摘要：電池管理技術(shù)對(duì)電池性能的發(fā)揮起到重要作用，其中電池全生命周期狀態(tài)估算（以荷電狀態(tài)和健康度狀態(tài)為主）是電池管理技術(shù)的一個(gè)重要方向。目前，電池荷電狀態(tài)和健康度狀態(tài)估算技術(shù)主要分為基于數(shù)據(jù)驅(qū)動(dòng)和基于模型驅(qū)動(dòng)的方法，在對(duì)兩類方法歸納總結(jié)和對(duì)比后，以實(shí)際工況運(yùn)用為目標(biāo)，對(duì)現(xiàn)有技術(shù)和常用方法的局限性進(jìn)行分析。最后，展望電池全生命周期狀態(tài)估算方法的研究發(fā)展和挑戰(zhàn)，以期為各相關(guān)領(lǐng)域的電池管理技術(shù)提供設(shè)計(jì)參考。

關(guān)鍵詞：電池管理技術(shù);荷電狀態(tài);健康度;狀態(tài)估算;數(shù)據(jù)驅(qū)動(dòng);模型驅(qū)動(dòng)

電池儲(chǔ)能系統(tǒng)是一種復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)，具有對(duì)環(huán)境敏感、故障突發(fā)、性能衰減等特性[1]。在電池制造技術(shù)現(xiàn)有水平之上，電池管理技術(shù)對(duì)電池性能的發(fā)揮起到重要作用，其中電池全生命周期狀態(tài)估算（以荷電狀態(tài)和健康度狀態(tài)為主）是電池管理技術(shù)的一個(gè)重要方向。

電池荷電狀態(tài)（SOC）是電池管理系統(tǒng)中的重要指標(biāo)，其他管理策略都是以SOC為基礎(chǔ)展開。作為電池運(yùn)行狀態(tài)的核心，高精度和高魯棒性的SOC估算方法可提高電池使用效率，延長(zhǎng)其使用壽命，保證電池儲(chǔ)能系統(tǒng)的安全性[2]。

電池健康度狀態(tài)（SOH）機(jī)理復(fù)雜，受環(huán)境溫度、充放電電流強(qiáng)度、內(nèi)阻劣化等因素影響。通過實(shí)際運(yùn)行測(cè)試證明，僅僅依靠電池管理系統(tǒng)采集的充放電數(shù)據(jù)很難準(zhǔn)確估算SOH。電池的健康度狀態(tài)是一個(gè)受多方面因素影響的時(shí)變參數(shù)，該狀態(tài)對(duì)電池的使用和維護(hù)具有重要的價(jià)值。

1?電池荷電狀態(tài)估算技術(shù)分析

電池荷電狀態(tài)SOC定義為在一定的充放電倍率下，電池剩余電量與相同條件下額定容量的比值，該值無法通過電池管理系統(tǒng)直接采集獲得，只能通過構(gòu)建其它參數(shù)與SOC的關(guān)聯(lián)并通過數(shù)學(xué)方法得出。目前SOC估算算法主要有：基于定義/特性的方法、基于數(shù)據(jù)驅(qū)動(dòng)的方法和基于電池模型的方法。

1.1?基于定義/特性的方法

這類方法主要指安時(shí)積分法和開路電壓法。安時(shí)積分法利用電池充放電過程中，通過對(duì)時(shí)間和電流積分（有時(shí)還會(huì)加上某些補(bǔ)償系數(shù)），計(jì)算充入或放出的電量，將此電量除以額定容量，再與電池初始的SOC做相應(yīng)的加減運(yùn)算，如式（1）所示。這是一種簡(jiǎn)單、可靠的SOC估計(jì)方法，也是目前電池管理系統(tǒng)較多采用的方法，但是由于不準(zhǔn)確的SOC初始值以及噪聲、溫度、電流劇烈波動(dòng)等因素?cái)_動(dòng)，將造成誤差不斷累積。

開路電壓法通過實(shí)驗(yàn)驗(yàn)證了開路電壓與SOC有一定的函數(shù)關(guān)系，通過該函數(shù)關(guān)系來估算SOC，由于開路電壓的獲取需要長(zhǎng)時(shí)間將電池靜置，在實(shí)際應(yīng)用中局限性較大，該方法常用于輔助其它方法計(jì)算SOC的初值。

1.2?基于數(shù)據(jù)驅(qū)動(dòng)的方法

基于數(shù)據(jù)驅(qū)動(dòng)的方法主要是指機(jī)器學(xué)習(xí)算法。該類方法以數(shù)據(jù)為基礎(chǔ)，通過對(duì)數(shù)據(jù)的學(xué)習(xí)、訓(xùn)練、分析建立電池模型去模擬電池的特性。通常用電壓、電流、溫度等可測(cè)量作為訓(xùn)練輸入，SOC?作為輸出，運(yùn)用各類神經(jīng)網(wǎng)絡(luò)模型進(jìn)行大量訓(xùn)練，獲得精確的SOC估算結(jié)果。該方法不再依賴電池模型結(jié)構(gòu)及電池參數(shù)，容易實(shí)現(xiàn)，但需要大量運(yùn)行于各種工況下的數(shù)據(jù)進(jìn)行訓(xùn)練，所建模型誤差與訓(xùn)練數(shù)據(jù)密切相關(guān)，網(wǎng)絡(luò)參數(shù)較多，計(jì)算量較大，在實(shí)際應(yīng)用中存在一定的局限性。

1.3?基于電池模型的方法

該類方法需要建立電池的等效模型，基于模型通過擴(kuò)展卡爾曼濾波法、觀測(cè)器法、粒子濾波法等濾波器算法估算。

常用的電池模型包括等效電路模型和電化學(xué)模型，目前等效電路模型已經(jīng)得到廣泛應(yīng)用。典型的電池等效電路模型有線性模型、戴維南模型、PNGV模型和多階RC模型等[3]。圖1[4]為二階RC模型示例，其中Uocv為電壓源，即開路電壓，R0表示電池的歐姆內(nèi)阻，兩個(gè)RC環(huán)節(jié)疊加模擬電池極化過程。

采用高精度的等效電路模型雖然可以獲得更高精度SOC估計(jì)值，但隨著精度的增加，模型的復(fù)雜度也隨之增加，繼而增加了狀態(tài)空間方程的推導(dǎo)難度及方程自身的復(fù)雜度，使得在實(shí)際應(yīng)用中對(duì)SOC估計(jì)值的計(jì)算難度大幅增加[5]。文獻(xiàn)[6]通過測(cè)試對(duì)比了11種等效電路模型，得出一階和二階RC電路模型是相對(duì)最好的等效電路模型。

電池等效模型建立后，首先需要進(jìn)行OCV-SOC（開路電壓-荷電狀態(tài)）標(biāo)定實(shí)驗(yàn)，通過在特定環(huán)境下利用混合脈沖實(shí)驗(yàn)，將電池充/放電到相同間隔的不同SOC點(diǎn)上，靜置后記錄電池的端電壓（此時(shí)即開路電壓）。在處理離散的開路電壓和SOC數(shù)據(jù)時(shí)，采用插值或擬合的方法，可以得到準(zhǔn)確的函數(shù)表達(dá)式。OCV與SOC的曲線是估計(jì)SOC值的依據(jù)之一，其準(zhǔn)確性直接影響SOC值的準(zhǔn)確性[7]。

得到OCV-SOC的函數(shù)關(guān)系后，利用該關(guān)系和一些數(shù)學(xué)方法（如帶遺忘因子的遞推最小二乘法）對(duì)電池模型參數(shù)進(jìn)行實(shí)時(shí)辨識(shí)，最后利用各類濾波器算法設(shè)計(jì)SOC預(yù)測(cè)和更新器。

擴(kuò)展卡爾曼濾波方法是一種常用估計(jì)SOC的方法，該方法是通過調(diào)節(jié)模型參數(shù)獲得最優(yōu)估計(jì)，對(duì)SOC初始值誤差的敏感度低。然而，估算過程中需要計(jì)算雅可比矩陣，增加了計(jì)算量，同時(shí)該方法的精度對(duì)模型精度要求較高[8]。在擴(kuò)展卡爾曼濾波基礎(chǔ)上衍生出了無跡卡爾曼濾波算法，在處理誤差協(xié)方差上具有更好的精度。觀測(cè)器方法雖然能提高SOC估計(jì)精度及魯棒性，但是該方法的性能容易被系統(tǒng)噪聲破壞。粒子濾波算法通過貝葉斯濾波準(zhǔn)則對(duì)隨機(jī)粒子進(jìn)行加權(quán)遞歸從而實(shí)現(xiàn)以樣本均值代替積分運(yùn)算，獲得狀態(tài)的最小方差估計(jì)，具有較高精度，但該方法存在粒子退化、貧化問題[9]。

2?電池健康度估算技術(shù)分析

電池的SOH描述的是電池相對(duì)于全新狀態(tài)的老化程度，為電池使用一段時(shí)間后的最大可用容量與其所對(duì)應(yīng)的標(biāo)稱容量的比值。分別從容量和內(nèi)阻的角度定義?SOH?為

其中Cnow?為電池當(dāng)前可用容量，Cnew?為標(biāo)稱容量;Rr?為電池當(dāng)前實(shí)時(shí)內(nèi)阻，RBOL?為電池壽命終止時(shí)內(nèi)阻，Rnew?為新電池內(nèi)阻。

SOH無法通過直接測(cè)量獲得，目前的研究多是根據(jù)電壓、電流、溫度等可測(cè)量進(jìn)行估算，通過對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行分析，常見的電池?SOH?估算可分為兩類：基于模型驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的算法。

模型驅(qū)動(dòng)的算法以電池特性原理為切入點(diǎn)，對(duì)電池建立等效電路模型，仿真電池的充放電過程或衰減趨勢(shì)，并通過數(shù)學(xué)方法對(duì)包括電池容量、內(nèi)阻特性指標(biāo)的模型參數(shù)進(jìn)行辨識(shí)，建立特征參數(shù)與SOH之間的數(shù)學(xué)關(guān)系，通過統(tǒng)計(jì)濾波算法（卡爾曼濾波及其擴(kuò)展方法、粒子濾波及其擴(kuò)展方法等）實(shí)現(xiàn)SOH的最優(yōu)估計(jì)。該類方法精度高度依賴于模型，計(jì)算量大，且需要根據(jù)不同型號(hào)和不同狀態(tài)的電池實(shí)時(shí)修正模型。

基于數(shù)據(jù)驅(qū)動(dòng)的估算方法根據(jù)電池各種老化測(cè)試中所獲取的數(shù)據(jù)，通過機(jī)器學(xué)習(xí)方法或深度學(xué)習(xí)建立估算輸入和SOH之間的非線性映射關(guān)系，從而實(shí)現(xiàn)SOH估算，主要包括支持向量機(jī)、模糊邏輯、高斯過程回歸、神經(jīng)網(wǎng)絡(luò)等方法，是實(shí)用性較強(qiáng)的SOH估算方法。該類方法精度較高，泛化能力強(qiáng)，并已得到廣泛應(yīng)用。但運(yùn)算量較大，精度依賴于模型訓(xùn)練數(shù)據(jù)的有效性，且訓(xùn)練數(shù)據(jù)需要包含各種運(yùn)行工況，測(cè)試工作量巨大。

3?部分改進(jìn)方法分析

通過前兩節(jié)的分析發(fā)現(xiàn)，無論是電池荷電狀態(tài)估算還是健康度估算，常用的都是兩類方法：基于數(shù)據(jù)驅(qū)動(dòng)的方法和基于模型的方法。

基于數(shù)據(jù)驅(qū)動(dòng)的方法，文獻(xiàn)[11]提出一種基于深度學(xué)習(xí)的鋰離子電池SOC和SOH聯(lián)合估算方法，基于門控循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)，利用電池電壓、電流、溫度，實(shí)現(xiàn)電池全生命周期內(nèi)的SOC和SOH聯(lián)合估算。楊學(xué)平等人[12]建立了基于BP神經(jīng)網(wǎng)絡(luò)的鋰離子動(dòng)力電池荷電狀態(tài)預(yù)測(cè)估計(jì)模型，以某動(dòng)力電池充放電實(shí)驗(yàn)為依據(jù)，將采集的數(shù)據(jù)引入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行學(xué)習(xí)訓(xùn)練，為鋰離子動(dòng)力電池的荷電估算提供了科學(xué)預(yù)測(cè)估計(jì)算法依據(jù)。吳鐵洲等人[13]采用螢火蟲算法（FA）優(yōu)化BP神經(jīng)網(wǎng)絡(luò)對(duì)鋰離子電池進(jìn)行健康狀態(tài)（SOH）估算，利用FA算法全局尋優(yōu)的能力和收斂速度快的特點(diǎn)，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，解決BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值和收斂速度慢的問題。而這類方法的研究，基本都是基于各類神經(jīng)網(wǎng)絡(luò)及一些輔助優(yōu)化方法，并通過Matlab仿真或?qū)腴_源實(shí)驗(yàn)數(shù)據(jù)集，如牛津大學(xué)電池老化開源數(shù)據(jù)，少數(shù)會(huì)通過特定型號(hào)電池在特定環(huán)境下的運(yùn)行數(shù)據(jù)制作測(cè)試和驗(yàn)證數(shù)據(jù)集，距離能夠?qū)嶋H運(yùn)用尚有一段距離，電池實(shí)際工況中外部、內(nèi)部環(huán)境多變、電池老化等因素制約著訓(xùn)練模型的通用性。

基于電池模型的方法，文獻(xiàn)[15]針對(duì)單一的等效電路模型難以準(zhǔn)確描述全時(shí)段電池狀態(tài)，?估計(jì)電池荷電狀態(tài)（SOC）準(zhǔn)確度低的問題，提出采用多模模型的電池荷電狀態(tài)聯(lián)合估計(jì)算法，?利用貝葉斯定階準(zhǔn)則綜合模型的準(zhǔn)確度和實(shí)用性來確定RC具體階數(shù)。來鑫等人[16]針對(duì)傳統(tǒng)混合脈沖測(cè)試法在非測(cè)試點(diǎn)不能描述電池非線性特性和小電流恒流放電法得到的OCV曲線精度不足等問題，提出一種基于粒子群優(yōu)化算法的OCV曲線優(yōu)化方法。談發(fā)明等人[17]考慮到電池滯回效應(yīng)的影響，提出簡(jiǎn)化的滯回開路電壓模型，修正開路電壓與荷電狀態(tài)之間的關(guān)系，以提升電池等效電路模型的精度，針對(duì)測(cè)量噪聲異常擾動(dòng)、模型發(fā)生變化及荷電狀態(tài)初值存在偏差的情況，利用分階段變換測(cè)量協(xié)方差及構(gòu)建自適應(yīng)因子方法對(duì)無跡卡爾曼濾波算法改進(jìn)，以平衡荷電狀態(tài)的估計(jì)精度和收斂速度。這類方法依然存在著局限性：1.該類方法多數(shù)以O(shè)CV-SOC的擬合關(guān)系作為后續(xù)估算的基礎(chǔ)，而目前擬合實(shí)驗(yàn)基本都是在特定實(shí)驗(yàn)環(huán)境下進(jìn)行，很少考慮環(huán)境、溫度、電池不同老化程度的影響，而不同型號(hào)、不同批次甚至即使相同批次的電池，其OCV-SOC的擬合關(guān)系都會(huì)有差異。2.各類濾波算法精度高度依賴模型精度，電池模型能否適用于電池的全生命周期仍待驗(yàn)證。

結(jié)語

電池全生命周期狀態(tài)估算對(duì)于電池管理具有重要意義，本文對(duì)現(xiàn)有電池荷電狀態(tài)和健康度估算技術(shù)進(jìn)行了總結(jié)分析，針對(duì)實(shí)際工況的運(yùn)用提出以下建議以進(jìn)一步研究。

（1）采用數(shù)據(jù)驅(qū)動(dòng)方法進(jìn)行預(yù)測(cè)目前多停留在實(shí)驗(yàn)環(huán)境和開源測(cè)試數(shù)據(jù)集，即使將該方法運(yùn)用于實(shí)際工況，根據(jù)電池管理系統(tǒng)（BMS）采集和計(jì)算的歷史數(shù)據(jù)構(gòu)成訓(xùn)練集訓(xùn)練模型，將最新實(shí)時(shí)采集數(shù)據(jù)代入模型得到輸出，其結(jié)果也只是和BMS計(jì)算的結(jié)果相近，而目前BMS由于多種因素制約導(dǎo)致計(jì)算的SOC并不精確。將神經(jīng)網(wǎng)絡(luò)方法真正應(yīng)用于實(shí)際工況，電池廠商和BMS廠商仍需要針對(duì)不同電池不同環(huán)境下做大量測(cè)試工作，且該方法計(jì)算量大，對(duì)BMS的計(jì)算能力是一項(xiàng)挑戰(zhàn)。

（2）采用模型驅(qū)動(dòng)方法進(jìn)行預(yù)測(cè)仍需要對(duì)算法在不同環(huán)境、不同實(shí)際工況的有效性、精確性進(jìn)行測(cè)試、驗(yàn)證和修正。

（3）目前針對(duì)電池狀態(tài)估算研究多集中于單體電池，電池成組、成簇、成堆后，由于電池單體不一致性，整體特性和單體存在差異，應(yīng)針對(duì)該方面進(jìn)行驗(yàn)證。

（4）能量管理系統(tǒng)EMS廠商可憑借其存儲(chǔ)大量歷史數(shù)據(jù)的優(yōu)勢(shì)，開發(fā)輔助算法，結(jié)合BMS進(jìn)一步提高預(yù)測(cè)精度。

參考文獻(xiàn)

魏婧雯.儲(chǔ)能鋰電池系統(tǒng)狀態(tài)估計(jì)與熱故障診斷研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2019.

周娟，孫嘯，劉凱，等.聯(lián)合擴(kuò)展卡爾曼濾波的滑膜觀測(cè)器SOC估算算法研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2021，41（2）：692-702.

郭向偉.電動(dòng)汽車電池荷電狀態(tài)估計(jì)及均衡技術(shù)研究[D].廣州：華南理工大學(xué)，2016.

鄒琳，劉佳俊，馬國(guó)慶，等.基于雙無跡卡爾曼濾波的鋰電池SOC估算[J].電源技術(shù)，2021，45（4）：450-454.

王曉蘭，靳皓晴，劉祥遠(yuǎn).基于融合模型的鋰離子電池荷電狀態(tài)在線估計(jì)[J].工程科學(xué)學(xué)報(bào)，2020，42（9）：1200-1208.

LAI?X，ZHENG?YJ，SUN?T.A?comparative?study?of?different?equivalent?circuit?models?for?estimating?state-of-charge?of?lithium-ion?batteries[J].?Electrochimica?Acta，2018，259：566-577.

李偉，劉偉嵬，鄧業(yè)林.基于擴(kuò)展卡爾曼濾波的鋰離子電池荷電狀態(tài)估計(jì)[J].中國(guó)機(jī)械工程，2020，31（3）：321-327.

ZHANG?Yongzhi，XIONG?Rui，HE?Hongwen，et?al.Lithium-Ion?battery?pack?state?of?charge?and?state?of?nergy?estimation?algorithms?using?a?hardware-in-the-loop?validation[J].IEEE?Transactions?on?Power?Electronics，2017，32（6）：4421-4431.

李天成，范紅旗，孫樹棟.粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J].自動(dòng)化學(xué)報(bào)，2015，41（12）：1981-2002.

李超然，肖飛，樊亞翔，等.基于卷積神經(jīng)網(wǎng)絡(luò)的鋰離子電池SOH估算[J].電工技術(shù)學(xué)報(bào)，2020，35（19）：4106-4119.

李超然，肖飛，樊亞翔，等.基于深度學(xué)習(xí)的鋰離子電池SOC和SOH聯(lián)合估算[J].中國(guó)電機(jī)工程學(xué)報(bào)，2021，41（2）：681-691.

楊學(xué)平，王正江，蔣超宇，等.基于BP神經(jīng)網(wǎng)絡(luò)法研究鋰電池核電狀態(tài)[J].材料導(dǎo)報(bào)，2019，33：53-55.

吳鐵洲，劉思哲，張曉星，等.基于FA-BP神經(jīng)網(wǎng)絡(luò)的鋰離子電池SOH估算[J].電池，2021，51（1）：21-25.

楊學(xué)平，王正江，蔣超宇，等.基于BP神經(jīng)網(wǎng)絡(luò)法研究鋰電池核電狀態(tài)[J].材料導(dǎo)報(bào)，2019，33：53-55.

李凌峰，宮明輝，烏江.采用多模模型的鋰離子電池荷電狀態(tài)聯(lián)合估計(jì)算法[J].西安交通大學(xué)學(xué)報(bào)，2021，55（1）：78-85.

來鑫，李云飛，鄭岳久.基于SOC-OCV優(yōu)化曲線與EKF的鋰離子電池荷電狀態(tài)全局估計(jì)[J].汽車工程，2021，43（1）：19-26.

談發(fā)明，趙俊杰，李秋燁.基于簡(jiǎn)化滯回OCV模型的鋰電池SOC自適應(yīng)估計(jì)策略[J].中國(guó)電機(jī)工程學(xué)報(bào)，2021，41（2）：703-714.

作者簡(jiǎn)介：蘇磊（1987—??），男，漢族，安徽人，碩士，工程師，研究方向：電力數(shù)據(jù)分析。