基于OCV-SOC曲线簇的磷酸铁锂电池SOC估算研究

通过对3.2 V/72 Ah能量型磷酸铁锂电池进行充放电试验,研究不同充放电倍率下的开路电压(OCV)与荷电状态(SOC)的关系。根据磷酸铁锂电池在静置状态下的电压滞回特性,构建了不同静置时间下的OCV-SOC曲线簇,并利用傅里叶高阶拟合和差值法建立电池OCV-SOC不同静置时间下的校正数据表,该数据表将对提高电池管理系统SOC估算精度具有较强的可行性和实用性。

智能多量程二次电池OCV-SOC特性曲线测量装置设计

二次电池OCV-SOC特性曲线的测量在电池研究和应用中有着重要的意义,但测量过程本身却费时费力。因此本文基于STC90C516单片机设计了一套能够自动测量OCV-SOC曲线的智能装置。该装置通过单片机控制放电回路的开通和关断实现了电池的放电和静置,从而达到了自动进行放电实验的目的。装置利用安时计量法实现了电池SOC的计算,并通过串联分压电位器和限流电位器的方式实现了电池电压的多量程检测,拓宽了装置的应用范围。

基于最小二乘法的磷酸铁锂电池SOC估计

从工程应用角度出发,将磷酸铁锂电池状态分为静置态、工作态和维护态。静置态下采用开路电压法,查询开路电压-荷电状态(OCV-SOC)关系曲线,获取SOC初值;工作态下采用安时(Ah)积分法估计SOC的变化量;给出判断磷酸铁锂电池进入维护态的三个条件,并在维护态下,通过最小二乘算法重新拟合OCV-SOC关系曲线,以纠正环境温度、电流、内阻、循环次数等变化的影响,避免了复杂算法和模型分析,提高了SOC估计精度。通过实验绘制了基于最小二乘算法的OCV-SOC变化曲线以及SOC-T曲线,进行误差和数据分析,给出最小二乘算法的C语言矩阵源码。结果表明,该SOC估计法不受电池单体、数学模型和参数变化的影响,简单易行,判断可靠,可应用在各种锂电池管理系统中。