[论文解读] Cell-Level State of Charge Estimation for Battery Packs Under Minimal Sensing

Dong Zhang, Luis D. Couto+3 more|arXiv (Cornell University)|Sep 17, 2021

Advanced Battery Technologies Research参考文献 56被引用 8

一句话总结

本文提出了一种基于微分代数方程（DAE）的电池包级状态观测器，仅使用电池包级电压和电流测量值，实现对大规模锂离子电池包中单体电池荷电状态（SOC）的估计。通过将电池包建模为互联的单体等效电路模型，并利用线性输出误差注入，该方法在仅具备有限传感条件下，仍能确保SOC、电流和电压估计的渐近收敛，从而实现精确、安全且可扩展的电池管理，无需单体电池传感器。

ABSTRACT

This manuscript presents an algorithm for individual Lithium-ion (Li-ion) battery cell state of charge (SOC) estimation in a large-scale battery pack under minimal sensing, where only pack-level voltage and current are measured. For battery packs consisting of up to thousands of cells in electric vehicle or stationary energy storage applications, it is desirable to estimate individual cell SOCs without cell local measurements in order to reduce sensing costs. Mathematically, pure series connected cells yield dynamics given by ordinary differential equations under classical full voltage sensing. In contrast, parallel--series connected battery packs are evidently more challenging because the dynamics are governed by a nonlinear differential--algebraic equations (DAE) system. The majority of the conventional studies on SOC estimation for battery packs benefit from idealizing the pack as a lumped single cell which ultimately lose track of cell-level conditions and are blind to potential risks of cell-level over-charge and over-discharge. This work explicitly models a battery pack with high fidelity cell-by-cell resolution based on the interconnection of single cell models, and examines the observability of cell-level state with only pack-level measurements. A DAE-based state observer with linear output error injection is formulated, where the individual cell SOC and current can be reconstructed from minimal number of pack sensing. The mathematically guaranteed asymptotic convergence of differential and algebraic state estimates is established by considering local Lipschitz continuity property of system nonlinearities. Simulation results for Graphite/NMC cells illustrate convergence for cell SOCs, currents, and voltages.

研究动机与目标

• 解决在电动汽车和电网储能中使用的大型电池包中，对精确、可扩展且成本低廉的单体电池状态估计的迫切需求。
• 克服集中化单体模型的局限性，后者会掩盖单体间的差异，并无法检测过充/过放风险。
• 在仅测量总电池包电压和电流的最小传感条件下，实现实时、高保真度的单体电池SOC估计，从而降低硬件成本和复杂性。
• 从数学上建立仅使用电池包级测量值时单体电池状态的可观测性与收敛性，即使在串并联结构中亦成立。
• 提供一种计算上可行、可扩展的解决方案，支持实时电池管理，而无需使用单体电池电压或电流传感器。

提出的方法

• 将电池包建模为单个等效电路模型（ECM）的互联结构，以捕捉单体间的非均质性及非线性动态特性。
• 采用非线性微分代数方程（DAE）系统表示电池包的动力学，同时考虑串并联连接结构。
• 设计一种基于DAE的观测器，结合线性输出误差注入，从电池包级测量值中重构单体电池的SOC、电流和电压。
• 利用系统非线性部分的局部Lipschitz连续性，建立状态估计的渐近收敛性，确保鲁棒性。
• 在不同初始SOC和电流条件下，对石墨/NMC电池进行观测器性能验证。
• 采用包含开路电压（OCV）函数和RC弛豫网络的等效电路模型（ECM）来表征单体电池动态特性。

实验结果

研究问题

• RQ1 能否仅通过电池包级电压和电流测量值，在大规模电池包中准确估计单体电池SOC？
• RQ2 当仅能获取电池包的总测量值时，如何保证单体电池状态的可观测性？
• RQ3 单体间差异性以及串并联连接结构对最小传感条件下SOC与电流分布的影响是什么？
• RQ4 基于DAE的观测器能否在无单体测量的情况下，确保单体状态估计的渐近收敛？
• RQ5 与集中化单体或极端单体建模方法相比，该方法在精度和安全性方面表现如何？

主要发现

• 所提出的基于DAE的观测器即使仅依赖电池包级电压和电流测量值，也能实现估计的单体SOC、电流和电压向真实值的渐近收敛。
• 仿真结果表明，在并联连接结构中，由于初始SOC差异，单体电池SOC会随时间发散，其中一个单体电池会吸收大负电流，另一个则输出大正电流，尽管总电流相同。
• 在串联连接的单体电池中，由于输入电流相同，SOC差异会持续存在，凸显了电池均衡与单体监测的必要性。
• 该方法成功重构了单体电池的电流和电压，揭示了仅从电池包级数据中无法检测到的隐藏风险，如过流现象。
• 该观测器在不同初始条件和温度相关参数下均保持稳定与收敛，表现出良好的鲁棒性。
• 该方法实现了无需单体传感器的高保真度、单体级分辨率，显著降低了传感成本与复杂性。