关于锂离子电池在电动和混合动力汽车中监测方法的综述
摘要：在混合动力和纯电动汽车都配备了锂离子电池的电池管理系统（BMS）。系统由电池管理包括的硬件和软件组成。除其他外，确定电池的状态算法。在操作过程中电池状态的连续测定叫做电池监测。在本文中，该方法用于充电状态，容量，阻抗参数，可用功率，健康状况，和剩余寿命的监测，这个方法被检验致力于使用在线BMS系统应用的优点和缺点的详情。为此，350多个来源包括科学和技术文献的研究和相应的方法进行分类分组。
关键词：电池检测； 在线估算法； 能源预测； 充电状态； 健康状态
1.介绍
近年来在汽车行业混合充电车辆推进系统已经成为关键的趋势。这些趋势已经被考虑作为提高总有效率，降低甚至消除二氧化碳（CO2）的排放从车辆和其他污染物的排放量的主要工具。电池构成的关键成分不仅在于纯电池电动汽车（BEVS）也在于燃料电池电动汽车电能存储（FCEVs）和其他混合动力电动汽车（HEV）。目前只有锂离子电池（LIBS）被视为汽车应用的高度前瞻性技术，由于其良好的性能和降低成本的潜力[1,2]。
LIB组常常配备有电池管理系统（BMS）。BMS由硬件和软件构成，共同用于包括算法测定电池状态的电池管理。操作过程中电池状态的持续测定被称为电池监控。
由于电池是拥有由不同内外环境决定的独特非线性行为的复杂电化学设备，因此对电池进行监控是一项具有挑战性的任务。此外，随着电池寿命的缩短，这项任务会被电池特性的显著变化阻碍。另外，非常精准和可靠的电池监控是BMS的关键功能。该功能使得电池组在整个应用过程中得以安全和可靠地运转。因此，该功能需要针对电池监测的特殊算法。第二部分总结了对电池监测算法的要求。
接下来的部分回顾了对电池状态和科学与技术文献中的参数（图1）进行监测的方法。此项回顾的目的是为了阐述它们的强项和弱项而非为了详细描述它们格子的发展历程。若想得到对这些方法的详细描述，读者可以参考本文中各自的出处或者参考文献中的评论[3-22]。接下来的部分仅会介绍BEVs和HEVs中正在或可能被用于监测LIBs的方法。对其他电池，比如铅酸电池进行监测的方法也存在，但是超出了本文的研究范围。
就比喻意义而言，电池SoC可以用于替代传统交通工具中使用的燃油表。SoC是电池当前残留电量(Cr)与电池充满电状态下的电量Cbat之间的关系，用百分比的形式表示：SoC frac14; Cr/Cbat$100%。第三部分讲述了SoC的监测方法，第四部分讲述了估计总电量的方法。
在EV应用中，电池不仅需要向运转中的传动系统给提供一定电量，也需要在不同情境下提供一定电量，电池完成某些任务的能力被称为功能状态（SoF）。对于在EVs中运行的电流控制系统（EMS），有必要知道通过充电或放电可以分别进入或者流出电池的最大电量。该电流取决于当时的电池阻抗特性。第五和第六部分分别讲述了对电池阻抗和可用电流进行估计预测的方法。
由于电池的老化，随着电池使用时间的延长，电池储存与提供一定电流的能力也在降低。额外的电池状况指标（SoF）被用于显示该退化过程。第七部分讲述了应对电池退化的方法。
最终的电池状态被称为剩余有效期限（RUL）。RUL通常被理解为在电池使用寿命（EoL）截止之前，寿命的剩余时间或者剩余电流周期数量。
图二显示了电池监测系统中各方法间典型的相互作用和信息流。
2. 电池监测算法的要求。
这个部分提出了电池监测算法的要求（图3）。首先，该算法必须考虑电池特性。一个挑战是电池特性主要取决于电池的内部与外部环境（比如SoC，温度，电流）。另一个挑战是在电池的生命周期中，随着电池的老化，几乎所有的电池特性，包括电池容量和阻抗参数会有很大改变[23]。
第二，电池监测算法需要考虑LIBs的操作环境中强大的限制。LIBs的安全操作区域（SOA）由以下边界构成：
-最大放电电流和最大充电电流
-每个电池的最大和最小电压，以及
-最高和最低温度
这些限制在可用能量和电流的计算中具有重要作用。这些限制中有些是固定的（比如最大和最小电压，最高温度）。其他限制组可能取决于电池状态。比如，最大充电电流可能取决于温度，低温时，该电流需要降低以防止锂镀层的出现。对电池操作环境的所有限制必须至少考虑电池制造者的要求。此外，考虑到SOA，需要定义其他限制或者现有的限制需要被强化以防止电池的过渡老化。比如，最大SoC可以被限制。
第三，必须考虑目标硬件的特性，包括测量系统以及算法执行过程中的微控制系统。只有电池的电流，电压和温度可以通过低成本测量方式测量。为了测量系统的准确性必须进行一定的限制。尽管电池组电压和单个电池的电压可以被准确且低成本地测出，对电池的电流进行准确又低成本的测量仍然是一个难题，特别是在电流测量中需要考虑偏离误差。另一个需要考虑的大问题是对目标微控制系统电流和可用内存的测量。低成本微控制系统的共同特性是它们没有浮点单元（FPU），因为浮点单元与微控制系统的一体化过程通常会带来成本的增加。考虑到这个因素，监测算法必须能够很容易转换成固定点装置以避免会带来很大运算量的浮点模拟。为达到这个目的，监测算法必须数量充足因为数量的不足会在由算法向固定点转换的过程中恶化。
第四，必须考虑电池负荷的影响。监测算法可以通过可测的信号（电流，电压，温度）知晓电池状态。这些信号不仅取决于电池，还取决于负荷量，并且负荷量的不同会对这些信号产生很大影响。比如，大的电池负荷会导致快速的温度变化，这会导致每个电池中不同的温度分布，从而带来每个电极间局部SoC的差异，这种关系被记录在参考文献[24]中。这样的效应会使电池监测复杂化。
第五，必须考虑自动软件的共同要求。这些要求包括对可追踪软件的要求。为了应对故障或者不可预知结果的特殊情况，应当使重新生产自动软件或者了解问题的来源成为可能。因此，随时都需要限制对不确定性算法的使用。
所有这些要求导致了对电池监测算法进行完善的需求，该算法代表着在低成本目标硬件的准确性，耐用性，适应性以及适用性之间的某种这种方案。
3. 1安培时计算
当电池容量已知电池电流可以准确测量时，安培时计算可以准确计算SoC中的变化。该方法在LIBs中十分准确因为在正常操作中没有明显的副反应。然而，为了用此方法估计SoC，必须知道初试SoC。此外，当安培时计算被长期使用时，累积的测量误差可能会导致明显的不准确并且需要额外的再校准。因此，安培时仅仅会与辅助技术，如以OCV为基础的SoC估计一同使用。其他可能的辅助技术包括电流分析[25]或者基于电池电阻[26]对SoC进行的估计。然而，两种技术都拥有3.4中形容的基于阻抗的SoC估计过程中的所有不足之处。
安培时计算方法要求对当时电池容量的了解。对于一些电池技术而言，电池容量不仅仅取决于放电结束时的电池状况，也取决于整个放电过程（短期放电历史）中的电流。针对这些情况，在一些文献，比如参考文献[27,28]中提出了对安培时计算进行纠正的方法。LIBs的容量事实上与短期放电历史无关，而仅仅由放电结束时的电流和温度决定。因此，安培时计算方法名义上可以用于电池容量的计算并且在需要时重新计算其他的容量。
总之，由于以下原因，安培时是对BEVs和HEVs中LIBs的SoC进行估计的良好基础。
-测量电流的低成本传感器。
-被测量的电流很小，以及
-与其他技术的组合成为可能。
3.2 基于OCV的估计成为可能。
为了估计所有电池技术的SoC，实验对电池OCV和SoV的关系进行了研究。由于以下的原因，该关系可以被有效地用于BEVs和HEVs中的LIBs。
1) 许多HEVs和BEVs每天只使用几小时，并且几小时后它们就会被充满电。因此，电池在开放电路情况下使用足够的时间以完成对OCV的准确测量。一些HEVs和BEVs可能经常被使用，并且可能只有很短的事件用于测量电池OCV。电流中断后电池的高电压会逐渐降低，测量得出的OCV的值可能会被电池的高电压干扰。然而，有一些方法可以用来考虑OCV松弛度并且预测为准确估计SoC所需的“纯”电池OCV。3.2.1对这些方法进行了介绍。
2) OCV和SoC的关系在包括拥有镍-锰-钴（NMC）和镍-钴-铝氧化物（NCA）负极电池的众多LIB化学物中非常独特,其中的例外是拥有LiFePO4负极的电池。另一个优势是OCV与SoC的关系在电池的生命周期中只有微小的改变，这个改变可以忽略。s
3) 除了拥有LiFePO4 负极的电池，OCV滞变在常温与高温下可以被忽略。必要时可以整合额外的滞变模型，比如在参考文献[29-31]中提出的镍金属氰化物（NiMH）电池。然而，然而，如下文3.3中所说，滞变模型的使用需要复杂的基于模型的方法来对SoC进行估计。
考虑到安培时计算的这些方面和优势，将基于OCV和基于安培时的计算方法结合起来明显是一种对BEVs和HEVs中LIBs的SoC进行估计的简单而有效的方法。
参考文献
[1] A. Thielmann, A. Sauer, R. Isenmann, M. Wietschel, Technologie-Roadmap Energiespeicher fuuml;r die Elektromobilitauml;t 2030, Fraunhofer-Institut fuuml;r Sys- tem- und Innovationsforschung ISI, Karlsruhe, 2012.
[2] A. Thielmann, A. Sauer, R. Isenmann, M. Wietschel, P. Plouml;tz, Produkt-Road- map Lithium-Ionen-Batterien 2030, Fraunhofer-Institut fuuml;r System- und Innovationsforschung ISI, Karlsruhe, 2012.
[3] H.J. Bergveld, Battery Management Systems Design by Modelling (Ph.D.
thesis), University Twente, 2001.
[4] O. Bohlen, Impedance-Based Battery Monitoring (Ph.D. thesis), RWTH Aachen University, 2008.
[5] O. Bohlen, H. Blanke, S. Buller, B. Fricke, A. Hammouche, D. Linzen, M. Thele,
R.W. De, D.U. Sauer, in: Proceedings of 21st Electric Vehicle Symposium (EVS21), 2005.
[6] N.A. Chaturvedi, R. Klein, J. Christensen, J. Ahmed, A. Kojic, IEEE Control Syst.
Mag. 30 (2010) 49e68.
[7] A. Jossen, W. Weydanz, Moderne Akkumulatoren richtig einsetzen, Leipheim und Muuml;nchen, 2006, ISBN 3-937536-01-9.
[8] L. Lu, X. Han, J. Li, J. Hua, M. Ouyang, J. Power Sources 226 (2013) 272e288. [9] E. Meissner, G. Richter, J. Power Sources 116 (2003) 79e98.
[10] E. Meissner, G. Richter, J. Power Sources 144 (2005) 438e460.
[11] A. Mukherjee, Advances in Battery Management Using Neural Networks and Fuzzy Logic, School of Electrical and Computer Engineering, Cornell Uni- versity, Ithaca, NY 14850, 2003.
[12] S. Piller, M. Perrin, A. Jossen, J. Power Sources 96 (2001) 113e120.
[13] V. Pop, H.J. Bergveld, P.H.L. Notten, P.P.L. Regtien, Meas. Sci. Technol. 16 (2005) R93eR110.
[14] B. Price, J. Richardson, E. Dietz, in: Proceedings of IEEE International Con- ference on Electro/Information Technology (EIT), 2012, pp. 1e6.
[15] M.A. Roscher, Zustandserkennung von LiFePO4-Batterien fuuml;r Hybrid- und Elektrofahrzeuge (Ph.D. thesis), RWTH Aachen University, 2010.
[16] T. Sanders, J. Kowal, W. Waag, J.
剩余内容已隐藏，支付完成后下载完整资料
英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[287212]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
