3.67V 78Ah NCM リチウム イオン バッテリーのサプライヤーとして、充電状態 (SOC) の推定方法に関する問い合わせをよく受けます。 SOC は、車の燃料計と同様に、バッテリーの残りのエネルギーを示す重要なパラメーターです。正確な SOC 推定は、バッテリーのパフォーマンスを最適化し、安全性を確保し、バッテリー寿命を延ばすために不可欠です。このブログ投稿では、3.67V 78Ah NCM リチウム イオン バッテリーのさまざまな SOC 推定方法について詳しく説明します。
SOC 推定の重要性
推定方法を検討する前に、SOC 推定がなぜそれほど重要なのかを理解しましょう。当社の 3.67V 78Ah NCM リチウム イオン バッテリーのユーザーにとって、SOC を知ることは、使用計画、過放電の防止、バッテリーの適切なタイミングでの充電の確保に役立ちます。リチウムイオン電池の過放電は、不可逆的な損傷、容量の低下、さらには熱暴走などの安全上の問題を引き起こす可能性があります。一方、過充電も同様の問題を引き起こす可能性があります。したがって、正確な SOC 推定値がバッテリーの健全性とパフォーマンスを維持するための鍵となります。
一般的な SOC 推定方法
1. 開回路電圧 (OCV) 法
OCV 法は、SOC 推定に最も単純で最も広く使用されている手法の 1 つです。これは、バッテリーの開回路電圧とその SOC の関係に基づいています。バッテリーが停止している (充電または放電されていない) 場合、その電圧は SOC に直接関連する値で安定します。
当社の 3.67V 78Ah NCM リチウム イオン バッテリーについては、OCV - SOC 曲線を確立するために広範なテストを実施しました。十分な期間 (通常は数時間) 放置した後、バッテリーの開回路電圧を測定することで、この曲線を使用して SOC を推定できます。ただし、この方法には限界があります。これは、バッテリーが緩和状態にある場合にのみ正確であり、電流の流量や温度などのバッテリーの充放電履歴は考慮されません。
2. クーロンカウント法
クーロン計数法は、アンペア時積分法としても知られ、もう 1 つの一般的な手法です。この方法では、バッテリーに流入および流出する電流を時間の経過とともに積分することによって SOC を計算します。基本原理は、SOC の変化は転送された電荷量に比例するということです。
この方法を使用するには、バッテリーに流れる電流を継続的に測定する必要があります。通常、この目的には電流センサーが使用されます。初期の既知の SOC からの電流を積分することにより、現在の SOC を推定できます。たとえば、完全に充電されたバッテリー (SOC = 100%) から開始し、一定期間にわたる放電電流を測定すると、除去された電荷量を計算して、残りの SOC を推定できます。
ただし、クーロン計数法にはいくつかの欠点もあります。正確な電流測定が必要ですが、電流センサーの誤差は時間の経過とともに蓄積され、SOC 推定値に重大な誤差が生じる可能性があります。さらに、バッテリ内の自己放電やその他の非理想性は考慮されていません。
3. モデルベースの方法
モデルベースの方法では、数学的モデルを使用してバッテリーの動作を記述し、SOC を推定します。これらのモデルは、物理ベースの等価回路モデル、またはデータ駆動モデルにすることができます。
- 物理ベースのモデル: これらのモデルは、バッテリー内で発生する基本的な物理的および化学的プロセスに基づいています。拡散、反応速度論、物質移動などの要素が考慮されます。物理ベースのモデルはバッテリーの動作を非常に正確に説明できますが、多くの場合、複雑で計算コストが高くなります。
- 等価回路モデル: 等価回路モデルは、バッテリーを抵抗、コンデンサ、電圧源などの電気部品の組み合わせとして表します。これらのモデルは物理ベースのモデルよりも単純で、当社の 3.67V 78Ah NCM リチウム イオン バッテリーの動作に一致するように校正できます。カルマン フィルターや拡張カルマン フィルターなどのアルゴリズムを使用すると、測定された電圧と電流に基づいて SOC を推定できます。
- データ駆動型モデル: ニューラル ネットワークやファジー ロジック システムなどのデータ駆動モデルは、履歴データを使用してバッテリーの入力変数 (電圧、電流、温度など) と SOC の関係を学習します。これらのモデルは、さまざまなバッテリーの化学的性質や動作条件に適応できますが、大量のトレーニング データが必要です。
高度なSOC推定技術
近年、研究者は精度を向上させるために複数の方法を組み合わせた、より高度な SOC 推定技術を開発しています。例えば、ＯＣＶ法とクーロンカウンティング法とを組み合わせて用いることもできる。 OCV 法を使用すると、クーロン計数法を定期的に校正して、累積誤差を減らすことができます。
もう 1 つのアプローチは、モデルベースの方法と、インピーダンスなどのバッテリーの内部パラメータのリアルタイム監視を組み合わせて使用することです。バッテリーのインピーダンスを測定することで、バッテリーの健康状態と SOC に関するより多くの情報を得ることができます。
SOC 推定に対するバッテリーパラメータの影響
SOC 推定の精度は、温度、経年劣化、充放電速度などのいくつかのバッテリー パラメーターの影響を受ける可能性があります。
- 温度: リチウムイオン電池の性能は温度に大きく依存します。低温ではバッテリーの内部抵抗が増加し、化学反応が遅くなります。これは、OCV と SOC の関係とクーロン計数法の精度の両方に影響を与える可能性があります。したがって、SOC 推定アルゴリズムでは温度補償が必要になることがよくあります。
- エージング: バッテリーが劣化すると、容量と内部抵抗が変化します。これにより、OCV - SOC 曲線がシフトし、モデルベースの方法の精度に影響を与える可能性があります。経年劣化を考慮するには、バッテリーのモデルと校正パラメーターを定期的に更新する必要があります。
- 充放電速度: バッテリーの充電または放電の速度も SOC の推定に影響を与える可能性があります。高レートの充放電は電圧降下や発熱を引き起こす可能性があり、SOC 推定値が不正確になる可能性があります。したがって、SOC 推定アルゴリズムは、さまざまな充電速度と放電速度に適応できる必要があります。
サプライヤーとしての取り組み
3.67V 78Ah NCM リチウムイオン電池のサプライヤーとして、当社はお客様に正確な SOC 推定ソリューションを提供することに尽力しています。当社では、最高レベルの精度を保証するために、上記の方法と高度なアルゴリズムおよびリアルタイム監視を組み合わせて使用しています。
などの関連商品も多数取り揃えております。角形 3.65V 55Ah NCM リチウム イオン バッテリー セル、3.7V 147Ah NCM リチウムイオンバッテリー、 そして角形 3.73V 58Ah NCM リチウム イオン バッテリー セル。これらの製品は、同様の SOC 推定を考慮して設計されており、お客様がバッテリーの充電状態に関する正確な情報を信頼できるようにしています。
調達に関するお問い合わせ
当社の 3.67V 78Ah NCM リチウムイオン電池または当社のその他の製品にご興味がございましたら、詳細および調達に関するご相談についてお気軽にお問い合わせください。当社の専門家チームは、お客様の用途に適したバッテリーの選択を支援し、最適な SOC 推定ソリューションを提供する準備ができています。
参考文献
- チェン、J.、リンコン - ムニョス、RD (2012)。充電状態の決定とオンラインモデルベースの推定のためのリチウムイオン電池の電気化学インピーダンス分光分析。ジャーナル オブ パワー ソース、218、272 - 280。
- プレット、GL (2004)。 LiPB ベースの HEV バッテリー パックのバッテリー管理システム用の拡張カルマン フィルター: パート 1. 背景。ジャーナル オブ パワー ソース、134(2)、252 - 261。
- 夏 B.、張 C. (2017)。電気自動車アプリケーションにおけるリチウムイオン電池の充電状態の推定および管理システムのレビュー: 課題と推奨事項。再生可能エネルギーと持続可能なエネルギーのレビュー、78、834 - 849。