《Journal of Energy Storage》：Hybrid fuel gauge approach based on incremental and low-current open-circuit voltage methods for continuous state-of-charge estimation in lithium-ion batteries
编辑推荐：
准确估算电池荷电状态（SOC）对便携设备、电动滑板车和电动汽车的电池管理系统至关重要。传统方法依赖 coulomb counting（CCT）结合开路电压（OCV）校准，但需零电流休息期，难以适应连续运行场景。本研究提出一种混合 SOC 估计算法，通过动态权重调整结合高/低电流 OCV 曲线，无需零电流即可在休息期校准。实验验证显示，在室温（MAE=0.1552%，RMSE=0.2046%）、5°C 和 45°C 下，混合方法显著优于传统 OCV 方法，尤其适用于微控制器驱动的物联网设备。
Faiz Majeed|Dania Batool|Sein Oh|Seok-Teak Yun|Jonghoon Kim
韩国大田忠南国立大学电气工程系能源存储转换实验室，邮编34134
摘要
准确的电池剩余电量（SOC）估计对于便携式电子设备、电动滑板车和电动汽车的电池管理系统至关重要。大多数系统依赖于使用库仑计数的燃油表集成电路，但这种计数方法会随时间累积误差，需要通过开路电压（OCV）进行重新校准，而这一过程在连续使用的情况下需要零电流的静止期，这在实际应用中并不现实。因此，本研究提出了一种混合SOC估计方法，该方法结合了传统OCV方法的优点，并采用了动态权重调整机制。所提出的方法能够在不需要零电流的情况下在静止期间进行重新校准，从而实现实时且可靠的SOC监测，适用于各种负载条件。通过包括在C8051F41微控制器上对电动滑板车进行的测试在内的全面实验验证了该技术的有效性，测试环境涵盖了室温、5°C和45°C三种工况。该案例研究表明，该方法在室温下的平均绝对误差为0.1552%，均方根误差为0.2046%，在5°C和45°C下的性能也与传统OCV方法相当，显示出更高的准确性。这种自适应方法确保了SOC估计的可靠性，特别适用于计算效率和简洁性要求较高的基于微控制器的系统。通过解决传统SOC-OCV方法的实际局限性，本研究提升了燃油表集成电路在商业应用中的性能。
术语表
命名法
| SOC | 电池剩余电量 |
| BMS | 电池管理系统 |
| ICs | 集成电路 |
| CCT | 库仑计数 |
| OCV | 开路电压 |
| E-Scooter | 电动滑板车 |
| GPS | 全球定位系统 |
| MCU | 微控制器单元 |
| IO | 增量式OCV |
| LO | 低电流OCV |
| MAE | 平均绝对误差 |
| RMSE | 均方根误差 |
| PC | 个人电脑 |
| IoT | 物联网 |
| VRT | 电压恢复时间 |
| CC | 恒定电流 |
| CV | 恒定电压 |
库仑计数和基于OCV的重新校准的局限性
库仑计数方法虽然高效且对累积误差敏感度高，但电流测量的微小不准确也会导致长时间循环下的SOC估计误差[12][13]。为了纠正这些误差，会在静止期间利用SOC-OCV关系作为参考进行重新校准。研究表明，在具有频繁且稳定静止状态的系统中，基于OCV的重新校准效果最佳[14][15]。然而，在空闲状态下……
传统的SOC-OCV重新校准技术
在电池运行过程中，存在两种不同的状态：活跃状态和空闲状态。在活跃状态（如充电或放电）下，通过库仑计数（CCT）实时估计SOC。然而，这种方法会随时间引入误差，因此需要定期重新校准以保持准确性。通常，重新校准在电池无电流流动的空闲状态下进行。在这种状态下，电压会自然变化……
提出的混合IO/LO算法
该算法利用来自IO和LO测试数据的SOC-OCV曲线，在不同工作条件下实现准确的SOC重新校准。只有当电流降至预定义的阈值以下且电压恢复时间（VRT）完成时，才会启动重新校准过程，从而确保稳定的校准条件。如果电压恢复时间未完成或电流超过阈值，系统将继续使用传统的库仑计数方法跟踪SOC，并推迟重新校准。
实验设置
为了验证所提出的混合SOC估计方法，在韩国忠南国立大学的能源存储与转换实验室建立了完整的实验装置（图7(a)）。实验中使用了容量为5000mAh、标称电压为3.88V的单节锂离子聚合物电池；电池规格详见表4。
实验装置采用了MACCOR 4300K电池测试系统（8通道配置）……
案例研究：电动滑板车
在实验设置中，之前讨论的操作模式是在理想条件下进行的评估。然而，在实际应用中（如电动滑板车），由于持续运行，电流永远不会真正降至零。即使在睡眠模式下，GPS和报警等关键系统仍然保持活跃状态以确保安全并防止盗窃，同时保持蓝牙、Wi-Fi等连接功能以便用户通信。
结论
本研究提出了一种SOC估计框架，该框架结合了IO和LO方式的SOC-OCV查找表，实现了在不需要理想零电流条件下持续重新校准的功能。所提出的方法在受控实验室条件下使用5000mAh锂离子聚合物电池进行了实验验证，并通过电动滑板车案例研究进一步进行了评估。结果表明，在连续运行过程中，该方法的SOC估计性能得到了提升。
CRediT作者贡献声明
Faiz Majeed：撰写初稿、开展调查、进行正式分析。Dania Batool：验证结果、开发软件、参与调查。Sein Oh：协调资源、管理项目、整理数据。Seok-Teak Yun：参与调查、整理数据、提出概念。Jonghoon Kim：撰写最终稿件、进行审稿与编辑、提供监督及资金支持。
利益冲突声明
作者声明他们没有已知的可能影响本文研究的财务利益或个人关系。
致谢
本研究得到了韩国技术发展院（KIAT）的支持，该项目旨在开发用于80kWh以上大容量电池的热管理技术，资金由韩国贸易、工业和能源部（MOTIE）提供（项目编号：00404229），并由Inzi Controls公司执行。此外，该研究还得到了政府的支持（贸易、工业和能源部），通过KETEP项目（项目编号：RS-2024-00398346）提供资金支持。
