ทำไมมาตรวัดเปอร์เซ็นต์แบตเตอรี่ LFP จึงอ่านค่าผิดพลาด?

เมื่อคุณเชื่อมต่อโวลต์มิเตอร์กับแบตเตอรี่ LFP คุณจะอ่านค่าได้ 13.3 โวลต์ ตัวบ่งชี้บอกว่า 62% วันรุ่งขึ้นอ่านค่าแรงดันเท่าเดิม แต่ตัวบ่งชี้อยู่ที่ 41% ทั้งสองอย่างไม่ได้พัง แต่เป็นผลธรรมชาติของหลักการทำงานของเคมีลิเธียมเหล็กฟอสเฟต ดังนั้นระบบจัดการแบตเตอรี่รับมือกับความคลุมเครือนี้อย่างไร และวิธีวัดอิมพีแดนซ์ซึ่งเป็นวิธีที่มาจากห้องทดลองเข้าสู่ยานพาหนะได้อย่างไร?
ในหน้านี้เราจะกล่าวถึงด้วยข้อมูลที่วัดได้ว่า เหตุใดตัวบ่งชี้เปอร์เซ็นต์ในแบตเตอรี่ LFP จึงอ่านค่าไม่ถูกต้อง ต้นกำเนิดทางกายภาพของปัญหาในเคมี และวิธีการที่ระบบจัดการแบตเตอรี่ (BMS) ใช้เพื่อเอาชนะแพลโตของแรงดันไฟฟ้า
เหตุใดตัวบ่งชี้เปอร์เซ็นต์ในแบตเตอรี่ LFP จึงอ่านค่าไม่ถูกต้อง: แก่นแท้ของปัญหา
วิธีพื้นฐานที่สุดในการคาดคะเนเปอร์เซ็นต์การชาร์จ (SOC, State of Charge) คือการวัดแรงดันวงจรเปิด (OCV) แล้วนำค่านี้ไปวางบนกราฟความสัมพันธ์แรงดัน-เปอร์เซ็นต์ที่ทราบแล้ว ในเคมีที่ใช้นิกเคิลเป็นฐานอย่าง NMC และ NCA กราฟนี้จะมีความชัน: เมื่อแรงดันลดลง เปอร์เซ็นต์จะลดลงอย่างคาดการณ์ได้ แต่ใน LFP สถานการณ์แตกต่างอย่างสิ้นเชิง ตลอดช่วง SOC ตั้งแต่ 27% ถึง 94% การเปลี่ยนแปลงของแรงดันรวมมีเพียง 0.07 โวลต์เท่านั้น ในทางปฏิบัติ ในช่วง 20%-80% แรงดันจะแบนราบเกือบสมบูรณ์
ในแพ็ก LFP 48 โวลต์ ช่วงที่กว้างใหญ่มหึมาจาก 20% ถึง 90% สร้างความต่างในโวลต์มิเตอร์เพียงประมาณ 52 ถึง 53.6 โวลต์เท่านั้น อุปกรณ์สามารถบอกคุณได้ว่าเต็ม ครึ่งหนึ่ง หรือว่างเปล่า แต่ให้เปอร์เซ็นต์ที่แม่นยำไม่ได้ สัญญาณที่เล็กจิ๋วอยู่แล้วนี้จะถูกกลืนหายไปหมดด้วยสัญญาณรบกวนจากการวัดในโลกจริง ผลกระทบจากอุณหภูมิ และความต้านทานของสายไฟ นี่คือเหตุผลที่คุณเห็นค่า SOC ที่แตกต่างกันในแรงดันเดียวกัน: ความสัมพันธ์ระหว่างแรงดันกับสถานะการชาร์จลดลงเหลือศูนย์จริง ๆ ตรงกลางของกราฟ
จุดเด่น
- ในเซลล์ LFP การเปลี่ยนแปลงของแรงดันในช่วง SOC 27%-94% มีเพียง 0.07 โวลต์เท่านั้น
- สาเหตุทางเคมี: ปฏิกิริยาสองเฟสในโครงสร้างโอลิวีนสร้างแพลโตที่กว้างขึ้น
- วิธีแรงบีบแบบกายวิภาคลดความคลาดเคลื่อนในการคาดคะเนลงเหลือช่วง 0.54%-1%
- การวัด EIS ความถี่เดียวลดเวลาการเก็บข้อมูลลดลงประมาณ 85% (110.96 วินาที แทนที่จะเป็น 729.94 วินาที)
ผู้กระทำผิดในเคมี: โครงสร้างโอลิวีนและปฏิกิริยาสองเฟส

แพลโตแบบแบนไม่ใช่ข้อผิดพลาดในการออกแบบ แต่เป็นผลโดยตรงจากโครงสร้างผลึกโอลิวีนของลิเธียมเหล็กฟอสเฟต ในเซลล์ LFP การที่ลิเธียมไอออนเข้าไปอยู่ในแคโทดและแยกตัวออกเกิดขึ้นผ่านปฏิกิริยาสองเฟส ในระดับการชาร์จที่กำหนด เฟสทั้งสองนี้อยู่ในสภาวะสมดุล และศักย์สมดุลยังคงคงที่โดยแทบไม่ขึ้นอยู่กับสัดส่วนของเฟส เนื่องจากเซลล์ทำงานในบริเวณสมดุลนี้ตลอดช่วง SOC ส่วนใหญ่ แรงดันจึงแทบไม่ขยับเลย
โครงสร้างเดียวกันนี้ยังให้ข้อดีจริงแก่ LFP เช่น การจ่ายแรงดันที่เสถียรและความทนทานต่อการคายประจุเกิน กล่าวคือแพลโตเป็นทั้งของขวัญและความยุ่งยาก: ระบบอิเล็กทรอนิกส์กำลังชอบมัน แต่อัลกอริทึมการวัดต้องลำบาก ในฝั่งผู้ใช้ กลุ่มที่พบเห็นสิ่งนี้มากที่สุดคือ RV ทางทะเล พลังงานแสงอาทิตย์ และการใช้งานแบบเคลื่อนที่ ในฝั่งยานพาหนะก็ปรากฏในรูปแบบการแกว่งของตัวบ่งชี้และการเปลี่ยนแปลงที่ไม่คาดคิด
เหตุใดมิเตอร์คูลอมบ์จึงไม่เพียงพอด้วยตัวเอง
เมื่อ BMS เห็นว่าเส้นทางแรงดันไฟปิดอยู่ จึงหันไปใช้วิธีคลาสสิกวิธีที่สอง คือตัวนับคูลอมบ์ (ตัวนับแอมแปร์): ติดตามเปอร์เซ็นต์โดยการรวมประจุที่ไหลเข้าและออกตลอดเวลา วิธีนี้มั่นคงในหลักการ แต่มีจุดอ่อนสองประการ ประการแรก ต้องมีค่า SOC เริ่มต้นที่เชื่อถือได้เพื่อให้ตัวนับเริ่มต้นอย่างถูกต้อง ใน LFP หากแรงดันไฟให้ค่านี้ไม่ได้ ตัวนับจะเริ่มต้นแทบจะตาบอด
ประการที่สองแยบยลกว่า: ข้อผิดพลาดในการวัดของเซนเซอร์กระแสสะสมเพิ่มขึ้นตามเวลา ความคลาดเคลื่อนเล็กน้อยซ้อนทับกันในทุกรอบ และตัวชี้วัดค่อยๆ เบี่ยงเบนจากสภาพจริงมากขึ้นเรื่อยๆ ความคลาดเคลื่อนสะสมนี้ ซึ่งในวรรณกรรมเรียกว่า SOC drift เป็นสาเหตุที่พบบ่อยที่สุดของการแสดงเปอร์เซ็นต์ผิดพลาดในแบตเตอรี่ LFP โดยเฉพาะเมื่อเซลล์ถูกคงไว้ในช่วงแบนราบราวๆ 50% เป็นเวลานาน - เช่น แบตเตอรี่ของยานพาหนะไฮบริด - โอกาสในการแก้ไขจะลดลงและข้อผิดพลาดจะเพิ่มขึ้น
BMS แก้ไขความคลาดเคลื่อนอย่างไรในวันนี้
ระบบปัจจุบันจัดการปัญหาด้วยกลยุทธ์เชิงปฏิบัตินิยม: เมื่อแบตเตอรี่ถึงการชาร์จเต็ม ตัวนับคูลอมบ์จะรีเซ็ตเป็น 100% และเมื่อการจ่ายไฟหมดจะรีเซ็ตเป็น 0% เนื่องจากเส้นโค้งแรงดันไฟชันขึ้นที่จุดปลาย การตรวจจับที่จุดเหล่านี้จึงเชื่อถือได้ ในระบบที่ชาร์จเต็มบ่อยๆ ความคลาดเคลื่อนจะถูกลบเป็นประจำ แต่ในระบบที่ทำงานในช่วงกลาง การแก้ไขจะเกิดขึ้นนานๆ ครั้ง และข้อผิดพลาดจะเพิ่มขึ้นอย่างอิสระระหว่างการแก้ไขสองครั้ง
สถาปัตยกรรมที่ล้ำหน้ากว่านั้นรวมตัวนับคูลอมบ์เข้ากับการแก้ไข OCV และปรับให้เรียบด้วยฟิลเตอร์ตัวสังเกตการณ์แบบประมาณ โดยทั่วไปคือฟิลเตอร์ Kalman แบบขยาย (EKF) ใน LFP เนื่องจากผลของประวัติแรงดันไฟ (ฮิสเทอรีซิส) ทำให้เส้นโค้งเดี่ยวไม่เพียงพอ จึงใช้แบบจำลองแบบสวิตช์และพารามิเตอร์ฮิสเทอรีซิสแบบแบ่งส่วน นอกจากนี้ยังมีการเสนอตัวแปรต่างๆ เช่น ฟิลเตอร์อนุภาค แนวทางเชิงเสริมซึ่งพัฒนาที่ Stanford รวมการรีเซ็ตตัวนับคูลอมบ์เข้ากับการเรียนรู้ของเครื่อง เพื่อกำหนดเป้าหมายปัญหาความแบนราบเฉพาะของ LFP การประมาณแบบปรับตัวที่อิงข้อมูล Fisher ก็เป็นหนึ่งในแนวทางปัจจุบันที่เสนอเพื่อลดความไม่แน่นอนในบริเวณพลาโต ทั้งหมดนี้หมุนรอบความจริงทางกายภาพเดียวกัน: เมื่อแรงดันไฟสูญเสียข้อมูลที่มันแบกมา ระบบต้องแสวงหาสัญญาณอื่น
แรงขยายตัว: สัญญาณที่พูดถูกต้องแม้แรงดันไฟจะแบนราบ
นักวิจัยได้ค้นหาปริมาณทางกายภาพที่ไวต่อ SOC จริงๆ นอกเหนือจากแรงดันไฟ หนึ่งในตัวเลือกที่น่าสนใจที่สุดคือแรงขยายตัวของเซลล์ ขณะที่แรงดันไฟขึ้นอยู่กับความเข้มข้นของลิเธียมไอออนที่พื้นผิวเซลล์ แรงขยายตัวสะท้อนความเข้มข้นรวมของลิเธียมในเนื้อเซลล์ พื้นฐานทางกายภาพคือการเปลี่ยนเฟสของกราไฟต์ในแอโนดจาก LiC12 ไปเป็น LiC6 ผลลัพธ์: แรงขยายตัวไวต่อ SOC อย่างมากและไม่ไวต่อกระแสแบบไดนามิก แม้แรงดันไฟจะคงแบนราบ
ในทางปฏิบัติ แนวทางนี้ซึ่งใช้แบบจำลองการเรียนรู้ของเครื่องที่เรียกว่า LSSVM ร่วมกับฟิลเตอร์ Kalman แบบ unscented ปรับตัว (AUKF) บรรลุ ข้อผิดพลาดในการประมาณระหว่าง 0.54% ถึง 1% ในช่วงอุณหภูมิ 25-45 °C ในวงจรการขับขี่ NEDC และ DST และภายใต้ภาระล่วงหน้า 15-30 กก. วิธีนี้ก็มีข้อจำกัดในตัวเองเช่นกัน: แรงขยายตัวไม่เพิ่มขึ้นแบบ monoton ตาม SOC จึงจำเป็นต้องใช้ machine learning อีกทั้งเมื่อโหลดด้านหน้าเปลี่ยนแรงสัมบูรณ์ก็เปลี่ยนไปด้วย โมเดลจึงนำไปใช้กับโหลดด้านหน้าอื่นไม่ได้โดยไม่ต้องปรับเทียบ กล่าวคือเป็นสัญญาณที่แข็งแรง แต่ขึ้นกับการติดตั้ง
การวัดอิมพีแดนซ์ภายในยานพาหนะ: ทางออกแบบ EIS
คำตอบที่ทันสมัยที่สุดคือการปรับ spectroscopy อิเล็กโครมิคัลอิมพีแดนซ์ (EIS) ที่ใช้ในห้องปฏิบัติการมาเป็นเวลาหลายสิบปี มาใช้ในการติดตามภายในยานพาหนะ ตรรกะของวิธีนี้ง่าย: ใส่สัญญาณ AC เล็กน้อยเข้าไปในเซลล์ แล้ววัดการตอบสนองที่ขึ้นกับความถี่ของเซลล์ นั่นคือความต้านทาน AC เซลล์จะให้ลายเซ็นอิมพีแดนซ์ต่างกันในระดับการชาร์จที่ต่างกัน เมื่อแรงดันเงียบในบริเวณพลาโต้ อิมพีแดนซ์ยังคง "พูด" อยู่
งานวิจัยที่ตีพิมพ์ในปี 2026 ได้วัด EIS ในเซลล์ LFP จาก 10 kHz ถึง 0.01 Hz ในขั้นตอน 5% จาก 0% ถึง 100% สเปกตรัมที่ได้ผ่านการเลือกคุณลักษณะด้วย Random Forest ก่อน แล้วจึงผ่านโครงข่ายประสาทเทียมแบบ convoluted ที่มีการ regularization แบบ Elastic Net (CNN-EN) ผลลัพธ์น่าทึ่ง: ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย 0.02753 ค่า R² เท่ากับ 0.9820
ก้าวกระโดดเชิงปฏิบัติที่แท้จริงอยู่ที่เวลา: การสแกนสเปกตรัมเต็มรูปแบบใช้เวลาประมาณ 729.94 วินาที ซึ่งนานเกินกว่าจะใช้กับยานพาหนะที่กำลังเคลื่อนที่ได้ งานวิจัยแสดงให้เห็นว่าจุดความถี่เดียว - 0.0125 Hz - ให้ประสิทธิภาพเทียบเท่ากับสเปกตรัมเต็มรูปแบบ การวัดจุดเดียวเสร็จสิ้นใน 110.96 วินาที: เวลาการเก็บข้อมูลลดลงประมาณ 85% ในขณะที่เวลาฝึกฝนก็ลดลง 6% สิ่งนี้ช่วยลดอุปสรรคใหญ่ที่สุดในการบูรณาการ EIS แบบเรียลไทม์เข้ากับ BMS ได้อย่างมาก
คำตอบสั้น: ทำไมมาตรวัดจึงผิดพลาด และจะแก้ไขเมื่อไหร่
สรุปปัญหาในหนึ่งประโยคคือ: มาตรวัดเปอร์เซ็นต์ในแบตเตอรี่ LFP อ่านค่าผิดพลาด เนื่องจากเซลล์สร้างแรงดันที่เกือบคงที่ในช่วงการชาร์จกว้าง การคาดการณ์ตามแรงดันสูญเสียข้อมูลส่วนใหญ่ในพลาโต้นี้ และความคลาดเคลื่อนสะสมของ coulomb counter จะไม่แก้ไขจนกว่าแบตเตอรี่จะถึงการชาร์จเต็มหรือการปล่อยจนหมด และตัวนับถูกรีเซ็ต
ผลลัพธ์เชิงปฏิบัติสำหรับผู้ใช้ก็ชัดเจน เมื่อแบตเตอรี่แสดงแรงดันเต็ม แต่เปอร์เซ็นต์ต่ำเป็นเรื่องปกติ สองค่านี้วัดปริมาณต่างกัน และเส้นตรงของ LFP แยกพวกมันออกจากกัน LFP มีความทนทานต่อการชาร์จ 100% อย่างสม่ำเสมอมากกว่าสารเคมีที่ใช้นิกเกิล ขณะที่ NMC ต้องการช่วง 20%-80% การชาร์จ LFP ให้ถึงขีดสุดยังหมายความว่า BMS มีโอกาสรีเซ็ต การชาร์จเต็มอย่างสม่ำเสมอมีประโยชน์ไม่เพียงสำหรับสุขภาพเซลล์ แต่ยังช่วยให้มาตรวัดแก้ไขตัวเองด้วย
ทิศทางเทคโนโลยีจากนี้ไป: การตรวจจับแรงขยายตัว กลยุทธ์การอัปเดตโมเดลที่บูรณาการอิมพีแดนซ์เซลล์เข้ากับ BMS และการวัด EIS แบบความถี่เดียวที่รวดเร็ว เป็นก้าวหินที่จะแก้ปัญหาการวัดพลาโต้เรียบได้อย่างถาวร ขณะที่สารเคมียังคงรักษาความได้เปรียบ ฝั่งการวัดกำลังเปลี่ยนไปสู่สัญญาณที่บอกเล่ามากกว่าแรงดัน
แหล่งอ้างอิง
- Addressing the OCV-SOC Flat Region in LFP Cells for SOC Estimations Using EIS Measurements - Journal of The Electrochemical Society
- LiFePO4 SOC Flat Voltage Curve Estimation: Expansion Force Method - IEST
- ระดับแรงดันคงที่ของ LFP: เป็นข้อดีหรือโทษต่อการประมาณค่า SoC - Patsnap Eureka
- การประมาณค่า SOC ของ BMS: OCV vs การนับคูลอมบ์ vs ฟิลเตอร์ Kalman - Sunlith Energy
- การเพิ่มความแม่นยำของ SOC และการออกแบบ BMS - Monolithic Power Systems
- แบตเตอรี่ LiFePO4 มีแรงดันเต็มแต่เปอร์เซ็นต์ต่ำ? - Epoch Batteries
- ตารางแรงดัน LiFePO4 48V - Savolture
- การประมาณค่า SOC ที่ปรับปรุงแล้วสำหรับแบตเตอรี่ LFP - Stanford Techfinder
- แนวทางการประมาณแบบปรับตัวโดยใช้ข้อมูลของ Fisher - ScienceDirect
- การติดตามแบตเตอรี่รุ่นต่อไปด้วยการวัดอิมพีแดนซ์ไฟฟ้าเคมี - Texas Instruments