锂离子电池SOC的充电状态测量解决方案

电池SOC定义为电池剩余电量的百分比，因此范围为0％至100％。由于SOC测量与汽车中的气体测量仪具有相同的目的，因此提供SOC测量的IC通常被称为“电量计”或“电量计”IC。

SOC测量强调智能电池管理系统。随着SOC的变化，电池管理系统计算出最佳充电电压和电流值。因此，SOC测量IC通常与设计中的电池充电器IC配对或作为更全面的充电管理和电池保护设计中的功能包括在内。

主机系统使用SOC测量来管理电力使用，并且当电池电量变低时，应用程序通知用户。例如，在电动车辆中，SOC测量对于车辆可用的剩余范围的估计是重要的，并且作为熟悉的燃料计和范围估计出现在驾驶员的显示面板上。实际上，汽车应用需要可靠的SOC测量来减少“范围焦虑”，因为驾驶员开始接受这些新型车辆。

事实上，可靠的SOC测量对于确保一般可充电电池的安全性和最大化电池寿命至关重要，特别是锂离子电池。对SOC的不良估计会导致过度充电和过度放电，从而导致电池性能和寿命降低。更糟糕的是，不受控制的充电甚至可能导致电池故障，热失控甚至无法控制的通风和爆炸。但是，对于锂离子电池，SOC的精确测量最多也是困难的。锂离子电池在其大部分放电范围内保持接近恒定的电压输出（图1）。结果，简单地将电压测量值与电池中剩余的电荷相关联的常用方法不能用于这些电池。

图1：对于典型的锂离子电池，电压在很宽的电池容量范围内保持相对平坦，这简单地基于电池端电压报告充电状态的传统方法变得复杂。 （由Infinite Power Solutions提供。）

因此，确定锂离子电池的SOC主要是一个估算过程，并且仍然是积极研究的主题，以找到更好的SOC估算方法。对于诸如电动车辆中使用的大型复杂电池组，需要最大化电池的成本效率需要基于神经网络，模糊逻辑和自适应滤波器的非常复杂的SOC估计方法。然而，对于许多其他能量收集应用，基于电流测量，电压测量或基于模型的方法的不太复杂的方法提供了关于应用所需的电池SOC的充分信息。

基于电流的方法

基于电流的方法通过测量放电和充电电流来跟踪电池剩余电量的变化。在该方法中，称为库仑计数，电池管理系统通过基于电流测量计算净增加和减少来估计SOC。尽管该方法在理论上是高度精确的，但是电路的实际特性使其容易出错，特别是随着时间的推移。电流传感器精度，寄生效应和电池老化的不确定性会引入随时间累积的误差，需要定期重新校准。

由于这种方法的简单性和相对精确性，工程师将在各种IC中找到支持基于电流的SOC测量。例如，凌力尔特公司的LTC2941和LTC2942具有专用的库仑计数电路。 LTC2942通过积分检测电阻上的电池电流的电压测量值来推断电荷流量。 IC将SENSE +和SENSE-之间的差分电压应用于自动调零差分模拟积分器，以将测量的电流转换为电荷（图2）。

图2：电量计IC通常包括用于库仑计数的专用电路。例如，在Linear LTC2942中，差分模拟积分器通过跟踪外部检测电阻上的电压来测量电流。 （由Linear Technology提供。）

反过来，主机控制器读取由可编程预分频器提供的累积电荷寄存器（ACR）。预分频器每次下溢或溢出时，ACR递增或递减1，因此积分时间可有效缩放因子M，可编程为1至128.该器件还包括一个14位Σ-ΔADC，用于监视SENSE-的电池电压，使工程师能够采用基于电压的方法进行SOC估算。

基于电压的方法

基于电压的方法测量电池电压并将该值与电荷水平相关联。这里，电池管理系统测量连接到外部负载或开路的电池的电压。开路电压（OCV）的测量可以提供足够精确的结果，但需要特殊考虑。

例如，锂离子电池中的电流流动导致电解质中离子的不均匀分布。这种称为扩散效应的现象会在SOC估计中引入误差。结果，电池管理系统可以通过在电池化学有机会平衡之后测量电池OCV来改善SOC估计，从而减少扩散效应。因此，在动态应用中使用OCV进行SOC估计可能是有问题的，其中波动的负载电流导致电压变化和相关的扩散效应。

虽然每种方法都有一些限制，但半导体制造商提供的解决方案包括片上硬件，旨在支持这些方法的组合，以改善SOC估算。在波动电流或高电流状态期间，库仑计数方法跟踪SOC的净变化。在安静期间，包括OCV测量在内的基于电压的方法有助于纠正库仑计数累积的误差。

与凌力尔特公司的LTC2941/LTC2942器件一起，工程师可以找到包括德州仪器BQ2700和STMicroelectronics STC3100和STC3105在内的器件，其中包括硬件功能，使工程师能够使用库仑计数和电压测量来更准确地估算SOC。

TI BQ2700包括一个专用的全差分Δ-Σ库仑计数器电路，用于测量充电和放电电流以及用于电压和温度测量的ADC。 BQ2700可自动补偿库仑计和ADC的偏移，因此无需用户校准或补偿。

在STMicroelectronics STC3100和STC3105的核心，库仑计数电路在电池充电或高速放电时跟踪SOC（图3）。

图3：STMicroelectronics ST3105采用专用数字库仑计，包括一个28位累加器，可保持电流转换的结果。 （由STMicroelectronics提供。）

为了使工程师能够管理功耗，STC3105提供两种功耗模式：每周期测量电流的工作模式，以及每隔一个周期仅测量电流的省电模式功率。

ST器件还包括一个14位sigma-delta A/D转换器，用于电压和电流测量。 STC3105每四秒测量一次电池电压，在工作温度范围内精度为+/- 0.5％，允许工程师使用这些结果使用OCV方法计算SOC。为了减轻扩散效应，该装置包括电池电压放松计时器。主处理器可以检查此计时器，以确保电池处于静止状态足够长的时间，以确保更准确的SOC测量。

除了用于电池电压测量的10通道12位Σ-ΔADC之外，Atmel ATmega406还提供专用的Σ-ΔADC，用于库仑计数，并提供不同的测量模式，使工程师能够交换测量精度以实现功耗。

在器件的瞬时电流转换（ICC）模式下，ADC在大约3.9 ms内产生13位带符号结果，提供了一种在计算阻抗时大致同时测量电池电压和放电电流的方法。器件的累积电流转换（ACC）模式旨在提供高精度结果，即使在目标应用运行并从电池吸取电流时也是如此。虽然转换时间更长（128-1000ms），但器件提供18位结果。最后，器件的常规电流条件（RCC）模式提供与ICC模式相同的精度和转换时间，但与MCU的休眠模式配合使用可在应用休眠模式期间提供结果，并且仅在电流电平超过可选阈值时才能提供结果。

工程师还可以找到基于结合库仑计数和OCV测量的内部算法估算SOC的Maxim DS2786等IC。当电池正在充电或放电时，DS2786B可测量净电荷流量。在静默期间，DS2786B等待设定的弛豫时间，然后使用存储在器件EEPROM中的OCV模型以及电池特性和应用参数，通过库仑计数调整其SOC估计值。该器件的EEPROM由SRAM阴影构成，允许主机覆盖OCV电压曲线和比例因子，以适应不同的电池类型（图4）。

图4：DS2786将电池特性和其他参数存储在使用影子SRAM的片上EEPROM中 - 使主机控制器能够通过串行接口改变电池参数。 （由Maxim Integrated Products提供。）

基于模型的方法

IC制造商还提供基于围绕锂离子电池性能模型构建的专有方法的SOC测量。例如，Maxim独立的电量计器件（如DS2780）基于SOC估算各种电池和电路特性，包括温度，负载电流和充电终止点。该设备使用集成温度传感器测量电池温度，分辨率为每440毫秒0.125°C。

对于电流测量，DS2780通过测量低值电流检测电阻上的压降，持续测量在有源模式下流入和流出电池的电流。工程师可以通过编程检测电阻温度系数的值来校正电流检测电阻的温度变化。

此外，工程师可以对累积偏置寄存器进行编程，以解决由于电池自放电和静态偏移引起的库仑计数中的典型误差源。最后，这些测量值与存储的特性相结合，作为片上算法的输入，用于估算SOC和相关结果（图5）。

图5; Maxim DS2780电量监测计IC算法结合了各种实时测量参数和存储参数，可计算各种电池测量值，包括SOC。 （由Maxim Integrated Products提供。）

这些算法的基础，DS2780使用分段线性模型存储单元特征，该模型包括三条曲线 - 全空，有效空和备用空 - 每个都由四个线段构成（图6） 。每条曲线定义了由于温度引起的各自充电点状态的变化。 DS2780每440 ms处理一次测量和电池特性，并将结果存储为片上寄存器中当前温度的函数。

图6：在Maxim DS2780中，电池单元使用分段线性模型建模，该模型包括三条曲线，每条曲线由四个线段构成。 （由Maxim Integrated Products提供。）

Maxim的MAX17040，MAX17048和MAX17049采用名为ModelGauge的锂离子电池建模方案，可在各种充放电操作中连续测量SOC。这里，算法通过基于电池的阻抗和电池中的化学反应速率模拟锂离子电池的内部非线性动态来确定SOC。

Maxim算法无需外部电流检测电阻和电池重新学习周期。在这种方法中，该设备采用了一种定制模型，该模型是通过在多个放电电流和温度下表征电池而构建的。 MAXIM ModelGauge IC带有预装模型，在许多情况下都足够了。

德州仪器（TI）使用基于模型的SOC算法，称为阻抗轨道（Impedance Track）及其BQ27541，BQ20Z75和BQ34Z100电量监测计IC。为了提高SOC精度，TI阻抗跟踪算法利用三种类型的信息：化学放电深度（DOD），电池电阻和外部因素，包括负载和温度。

该算法在松弛电压状态下使用OCV测量，并根据存储在闪存中的电池技术特定表计算DOD。工程师可以使用TI提供的固件为特定的电池化学成分设置Impedance Track器件。在放电期间更新电池电阻值，但算法延迟电阻更新以减少与响应负载相关的瞬变的失真。

温度值对算法至关重要，但由于温度在放电过程中发生显着变化，因此很难获得温度测量。因此，该算法预测未来的温度，以允许在放电结束附近对电池阻抗进行温度校正。这里，算法在放电期间收集温度依赖性数据并使用包括热交换系数和热时间常数的结果来更新其热模型参数。在放松期间，该算法还测量外部温度并使用该结果来基于当前温度定义温度分布模型并延伸到放电结束。

结论

确定锂离子电池中的SOC至多具有挑战性，通常依赖于高度复杂的方法来确保电动汽车中使用的复杂电池管理系统的准确性。然而，对于许多应用，基于电流测量，电压测量，细胞表征模型或每种组合的简单算法提供足够精确的结果。专业的电量计IC在许多变型中实施这些方法，为工程师提供了所需的广泛选项，可通过电池管理系统轻松实现设计，从而能够准确估算锂离子电池SOC。