[论文解读] Implementation of an Improved Coulomb-Counting Algorithm Based on a Piecewise SOC-OCV Relationship for SOC Estimation of Li-IonBattery

Ines Baccouche, Sabeur Jemmali+3 more|arXiv (Cornell University)|Mar 27, 2018

Advanced Battery Technologies ResearchEngineering参考文献 30被引用 18

一句话总结

本文提出了一种改进的库仑计数算法，利用分段线性SOC-OCV关系来减少累积误差，从而实现对锂离子电池荷电状态（SOC）估计的优化。通过定期利用开路电压（OCV）对电池容量进行重新校准，该方法在PIC18F微控制器平台上实现了低于2%的SOC估计精度，显著提升了嵌入式多媒体系统的可靠性。

ABSTRACT

Considering the expanding useofembedded devices equipped with rechargeable batteries, especially Li-ionbatteries that have higher power and energy density, the battery management systemis becomingincreasingly important. Infact, theestimationaccuracy of the amount of the remaining charges is critical as it affects the device operational autonomy.Therefore, the battery State-Of-Charge (SOC) is defined to indicate its estimated available charge. In this paper, a solution isproposed for Li-ion battery SOC estimation based on an enhanced Coulomb-counting algorithm to be implemented formultimedia applications.However,the Coulomb-counting algorithm suffers from cumulative errors due to the initial SOC andtheerrors ofmeasurements uncertainties,thereforeto overcome these limitations,we use the Open-CircuitVoltage (OCV),thushavinga piecewise linear SOC-OCV relationship andperformingperiodic re-calibration of the battery capacity. Thissolutionis implementedand validated on a hardware platform based onthePIC18F MCU family. The measured resultsarecorrelated withthetheoretical ones; they have shown a reliable estimation since accuracy is less than 2%.

研究动机与目标

• 解决传统库仑计数方法因初始SOC不确定性及测量噪声导致的累积误差问题。
• 提升锂离子电池在高能量密度和高功率密度嵌入式多媒体设备中的SOC估计精度。
• 采用分段线性SOC-OCV关系，实现一种实时且硬件兼容的解决方案，用于周期性重新校准。
• 在低成本、资源受限的微控制器平台（PIC18F MCU）上验证该算法。
• 实现适用于便携式电子系统中可靠电池管理的高精度估计性能。

提出的方法

• 所提出的方法采用非线性SOC-OCV关系的分段线性近似，以提高SOC估计的精度。
• 将实时库仑计数与基于测量开路电压（OCV）的周期性重新校准相结合，以校正累积误差。
• 通过积分电流随时间的变化来估计当前荷电状态，并根据基于OCV的参考SOC值进行调整。
• 系统在固定时间间隔或OCV稳定时执行重新校准，使用基于实验测得的OCV-SOC数据生成的查找表。
• 该实现部署于PIC18F微控制器上，确保与嵌入式及低功耗应用的兼容性。
• 该方法利用硬件级ADC采样和实时处理，在动态负载条件下保持高精度。

实验结果

研究问题

• RQ1 如何有效减少基于库仑计数的锂离子电池SOC估计中的累积误差？
• RQ2 与标准线性近似相比，使用分段线性SOC-OCV关系在多大程度上提升了SOC估计精度？
• RQ3 在低成本微控制器平台上，基于OCV的周期性重新校准是否能显著减少SOC估计漂移？
• RQ4 该算法在实际嵌入式硬件中可实现的估计精度是多少？
• RQ5 在实际应用中，该算法在不同温度和负载条件下表现如何？

主要发现

• 所提出的算法实现了低于2%的SOC估计误差，显著优于传统库仑计数方法。
• 采用分段线性SOC-OCV关系可实现OCV与SOC之间更精确的映射，从而减少非线性误差。
• 基于OCV的周期性重新校准能有效校正库仑计数过程中累积的积分漂移。
• 该算法成功部署并验证于PIC18F MCU上，证明了其在嵌入式系统中实时可行。
• 实测结果与理论预测高度吻合，证实了该方法的可靠性和鲁棒性。
• 硬件实现表明其在便携式多媒体设备和电池供电设备中具有良好的部署潜力。