Qual é o método de estimativa do estado de carga (SOC) para uma bateria de íon de lítio NCM de 3,67 V 78 Ah?

Como fornecedor de baterias de íon de lítio NCM de 3,67 V 78 Ah, frequentemente encontro dúvidas sobre o método de estimativa do estado de carga (SOC). O SOC é um parâmetro crucial que indica a energia restante em uma bateria, semelhante ao medidor de combustível de um carro. A estimativa precisa do SOC é essencial para otimizar o desempenho da bateria, garantir a segurança e prolongar a vida útil da bateria. Nesta postagem do blog, irei me aprofundar nos vários métodos de estimativa de SOC para nossas baterias de íon de lítio NCM 3,67V 78Ah.

Importância da estimativa SOC

Antes de explorarmos os métodos de estimativa, vamos entender por que a estimativa do SOC é tão importante. Para usuários de nossas baterias de íon de lítio NCM 3,67 V 78Ah, conhecer o SOC ajuda no planejamento do uso, evitando descarga excessiva e garantindo que a bateria seja carregada no momento certo. A descarga excessiva de uma bateria de íon de lítio pode causar danos irreversíveis, capacidade reduzida e até mesmo riscos de segurança, como fuga térmica. Por outro lado, o carregamento excessivo também pode causar problemas semelhantes. Portanto, uma estimativa precisa do SOC é a chave para manter a integridade e o desempenho da bateria.

Métodos comuns de estimativa de SOC

1. Método de Tensão de Circuito Aberto (OCV)

O método OCV é uma das técnicas mais simples e amplamente utilizadas para estimativa de SOC. Baseia-se na relação entre a tensão de circuito aberto da bateria e seu SOC. Quando uma bateria está em repouso (sem carga ou descarga), sua tensão se estabiliza em um valor que está diretamente relacionado ao SOC.

Para nossas baterias de íon de lítio NCM de 3,67 V 78 Ah, realizamos testes extensivos para estabelecer a curva OCV - SOC. Medindo a tensão de circuito aberto da bateria após ela ter estado em repouso por um período suficiente (geralmente algumas horas), podemos estimar o SOC usando esta curva. No entanto, este método tem suas limitações. Ele só é preciso quando a bateria está relaxada e não leva em consideração o histórico de carga e descarga da bateria, como a taxa de fluxo de corrente ou a temperatura.

2. Método de contagem de Coulomb

O método de contagem de Coulomb, também conhecido como método de integração ampere-hora, é outra abordagem popular. Este método calcula o SOC integrando a corrente que entra e sai da bateria ao longo do tempo. O princípio básico é que a mudança no SOC é proporcional ao valor da cobrança transferida.

Para usar este método, precisamos medir a corrente que flui continuamente pela bateria. Um sensor de corrente é normalmente usado para essa finalidade. Ao integrar a corrente de um SOC inicial conhecido, podemos estimar o SOC atual. Por exemplo, se começarmos com uma bateria totalmente carregada (SOC = 100%) e medirmos a corrente de descarga ao longo de um período, podemos calcular a quantidade de carga que foi removida e assim estimar o SOC restante.

No entanto, o método de contagem de Coulomb também apresenta algumas desvantagens. Requer medição de corrente precisa e qualquer erro no sensor de corrente pode se acumular ao longo do tempo, levando a erros significativos na estimativa do SOC. Além disso, não leva em consideração autodescarga ou outras não idealidades na bateria.

3. Métodos baseados em modelo

Os métodos baseados em modelos usam modelos matemáticos para descrever o comportamento da bateria e estimar o SOC. Esses modelos podem ser baseados na física, modelos de circuitos equivalentes ou modelos baseados em dados.

• Física - Modelos Baseados: Esses modelos são baseados nos processos físicos e químicos fundamentais que ocorrem dentro da bateria. Eles levam em consideração fatores como difusão, cinética de reação e transferência de massa. Embora os modelos baseados na física possam fornecer uma descrição muito precisa do comportamento da bateria, eles geralmente são complexos e caros do ponto de vista computacional.
• Modelos de Circuitos Equivalentes: Modelos de circuitos equivalentes representam a bateria como uma combinação de componentes elétricos, como resistores, capacitores e fontes de tensão. Esses modelos são mais simples do que os modelos baseados em física e podem ser calibrados para corresponder ao comportamento de nossas baterias de íon de lítio NCM de 3,67 V 78 Ah. Usando algoritmos como o filtro de Kalman ou o filtro de Kalman estendido, podemos estimar o SOC com base na tensão e corrente medidas.
• Modelos baseados em dados: Modelos baseados em dados, como redes neurais e sistemas de lógica difusa, usam dados históricos para aprender a relação entre as variáveis ​​de entrada da bateria (como tensão, corrente e temperatura) e o SOC. Esses modelos podem se adaptar a diferentes químicas de bateria e condições operacionais, mas exigem uma grande quantidade de dados de treinamento.

Técnicas avançadas de estimativa de SOC

Nos últimos anos, os pesquisadores têm desenvolvido técnicas de estimativa de SOC mais avançadas que combinam vários métodos para melhorar a precisão. Por exemplo, pode ser utilizada uma combinação do método OCV e do método de contagem de Coulomb. O método OCV pode ser utilizado para calibrar periodicamente o método de contagem de Coulomb, reduzindo o erro cumulativo.

Outra abordagem é usar um método baseado em modelo em combinação com monitoramento em tempo real dos parâmetros internos da bateria, como impedância. Ao medir a impedância da bateria, podemos obter mais informações sobre seu estado de saúde e SOC.

Impacto dos parâmetros da bateria na estimativa do SOC

A precisão da estimativa do SOC pode ser afetada por vários parâmetros da bateria, incluindo temperatura, envelhecimento e taxa de carga e descarga.

• Temperatura: O desempenho de uma bateria de íon de lítio depende muito da temperatura. Em baixas temperaturas, a resistência interna da bateria aumenta e as reações químicas ficam mais lentas. Isso pode afetar tanto a relação OCV – SOC quanto a precisão do método de contagem de Coulomb. Portanto, a compensação de temperatura é frequentemente necessária em algoritmos de estimativa de SOC.
• Envelhecimento: À medida que a bateria envelhece, sua capacidade e resistência interna mudam. Isso pode fazer com que a curva OCV - SOC se desloque e afete a precisão dos métodos baseados no modelo. Para compensar o envelhecimento, precisamos atualizar regularmente o modelo da bateria e os parâmetros de calibração.
• Taxa de carga e descarga: A taxa na qual a bateria é carregada ou descarregada também pode afetar a estimativa do SOC. Carga e descarga de alta taxa podem causar quedas de tensão e geração de calor, o que pode levar a estimativas de SOC imprecisas. Portanto, o algoritmo de estimativa SOC deve ser capaz de se adaptar a diferentes taxas de carga e descarga.

Nossa abordagem como fornecedor

Como fornecedor de baterias de íon de lítio NCM de 3,67 V 78 Ah, temos o compromisso de fornecer aos nossos clientes soluções precisas de estimativa de SOC. Usamos uma combinação dos métodos mencionados acima, juntamente com algoritmos avançados e monitoramento em tempo real, para garantir o mais alto nível de precisão.

Também oferecemos uma gama de produtos relacionados, comoLítio Ion Battery Cell prismático de 3.65V 55Ah NCM,bateria de íon de lítio de 3.7V 147Ah NCM, eLítio Ion Battery Cell prismático de 3.73V 58Ah NCM. Esses produtos são projetados tendo em mente considerações de estimativa de SOC semelhantes, garantindo que nossos clientes possam confiar em informações precisas sobre o estado de carga da bateria.

Contate-nos para compras

Se você estiver interessado em nossas baterias de íon de lítio NCM 3,67 V 78Ah ou em qualquer um de nossos outros produtos, convidamos você a entrar em contato conosco para obter mais detalhes e discussões sobre aquisições. Nossa equipe de especialistas está pronta para ajudá-lo a selecionar a bateria certa para sua aplicação e fornecer as melhores soluções de estimativa de SOC.

Referências

1. Chen, J. e Rincon - Munoz, RD (2012). Análise de espectroscopia de impedância eletroquímica de baterias de íon de lítio para determinação do estado de carga e estimativa baseada em modelo online. Jornal de Fontes de Energia, 218, 272 - 280.
2. Plett, GL (2004). Filtragem de Kalman estendida para sistemas de gerenciamento de bateria de baterias HEV baseadas em LiPB: Parte 1. Antecedentes. Jornal de Fontes de Energia, 134(2), 252 - 261.
3. Xia, B. e Zhang, C. (2017). Uma revisão do sistema de estimativa e gerenciamento do estado de carga da bateria de íons de lítio em aplicações de veículos elétricos: desafios e recomendações. Avaliações de Energia Renovável e Sustentável, 78, 834 - 849.