态编码为信号，并跨越一个隔离势垒将信号传送至另一个LTC6820。接收LTC6820对传输信号进行解码并把从总线驱动至适当的逻辑状态。隔离势垒可利用一个简单的脉冲变压器进行桥接，以实现几百伏的隔离度。

结语

无论是电动汽车还是储能系统应用，电池的运作效率都是提升相关产品效能的重要关键，通过监控电池的SoC与SoH状态，将可确保电池以高效率与稳定的方式运行。ADI针对电池监控应用推出的相关解决方案，将可提升电池运作的效能与安全性，更多相关的技术与产品细节，请洽ADI或艾睿电子以取得更详细的信息。

审核编辑：汤梓红