随着近年来国家对大气污染治理的越来越重视，新能源汽车得到了迅速发展，成为逐渐替代传统燃油车的最佳交通工具，伴随着新能源汽车的高速发展，其产量日益提高、技术日趋完善，但续航能力却一直阻碍着新能源汽车的推广[1-2]，对于新能源汽车来说，其电能部分主要依靠大量串联的锂电池组进行能源供给[3]，为了提高新能源汽车的续航能力，学者在电池方面进行了大量的理论和试验研究，发现影响新能源汽车续航能力的重要因素之一就是锂电池组中单个电池的不一致性问题，也即单个电池出现的问题会影响整个电池组的工作效率，进而影响锂电池组的利用效率，降低相应的使用寿命[4-5]，针对上述问题，学者也进行了相关研究[6]，但鲜有从整体模块方面进行考虑，为此，本文从锂电池组使用寿命最大化角度出发[7]，根据锂离子电池不同工况下的电压与SOC关系，提出电池组的均衡控制策略，设计搭建了锂离子电池组均衡控制电路实验模型，并进行了试验验证，试验结果显示，锂电子电池均衡控制策略对单个电池的不一致性有着明显的改善作用。

1 锂离子电池组的控制模型

锂电池组中单个电池的不一致性问题，包含对应的电流、电压以其他特性的不一致问题，会严重影响整个电池组的工作效率，进而影响锂电池组的利用效率，降低对应的使用寿命电动汽车的锂离子电池单体电池之间的不均衡，可以通过对其状态进行监测识别，超出限定值则对其进行均衡控制，从而达到减小电池组单体之间匹配失衡问题，进而可以提高新能源汽车锂电池组的使用效率及相应的循环使用寿命[8-10]。

1.1 均衡控制策略

锂电池组的控制策略的主要目标就是降低电池电量的损耗，而电池电量损耗主要就是能量耗散和非能量耗散，前者将部分能量以热量的方式消耗掉，消耗率高达百分之十几，能量损失弊端明显；而后者能够将不同能量的电池进行匹配，将高能电池补偿低能电池，降低整体的能量损耗，但这种方式最大的问题就是电路结构设计非常复杂[11-12]，因此，本文基于电池组的SOC算法估算电池消耗，进而采用主动均衡控制策略进行电池组能量的控制。

所谓的锂电池组均衡控制策略主要是对电池组进行充电、放电和待机三种方式进行平衡[13]，均衡控制的工作流程一般是：首先对电池组的工作状态进行识别，也就是对电池组是处于充电、放电、搁置三种状态的判断；通过电池组的SOC算法计算单个电池的剩余能量，从而判断整体电池组的能量差是否处于均衡状态，未达到均衡指标则无需进行均衡控制，达到均衡指标则按照控制策略进行均衡控制，控制过程中要对电池状态进行实时监控，一旦均衡指标降低到控制范围外即停止均衡控制，相对应的均衡控制策略如图1和2所示。

  

图1 充电状态的平衡控制

  

图2 放电状态的平衡控制

1.2 锂离子电池SOC估算

锂电池组电量的估算主要是通过SOC算法进行[14-16]，而影响SOC的因素很多，一般从内部因素和外部因素两方面进行间接判断，影响SOC的内因由电池自身的内阻和端电压引起；外因由电池自身的内部电流及温度等引起。

电池电量SOC算法的主要定义为可配置电量与电池放电容量之间的比值，具体计算方程如下：

 

根据以上给出的锂电池组均衡控制策略及软硬件电路设计，设计出对应的试验测试模型，具体试验测试模型如图5所示。

对锂电池组的电量SOC估算通常采用电压法和积分法进行联合计算，将SOC值分为两部分：SOC起始值和SOC工作值。对于SOC的起始值通常在两种状态下衡量，第一种状态是电池组的稳定状态，通过电压值与SOC关系曲线来得到，另一种方式是电池组不稳定状态，不稳定状态下，SOC的初始值通过最后一次充放电结束的状态来衡量，而对于SOC的工作值是通过电池组充电量与定容量比值进行核算，由于用到了安时积分法计量充放电电量，值得注意的是，安时积分法在充放电过程中，由于倍率不通，充放电的容量也会有所不同，因此在使用安时积分法时要充分考虑这一因素影响。根据以上提出的计算方法，将初始值定义为SOC0，当电池处于不稳定状态时，如充电或放电状态，利用采样电路分别采集充电电流、放电电流，通过单片机和软件程序进行电流的积分求解，从而得到锂电池组的充放电电量。

 

本论文的锂离子电池组均衡控制系统以Freescale公司的16位微控制器MC9S 12DG128为控制核心，主要包括四部分：电源模块、采集模块、SOC处理模块以及数字化功能显示模块，其中温度等状态的采集模块是通过微传感器、单片机以及数据转化模块进行采集获取，根据采集到的电池状态信息进行对应的控制策略设计，其中控制模块根据采集信号协同SOC处理模块进行电池组状态的控制，从而实现电池组的均衡充电。均衡模块包含MOSFET开关阵列，通过主控制器实现开关阵列来切换均衡模块。场效应管MOSFET的选择，要充分遵循多方面的限制条件及要求，本文均衡控制系统，采用Fairchild Semiconductor公司生产的FDD8424型N&P沟道功率MOSFET，该型号场效应管的最显著特点为一个N沟道和一个P沟道MOSFET集成，集成后的MOSFET参数为：最大电流限值20A，D/S极最高端电压值为40V，P沟道MOSFET的最低端电压值为-40V。除此之外，场效应管MOSFET是PowerTrench专有工艺制成，这种工艺具有MOSFET的导通阻抗较小的优点，导通阻抗一般小于等于30 mΩ，导通上升时间保持在在20 ms以下，导通下降时间也控制在20 ms以下。该场效应管的导通阻抗较低、导通时间较快这两大优点，对于均衡电路的应用是非常适用的。

整体锂电池组采用多节锂电池进行串联，具体的电池组的参数如表1所示：

另外电池电量SOC算法的还可定义为电池充满电量与可用电量之间的比值，具体计算方程如下：

1.3 锂离子电池组均衡控制系统

其次，在体育教学过程中，学校应着重培养学生的体育运动意识和兴趣，有效提高学生业余体育文化质量，帮助学生有效地调整心态，缓解压力，积极地面对生活。

式中v(k)表示测量噪声。系统(4)中x(k)和d(k)同样被当做某种可预测的信号，这里假设d(k)是一个随机信号，通过以下模型描述：

2.儿童生活的游戏精神是儿童文学文本的主要价值取向。儿童文学中的“游戏精神”是沾染儿童天性的最纯真的“游戏精神”。挪威音乐家让——罗尔·布约克沃尔曾记录过很多在成人看来匪夷所思的游戏。一次在假日海滩，父母们舒适地享受着阳光和微风，然而猛然发现小家伙们不见了。最终他们发现在大人们休闲享受的阳廊下面，在木板和岩石挤压的幽暗角落，传出孩子们嗡嗡的谈话声和唱歌声。这就是儿童的生活，在游戏中生活。

  

图3 新能源汽车的锂电池组均衡控制系统图

2 均衡控制系统硬件电路设计

式中：QC为电池组充满电量；CI-电池组整体可用能量。

  

图4 均衡控制电路

3 实验结果与分析

式中：QC为电池组可用能量；CI-电池组放电时的可用能量。

对于锂电池组的均衡控制系统主要通过总线方式将锂离子电池的状态信息与车载电脑进行实时信息反馈，从而确保电池能量发挥到极致，保证电池安全的系统。锂电池组的信息模块主要包含控制模块、电源模块、采集模块、数据通讯模块以及SOC处理模块组成。对于锂电池组的均衡控制系统主要包含以下功能，（1）电池组整体特性的实时监测，通过对电池组外部特性，比如电流、电压等参数，通过一定的算法，估算电池组内部参数，实现对电池组内部特性的监测。电池组内部参数是均衡控制的基础，因此这种通过外部来监测内部的功能是非常重要的。（2）在第一步监测电池组内部状态的基础上，对电池进行一系列的管理，如热、充电、放电、均衡控制、故障预警等。（3）通过建立通信总线，与整车控制系统、充电机、显示系统等设备实现数据交换共享。

  

图5 均衡控制系统实验

随着大众对新闻报道质量要求的不断提升，图像资料已成为新闻报道中不可或缺的重要形式之一。同时，新闻摄影图像也可帮助大众准确了解新闻事件及新闻发生全过程，有效传达出文字不可传达出的信息[3]。不仅如此，网络及智能手机的普及使得新闻摄影更加便捷，不少新闻事件通过新闻摄影就可表述清楚，需相关工作人员在实际摄影的过程中注重还原新闻事件，让新闻图片传递出更多的信息。同时，新闻摄影的灵活性及真实性需摄影人员具备较高的技巧及艺术表现手法，能够在短时间内抓拍更多具有艺术感的新闻瞬间。

 

表1 锂离子电池组技术参数

  

规格 参数电池型号 TSE-086760最高充电电压 29.4V放电截止电压 21V标准容量 2Ah充电方式 CC/CV电池组重量 350g额定电压 25.9V最大充电电流 2A最大放电电流 2A

3.1 开路电压与SOC的关系

根据本文前述部分给出的控制电路以及对应的SOC计算方法，通过试验测试进行数据采集，并绘制电压与SOC的对应关系曲线图，如图6所示，具体实验条件是：环境温度21～26℃，设置10个采集点。首先是初始值的采集，一般取电池在100 mA的相对稳定的小电流放电情况下，电池的电量完全释放，由此可积分求解出SOC电池组的初始值。对10个采集点进行SOC值采集，将电池进行放电操作，放电到一个采集点停止放电，用安时积分法计算对应的SOC1值，再放电到第二个采集点停止放电，用安时积分法计算对应的SOC2值，以此类推采集第十个采集点的值计算出对应的SOC10值，根据获取的多个采集点的电压与SOC计算值，绘制成对应的曲线，从而得到了电压与SOC工作值的关系曲线图。

  

图6 开路电压与SOC的关系

3.2 充电曲线

锂电池组的充电方式采用恒流充电与恒压充电两种方式组成，锂电池组的充电电流控制在400 mA-2 A之间，电池的最低电压为3.35 V，实验环境温度23℃，容量最小的单体电池的容量作为电池组的初始容量。第一阶段：恒流充电包含了将电流降低为600 mA，当充电电压继续增加，进入恒压充电阶段，从而使电流下降到低值进而停止充电。根据以上实验数据和3.1小节得到的实验结果，可计算出电池的初始值SOC0是8%。

社区大学承担着社区文化建设和社区公共参与的职能，因此社区大学教师除了具备教学知识与技能外，还需要有整合社区资源的能力。通过地方特色课程认识社区所在地的知识，了解社区资源，重视地方的多元性，形成对地方的认同感，充分挖掘和调动社区当地的各类资源，发动社区的大、中、小学生成为社区大学的课程助教。能够开发具有地方特色的课程，开发适合社区学员的课程、教材，寻找多样化的授课方式，形成社区互帮互助的文化氛围［3］。

根据实验数据，得到充电电压曲线如图7所示，充电电流和SOC曲线如图8所示。从图8中可以看到，SOC值为0.3C的电流，完成电池充电需要大约4小时。在前半段的恒流部分，SOC值、电压值随充电时间的增加以一定斜率上升，后半段电压值达到上限后，进行恒压充电压充电，此时SOC、总电压曲线趋于缓和。总的来说，电池充电的初始阶段即恒流阶段，电池电压上升比较快，一段时间后电压上升呈现线性化，上升幅度趋于稳定，直到第二阶段恒压充电，本文给出的恒流和恒压组合的充电方式最大的优势就是电池的充电饱和度有了对应的保护作用，可以有效的对电池的使用寿命进行延长。

  

图7 充电电压曲线

  

图8 充电电流和SOC曲线

3.3 电池恒流放电曲线

恒流放电对应的试验环境为25℃，相应的试验条件为：放电倍率分别为0.2C，电流值400 mA、0.4C，电流值800 mA和0.5C，电流值达到1000 mA进行恒定电流放电，图9为不同放电速率下的电压曲线，从图9中可以看到，放电电流对放电状态有了持续影响，具体的结果如下所述：初始电压值相同的电池组，分别进行不同恒定值的电流放电，以0.2C放电到21V需要的时间约为3.6小时，以0.4C放电到21V需要的时间约为2.2小时，以0.5C放电到21V需要的时间约为1.3小时，当电池组停止放电处于开路状态时，由于电池的自恢复效应，电池端电压逐渐上升，一定时间后达到稳定状态，同时从图9中可以看到，放电电流越大，锂电池组的电压下降越快。另外，从图中还可以看到，放电电流0.5C>0.4C>0.2C，对应的电池自恢复电压V0.5C>V0.4C>V0.2C，也即放电的电流越大，对应的锂电池组的稳压越高，根据电压与SOC的关系可得，放电电流的大小影响了锂电池组的稳定电压，对应的稳压电压越高，电池容量越大，因此可以得到锂电池的剩余电量与放电电流呈成本的曲线关系。

  

图9 不同放电倍率下的电压曲线

5 结论

随着新能源汽车中应用越来越广泛，作为新能源汽车的主要电能供给-锂电子电池的寿命问题成为研究的热点，为了解决锂离子电池组在充电过程中存在不均衡的现象，根据锂离子电池不同工况下的电压与SOC关系，提出电池组的均衡控制策略，设计搭建了锂离子电池组均衡控制电路实验模型，并进行了试验验证，试验结果显示，本文提出的锂电子电池均衡控制策略对单个电池的不一致性有着明显的改善作用，并且理论估算值与真实值一致性较高。

参考文献

［1］许爱国，谢少军.电池管理系统国内外现状及其未来发展趋势［J］.电力电子技术，2013，28（10）:962—964.

［2］STAMPS T，HOLLAND E，WHITE E，et al.Analysis of capacity fade in a lithium ion battery ［J］.Journal of Power Sourees，2015，150（15）:229—239.

［3］孙好明，孙玉坤，庄淑瑾.基于TL431的理电池均衡电路的研究［J］.电源技术，2014，33（9）:144—154.

［4］ZHU C B，COLEMAN M，HURLEY W G.State of charge determination in a lead-acid battery:combined EMF estimation and ah-balance approach［C］.35th Annual IEEE Power Electronics Specialists Conference，2014，31（3）:1908—1914.

［5］HE H W，XIONG R，FAN J X.Evaluation of lithium-ion battery equivalent circuit models for state of charge estimation by an experimental pproach［J］.Energies，2011，51（4）:582—598.

［6］沈艳霞，周园.串联铿离子电池组能量均衡策略的研究［J］.控制工程，2013，20（4）:773—776.

［7］曹志良.车载埋离子电池组均衡充电竹理系统的研究［J］.电源技术，2014，38（3）:569—571.

［8］商云龙，张奇，崔纳新.基于AIC准则的锂离子电池变阶RC等效电路模型研究［J］.电工技术学报，2015，46（17）:12—19.

［9］蔡信，李波.基于神经网络模型的动力电池SOC估计研究［J］.机电工程，2015，36（01）:12—18.

［10］敖永才，师奕兵.自适应惯性权重的改进粒子群算法［J］.电子科技大学学报，2014，38（06）:23—26.

［11］高玉峰，孙磊.基于EKF算法的铅酸蓄电池SOC在线估计［J］.电源技术，2014，38（02）:12—19.

［12］EDDAHECH A，BRIAT O.Determination of lithiumion battery state-of-health based on constant-voltage charge phase［J］.Journal of Power Sources，2014，38（2）:12—18.

［13］SEAMAN A，DAO T.A survey of mathematics-based equivalentcircuit and electrochemical battery models for hybrid and electric vehicle simulation ［J］.Journal of Power Sources，2014，38（3）:25—28.

［14］ZHENG Y J，OUYANG G.Cell state-of-charge inconsistency estimation for LiFePo battery pack in hybrid electric vehicles using mean-difference model［J］.Applied Energy，2013，46（2）:26—29.

［15］GITHIN K，CHRISTOPHER D.Model based identification of aging parameters in lithium ion batteries ［J］.Journal of Power Sources，2013，38（9）:46—53.

［16］XIONG R，GONG X Z.A robust state-of-charge estimator for multiple types of lithium-ion batteries using adaptive extended Kalman filter［J］.Journal of Power Sources，2013，46（2）:68—72.