基于ARM的电动汽车充放电管控系统

神华国能集团公司 张建生

0 引言

电动汽车充电站是电动汽车的动力能源补充装置，然而过分密集的集中充电可能导致充电站瞬时负荷过大，引起供电系统电能质量下降等问题。充放电过程控制不合理可能导致电池永久性损坏，甚至导致爆炸。本文设计了一种基于ARM的电动汽车充放电管控系统，采用安时法与电动势法加权的改进型混合式SOC估计算法[1-2]，实时监测与分析电动汽车电池的充放电电压与电流的参数指标，并通过以太网传输到监控与管理中心，从而加快了检测速度，了解电池的充放电状态，做到对电池健康状况的准确估计，能够保证汽车电池充放电过程的安全。

1 总体设计

电动汽车电池充放电管控系统的硬件部分包括电源电路、AD数据采集电路、以太网通信电路、数据显示电路等部分组成。硬件装置框图如图1所示。软件部分包括安时法与电动势法加权的电池荷电状态（SOC）估计算法、传感器控制与数据采集算法。

硬件电路以ARM9架构的中央处理器S3C2440为主控制器，控制数据采集电路采集电动车电池的充放电电压和电流等数据[3]。充放电数据经改进SOC算法的估计后，由电池健康状况估计算法进行处理，最终显示在显示屏上，并将处理结果经由以太网上传至总监控与管理中心。

图1 硬件装置框图

2 硬件电路与改进SOC估计算法

2.1 核心处理电路简介

根据电动车电池充放电检测的实际需要，以及为加快检测速度，做到实时检测与估计，本系统选用了SAMSUNG公司的S3C2440作为核心处理器。S3C2440处理器优势在于它是专门为小型设备提供的高性价比、低功耗的小型微处理器。主要作用是控制AD芯片采集充放电电压、电流信号，应用改进SOC算法与电池健康状况估计算法处理采集到的数据，将结果显示在LCD显示屏上，并将检测数据与处理结果传送到监控与管理中心。

2.2 信号采集电路

图2 放大滤波电路

图3 直流电压、电流采集电路

图4 AD7606信号采集电路

信号采集电路使用交流电压传感器SPT204B，电流信号经由OP07转换成电压信号，由OP07与电容C3、C4组成的二阶低通混叠电路滤除高频噪声，实现交流电压的采集。同理，使用交流电流传感器SCT224AX，经过放大滤波电路实现交流电流的采集。放大滤波电路如图2所示。

通过电阻分压方式，采集直流电压，并使用电流传感器TBC0PS5采集直流电流。直流电压、电流采集电路如图3所示。

高采样率与后级数据处理速度的匹配程度决定了实时检测与估计的准确性，为此选用模数转换器AD7606，它是16位同步采样ADC，内置二阶抗混叠滤波器、跟踪保持放大器、灵活的数字滤波器；正常工作模式下功耗为l00mW，待机模式下为25mW。本系统使用AD7606通过串行外设总线SPI和ARM进行数据传输，并对50Hz电网信号每周期采样256个点，采样率为12.8ksps，对于51次谐波，每周期仍然可以釆5个点。AD7606信号采集电路图如图4所示。

2.3 改进SOC估计算法

2.3.1 锂电池模型选取

在SOC估计算法中普遍使用等效电路模型进行估算，而适用于静态表征的PNGV一阶模型很难准确表征电池的充放电等动态特性。为此，提出改进的二阶等效电路模型，如图5所示，它是在一阶模型的基础上增加了一个阻容环节，因此对电池充放电的动态过程可以更准确地进行估计，通过实验证明，尽管在电池静置过程中二阶模型与一阶模型的估算结果基本一致，但在电池的充放电之后再次进入静置时，其估算效果要明显好于一阶模型，估算的SOC值更准确。

图5 PNGV改进模型电路图

其中：R0 表示电池等效内阻； R1、R2表示等效极化电阻；C1、C2表示等效极化电容；C0表示电池等效电容；U1、U2表示电池等效电容电压。

由图5可得如下关系式：

由此可得改进的PNGV模型SOC估计算法：

其中：

2.3.2 加权的安时-电动势法

SOC估计算法的实际应用中，安时法虽然测量精度高，自身影响小，但容易积累误差，而电动势法在整个充电过程中都表现出很好的估计效果，但缺点是电池需要长时间静置[4]，综合分析两种方法的优缺点，本文提出加权的安时-电动势法。算法原理图如图6所示。算法流程图如图7所示。

图6 加权的安时-电动势法原理图

加权的安时-电动势法的值由三部分相加得出，第一部分为电动势法SOCV估算值，第二部分为安时法估算出的当前拍SOC增量，第三部分就是图中虚线框中的部分，它是截止到上一拍为止估算出的SOC值，由于电池充放电过程中电动势法SOC占的权重仅为0.0005，故将其约等于截止到上一拍为止安时法估算出的SOC值。最后加权的SOC的计算公式如下式：

当w=0时，公式表示为电动势法：

当w=1时，公式表示为安时法，传递函数为：G(z)=z/(z-l)，属于纯积分环节，初值的误差无法消除，不会收敛于真值。离散化后的递推迭代公式是：

当0＜w＜1时，公式表示为改进SOC估计算法：加权的安时-电动势法。算法会收敛于真值，w决定收敛速度。离散化后的递推迭代公式是：

汽车启动时，电池充放电管控系统上电，初始化w=0，此时电池电动势与开路电压接近，改进算法完全由电动势法计算起始值，调整0＜w＜1，使CPU进行递推运算，就实现了加权的安时-电动势估计算法。

图7 加权的安时-电动势估计算法流程图

表1 电压采集值与实际测量值比较

3 实验结果

实验用额定电压为3.3V的汽车锂离子电池，使用文中系统对其进行电压采集，并与万用表实际测量值做对比。实验结果如表1所示。

由表1证明5号电池误差最大为0.38%，小于国标的0.5%，因此电池充放电管控系统对电池的电压检测精度较高，且运行可靠。

4 结论与展望

基于ARM的充电管理与控制系统的实际应用地点为山西省电力公司大同供电分公司，该系统实现了传感器的数据采集、控制与显示，可实时监测电池的电压、电流数据，并通过网络传送至监控与管理中心。实验结果证明检测结果准确，该系统能充分了解电动汽车电池的充放电状态，估计电池的健康状况，且在很大程度上减轻了CPU的负担。

[1]沈佳妮,贺益君,马紫峰.基于模型的锂离子电池SOC及SOH估计方法研究进展[J/OL].化工学报,1-11(2017-10-24).http：//kns.cnki.net/kcms/detail/11.1946.TQ.20171024.1148.008.html.

[2]姬伟超,傅艳,罗钦.三种常用动力锂电池模型分析与比较[J].农业装备与车辆工程,2015,53(05)：37-41.

[3]管利佳,杨永杰.电动车蓄电池智能充电监控系统[J].电源技术,2017,41(01)：30-33.

[4]杨梦勤,樊绍胜.基于电动车用蓄电池荷电状态估测的充电方法[J].电源技术,2014,38(11)：2070-2072+2084.

[5]王志福,彭连云,孙逢春,等.电动车用锂离子动力电池充放电特性[J].电池,2003(03)：167-168.