충전 상태를 추정하는 방법은 무엇입니까?
SOC 추정
배터리의 충전 상태(SOC)는 배터리 사용 중 가장 중요한 매개변수 중 하나입니다. SOC는 충방전율(전류), 온도, 자가방전, 노후화 등의 요인에 영향을 받기 때문에 배터리는 사용 중 비선형성이 높아 정확한 SOC 추정이 어렵습니다.
SOC 추정 방법
일반적으로 사용되는SOC 추정 방법방전 실험법, 암페어{0}}시간 적분법, 개방-전압법, 부하 전압법, 내부 저항법, 신경망법, 칼만 필터링법 등이 있습니다.
1) 방전 실험 방법. 방전 실험 방법은 가장 신뢰할 수 있는 SOC 추정 방법입니다. 지속적인 방전을 위해 정전류를 사용하며, 방전 전류와 시간을 곱한 것이 남은 충전량입니다. 방전 실험 방법은 실험실에서 자주 사용되며 모든 배터리에 적용 가능하지만 두 가지 중요한 단점이 있습니다. 첫째, 많은 시간이 필요합니다. 둘째, 배터리 작동을 중단해야 합니다. 방전 실험 방법은 주행 중인 전기 자동차에는 적합하지 않지만 전기 자동차 배터리의 유지 관리에는 사용할 수 있습니다.
2)암페어-시간 적분 방식. 암페어{3}}시간 통합 방법은 가장 일반적으로 사용되는 SOC 추정 방법입니다. 그러나 이 방법에는 다음과 같은 문제가 있습니다.전류 측정SOC 계산 편차가 발생하고 시간이 지남에 따라 오류가 누적되어 더 커집니다. 충전-배터리의 방전 효율을 고려해야 합니다. 온도가 높은-조건이나 배터리 변동이 심한 경우에는 오류가 더 커집니다. 부정확한 전류 측정은 고성능-전류 센서를 사용하여 해결할 수 있지만 비용이 증가합니다. 충전-방전 효율을 해결하려면 많은 양의 실험 데이터를 숙지하고 충전-효율에 대한 경험식을 확립해야 합니다. 암페어-시간 적분 방식은 모든 전기 자동차 배터리에 사용할 수 있습니다. 전류 측정이 정확하고 초기 추정 상태에 대한 충분한 데이터가 있다면 간단하고 신뢰할 수 있는 SOC 추정 방법이 될 수 있습니다.
3)개방-회로 전압 방식. 방전 종료 시 배터리의 개방-전압은 배터리 기전력에 가깝습니다. 코발트-산 배터리의 기전력은 전해질 농도의 함수이며 배터리 방전에 비례하여 감소하므로 개방 회로 전압을 사용하여 SOC를 추정할 수 있습니다. MH/Ni 배터리 및 리튬{9}}이온 배터리의 개방 회로 전압 대 SOC 관계의 선형성은 코발트산 배터리의 선형성만큼 좋지는 않지만 해당 관계를 사용하여 SOC를 추정할 수 있으며 특히 충전 시작과 종료 시 더 나은 결과를 얻을 수 있습니다. 개방형-전압 방식의 중요한 단점은 전압을 안정화하기 위해 배터리를 오랫동안 정지해야 하고 배터리 상태가 작동에서 안정 상태로 회복되는 데 몇 시간 또는 심지어 10시간 이상이 소요된다는 점입니다. 이로 인해 측정이 다소 어려워집니다. 얼마나 오래 쉬어야 하는지도 문제가 되기 때문에 단독으로 사용할 경우 이 방법은 주차된 상태의 전기차에만 적합하다. 개방형-전압 방식은 충전 시작과 종료 시 SOC 추정 성능이 양호하며 암페어시간 적분 방식과 결합하여 사용되는 경우가 많습니다.
4)부하전압 방식. 순간 방전이 시작되면 전압은 개방-회로 전압 상태에서 부하 전압 상태로 빠르게 변화합니다. 배터리 부하 전류가 일정하게 유지되면 SOC의 부하 전압 변동 패턴은 SOC의 개방{4}}전압 패턴과 유사합니다. 부하전압 방식의 장점은 배터리 팩의 SOC를 실시간으로 추정할 수 있고 정전류 방전 시 좋은 결과를 얻을 수 있다는 점입니다.- 실제 애플리케이션에서는 드라이버의 배터리 전압으로 인해 부하 전압을 사용하기가 어렵습니다. 이 문제를 해결하려면 배터리 전압 데이터, 독립적인 동적 부하 전압 및 SOC에 대한 수학적 모델이 필요합니다. 따라서 부하전압 방식은 실제 차량에는 거의 적용되지 않으며, 배터리 충전-방전 차단 기준으로 자주 사용됩니다.
5) 내부저항법. 배터리 내부 저항은 AC 내부 저항과 DC 내부 저항으로 구분되며, 둘 다 SOC(충전 상태)와 밀접한 관련이 있습니다. 배터리 AC 임피던스는 AC 전류에 대한 배터리의 저항을 나타내는 복합 변수인 배터리 전압과 전류 사이의 전달 함수이며 AC 임피던스 측정기를 사용하여 측정됩니다. 배터리 AC 임피던스는 온도에 크게 영향을 받습니다. 배터리가 안정화된 후 개방 회로 상태에서 측정할지 아니면 충전 및 방전 중에 측정할지 여부는 논란의 여지가 있으며 실제 차량에서는 거의 사용되지 않습니다. DC 내부 저항은 DC 전류에 대한 배터리의 저항을 나타내며, 매우 짧은 시간 동안 배터리 전압 변화와 전류 변화의 비율과 같습니다. 실제 측정에서 배터리는 개방-회로 상태에서 시작하여 일정한 전류로 충전 또는 방전됩니다. 동일한 기간 동안 부하 전압과 개방 회로 전압 간의 차이를 전류 값으로 나눈 값이 DC 내부 저항입니다. 납산 배터리의 경우{10}}DC 내부 저항은 방전 후반 단계에서 크게 증가하며 이를 사용하여 배터리 SOC를 추정할 수 있습니다. MH/Ni 배터리 및 리튬{11}}이온 배터리의 DC 내부 저항 변화는 납산 배터리의 DC 내부 저항 변화와 다르며 덜 일반적으로 사용됩니다. DC 내부 저항의 크기는 계산 기간의 영향을 받습니다. 기간이 10ms보다 짧으면 옴 내부 저항만 감지할 수 있습니다. 시간이 길어지면 내부 저항이 더욱 복잡해집니다. 단일 셀의 내부저항을 정확하게 측정하는 것이 어려운데, 이는 DC 내부저항 방식의 단점이다. 내부 저항법은 방전 후기에 배터리의 충전 상태(SOC)를 추정하는 데 적합하며 암페어{18}}시간 적분법과 조합하여 사용할 수 있습니다.
6) 신경망 방식. 배터리는 매우 비선형적인 시스템이므로 충전{2}}방전 과정에 대한 정확한 수학적 모델을 설정하기가 어렵습니다. 신경망은 기본적인 비선형 특성, 병렬 구조 및 학습 기능을 갖추고 있습니다. 외부 자극에 해당하는 출력을 생성하여 배터리 동적 특성을 시뮬레이션하여 SOC를 추정할 수 있습니다. 일반적인 3계층 신경망은 일반적으로 배터리 SOC를 추정하는 데 사용됩니다. 입력 및 출력 계층의 뉴런 수는 실제 문제 요구 사항에 따라 결정되며 일반적으로 선형 함수입니다. 은닉층의 뉴런 수는 문제의 복잡성과 필요한 분석 정확도에 따라 달라집니다. 배터리 SOC를 추정하기 위해 일반적으로 사용되는 입력 변수로는 전압, 전류, 누적 방전 용량, 온도, 내부 저항, 주변 온도 등이 있습니다. 신경망 입력 변수의 선택이 적절한지, 변수 개수가 적절한지 여부는 모델의 정확도와 계산 부하에 직접적인 영향을 미칩니다. 신경망 방식은 다양한 배터리에 적용 가능하지만, 훈련을 위해 많은 양의 참조 데이터가 필요하고, 훈련 데이터와 훈련 방법에 따라 추정 오차가 큰 영향을 받는다는 단점이 있다.
7) 칼만 필터 방식. 칼만 필터 이론의 핵심 아이디어는 최소 분산이라는 의미에서 동적 시스템의 상태를 최적으로 추정하는 것입니다. 배터리 SOC 추정에 적용하면 배터리는 동적 시스템으로 간주되며 SOC는 내부 상태 중 하나입니다. 배터리 SOC 추정을 위한 칼만 필터 방식에 대한 연구는 최근에야 시작됐다. 이 방법은 다양한 배터리에 적합하며, 다른 방법에 비해 전류 변동이 큰 전기자동차 배터리 팩의 SOC 추정에 특히 적합합니다. SOC 추정치를 제공할 뿐만 아니라 SOC 추정 오차도 제공합니다. 그러나 이 방법의 단점은 알고리즘이 지나치게 복잡하고 시스템의 높은 계산 능력을 요구하기 때문에 아직 실용화 단계에 진입하지 못했다는 점이다.
다양한 SOC 추정 방법에 대한 심층적인 연구를 통해{0}처음에는 암페어{1}시간 적분 방법을 기본으로 선택했습니다. 개방형-전압 방식과 결합하여 배터리 전류를 정확하게 측정하고 배터리 충전-방전 효율, 온도, 노화 및 자체 방전과 같은 요소를 고려하여-순수 전기 자동차의 전원 배터리를 동적으로 관리합니다. 순수 전기 자동차의 경우 배터리 팩은 기본적으로 완전-충전 및 완전-방전 상태에서 작동하며 대부분의 충전 프로세스는 정전류 충전입니다.- 충전이 완료된 후에는 비교적 안정적인 초기값 판단점이 있다(충전이 완료되면 SOC가 100%이거나 약간 과충전된 상태). 배터리 팩의 충전-효율이 매우 높은 경우(95% 이상) 충전-효율은 특정 상수 값과 대략 1 또는 동일할 수 있습니다. 이 방법을 사용하여 SOC를 계산하면 비교적 좋은 결과를 얻을 수 있습니다. 각 충전-주기마다 누적된 오차는 초기 SOC 값의 재보정과 함께 다음 충전이 완료되면 기본적으로 제거됩니다.
SOC 추정 입력의 정확성을 보장하기 위해{0}}배터리 전압, 전류 및 온도 정보에 대한 고정밀 측정을 수행합니다. 이론적인 분석과 실험 데이터의 피팅을 통해 효과적인 배터리 모델을 구축합니다. 충전 및 방전 종료 시 SOC를 보정하여 누적된 SOC 오류를 제거합니다. 배터리 충전-방전 효율 요소, 온도, 노화 및 자체 방전 효과를 고려하여-시스템 SOC의 고정밀-추정이 달성됩니다. 배터리 상태-의-충전 추정 알고리즘은 그림 17-12에 나와 있습니다.
(1) SOC 초기값 계산 방법SOC 초기값은 전원이 꺼졌을 때 저장된 SOC와-온도-OCV-SOC 룩업 테이블에서 얻은 SOC에 시스템 오프라인 시간과 관련된 계수를 곱하여 구합니다. SOC 초기값은 시스템 전원을 켤 때마다 읽어야 합니다.
(2) 개별 셀 SOC 값 계산 및 SOH 값을 기준으로 개별 셀 SOC 값 보정온도와 충전 전류를 이용하여 테이블을 조회하여 배터리 용량을 구하고, SOH를 이용하여 테이블을 조회하여 배터리 용량을 보정하였다. 전류를 암페어-시간 방식으로 적분한 후 용량으로 나누어 SOC 변화 값을 구합니다. 초기값에 SOC 변화값을 더해 개별 셀 SOC 값을 얻는다.
(3) 배터리 팩 SOC 계산시스템 전원을 다시 켜면 읽은 SOC 초기 값이 배터리 팩 SOC로 사용됩니다. 방전 상태인 경우 배터리 팩 SOC는 개별 셀 SOC 중 최소값을 읽습니다. 충전 상태이고 충전이 완료되지 않은 경우 배터리 팩 SOC는 최대 모듈 SOC 값을 읽습니다. 충전 상태에서 충전이 완료되면 배터리 팩 SOC는 1로 설정됩니다.
(4)충방전 종료 시 개별 셀 SOC 보정 방법시스템이 충전 상태에 있고 배터리 팩 SOC가 0.8보다 큰 경우 시스템은 충전이 끝난 것으로 정의됩니다. 시스템이 방전 상태이고 배터리 팩 SOC가 0.3 미만인 경우 시스템은 방전 종료 상태로 정의됩니다. 시스템이 충전/방전이 끝나면 SOC를 수정해야 합니다. 충방전 종료 시 SOC 계산 방법은 온도, 충방전 전류, 전압을 이용하여 표를 조회하여 SOC 값을 구하는 것이다.
