定電壓充電法

從電源端直接供應固定電壓來進行充電稱之為定電壓充電法。定電壓充電法具 有電路簡單及成本低的優點，是最普遍的充電方式。充電時，充電電流會慢慢下降，

電池越接近飽和，電流越小，如果所選擇的定電壓值不夠高，將會造成充電不足，

充電時問過長的現象。若充電定電壓值過高也會造成電池損壞。圖 3-1 為定電壓充 電時電壓與時間的關係曲線。如圖 2-2 所示得知當電池電壓較低時使用定電壓進行 充電，會產生很大的充電電流，造成電池溫度上升，也會破壞電池電極，縮短電池

壽命。通常使用定電壓充電方式都會在電路上增加一限制電流大小的機制，隨著電 池的電壓狀態來調整電流，避免電池損壞。

圖 2-2 定電壓充電時電壓與時間的關係曲線

2.7.2 定電流充電法

定電流充電法是指在充電時問內，提供一固定的充電電流。充電電流大小可根 據充電時間和電池容量來設定如圖 2-3 所示。例如電池容量為 500mAh，若使充電電 流 500mA，則理論上電池充飽時間應 1 小時，若充電電流為 100mA，則充飽時間應 5 小時。

為了防止過度充電，通常會對充電時間有所限制或充電截止條件。定電流充電 的方式很容易實現，所以很普遍的被市面上的充電器所採用，不過需依照不同的電 池不同的化學特性做不同的充電截止條件。定電流充電曲線如圖 3-2 所示，以定電

愈大，則愈快達到所設定的電壓上限，但因為沒有考慮電池的電量狀態，充電末期 易使電池產生氣體而損壞電池。而若充電電流設定愈小，對電池愈不會造成損害，

但相對的導致充電時間過長。

圖 2-3 定電流充電時電壓與時間的關係曲線

2.7.3.定電流-定電壓充電法

將定電流與定電壓充電方式結合在一起就形成定電流-定電壓充電法。因為充電 過程分成兩階段，所以又稱兩階段充電法。如圖 2-4 所示為其充電曲線線圖。第一 階段先用定電流充電，較快可以到需求的電壓，藉由調變充電電流即可達到調控充 電時間的效能，比定電壓法較節省時間。在這個階段時，電池電壓會慢慢上升，當 定電流到達截止條件的設定值時，再改以第二階段的定電壓充電，這時候的充電電 壓流將隨著時間而逐漸下降，第二階段彌補了定電流充電的缺點，使電池不會有作 虛充的現象且電池較能充到飽和。恰好補足二鋰電池在單使用定電流充電特性下所

無法滿足的條件。至於充電時問的長短則是需要視所設定的電壓和電流值來決定。

這種充電方式同時具有定電流的快速與定電壓的準確兩種優點，所以一般鋰電池大 部分會選用此種方法。

圖 2-4 定電流-定電壓充電時電壓與時間的關係曲線 2.7.4 涓流式充電法

涓流式充電曲線如圖 2-5 所示，充電方式類似於定電流定電壓充電法。此種充 電法一開始採取比較大的定電流對電池充電，當電池電壓達到所預設之電壓後，改 以較小之定電流對電池對充電。此種方法與電流-定電壓充電法相比較，它可避免負 重載時，電池組電壓突降，使得大電流流過電池造成損害．所以使用涓流充電法可 保護電池並延長電池壽命。但是流涓充電法主要缺點在於充電速度較慢。在大多數 的涓流充電中，皆較會缺乏任何電壓或溫度回饋控制．因此無法給予保證電池充足

圖 2-5 涓流式充電法時電壓與時間的關係曲線

2.7.5 脈衝式充電法

脈衝式充電法如圖 2-6，始於 1970 年代，可說是第一個增加充電效率的充電方 式，其方法是對電池施以一週期性脈衝電流，可在充電過程中增加電池休息時間，

使離子可以更均勻的分散在電地上，讓電池內部的電解液在化學反應上可以獲得中 和緩衝時間，以降低電池在充電時所受的壓力。進一步延長電池循環使用壽命，並 且可以適當調節脈衝電流大小，以達到快速充電的目的。此種充電方式能承受較大 的脈衝電流充電而不傷害電池，又可降低充電時間。充電曲線圖 3-5 所示，其中 Tc 為充電週期、Tr 為休息週期。

圖 2-6 脈衝式充電法充電時電壓與時間的關係曲線

2.7.6 Reflex^TM脈衝式充電法

Reflex^TM充電法為脈衝充電式的改良。其特色就是在每一個充電脈衝之後緊接著 一個放電脈衝及一個可有可無的休息週期。放電的過程更可讓電池內部電解液獲得 緩衝時間．去除電極氣泡．幫助負電極板的氧融合作用。減少電池充電時的溫度、

壓力與阻抗，加速電池恢復平衡。使下一個充電週期的電能更能充入電池中．增加 充電效率．延長電池使用循環壽命，當電池端電壓、內部壓力與溫度發生劇烈變化 時。充電電流必須馬上移除。以避免傷害電池。如圖 2-7 所示為 Reflex^TM充電法的曲 線圖。其中 Tc 為充電週期，Td 為放電週期。

圖 2-7 Reflex^TM充電法充電時電壓與時間的關係曲線

2.7.7 Motorola 充電法

1996 年 1 月， L.J.Martin 與 S.M.Garrett 在 Motorola 公司申請通過美國專利，

專利名稱是是鋰離子電池快速充電的方法(Method of Rapidly Charging a Lithum Ion Cell)，本項專利與快速充電策略 Podrazhansky 充電類似，充電電流波形包含 了高電流振幅的充電脈衝與較長時問的充電週期，高電流振幅的放電脈衝較短時間 的放電週期，最後是維持穩定不充不放的休息週期，整個充電曲線是適用於鋰離子 電池的快速充電，如圖 2-8 所示。首先是充電脈衝持續時問 Tcl，接著是第一個休息

週期 Trl，再緊接著是放電脈衝持續時間 Tdl，最後為第二個休息週期 Tr2，如此週 期性重複。一個週期約 10-20 秒。而休息週期與放電週期的總和約佔整個過期的 5%。

以一個最大電壓為 4.2V 的鋰離子電池為例，充電週期 Tcl 約 5 到 15 秒．休息週期 Tr1=Tr2 約 0.5 秒至 3 秒．放電週期 Td1 約 1 到 5 秒。一間始充電時．電池的端電壓 很低．充電與放電脈衝的電流振幅皆為 2C。隨著電池的端電壓逐漸達到設定值時，

也就是在定電壓充電狀態下，充電脈衝的電流振幅也逐漸降低，但放電脈衝的電流 振幅仍維持 2C。專利內容除了快速充電策略的提出外，對於電池充電過程的控制與 終止也有解決方式。如果電池端電壓達到預先設定的最大值 Vmax 約 4.2 伏，並且少 於預先決定的充電時間，此時可降低充電脈衝的電流振幅 1C，但放電脈衝仍維持 2C。

當待充電之電池的溫昇達到設定值時，快速充電的過程結束，並且轉換成約 C/l0 到 C/20 的涓流充電宜電池充滿為止。

圖 2-8 Motorola 充電法充電時電壓與時間的關係曲線

2.8 控制系統簡介

所謂控制(control)是使得一個系統的控制變數或輸出值的變化能夠維值於特 定輸入參考值的一個過程。因此回授控制(feedback control)是藉由量測一個系統 變數的值，並實際利用此信息去改變此控制變數的一個過程。一般來說，控制系統 可分為無使用回授的開回路控制(open-loop control)與使用回授的必迴路控制 (closed-loop control)，閉迴路控制系統通常又簡稱回授控制系統(feedback

control system)。一個典型的回授控制系統包括了被控制系統(controlled system or plant)、致動器(actuator)、控制器(controller)及系統的輸入與輸出感測器

範圍，並達到穩定負載端電流的功能，是因為電池的充、放電特性是由電池內部化 學材料進行氧化還原反應而來，如果不當的充放電方式，會造成電池內部永久性損 壞，加速電池的老化，進而影響電池的性能和壽命。

圖 2-9 完整的 DC-DC 降壓式穩壓點路為基礎之鋰電池充電控制器

圖 2-10 PWM 和 PFM 多排程控制器之架構圖

2.8.1 脈波寬度調變電路架構

在 PWM mode 區塊中，包含了訊號放大器電路、三角波訊號產生電路及運算比較電路 等。如圖 2-11 所示。PWM mode 回授電壓經由運算放大器來使訊號放大，以輸入後端 之比較器。將我們所設定的 Vref 作輸入，再利用積分器動作原理做為三角波產生電 路的基本概念。當輸入積分器的訊號為負電壓值，而使輸出端電壓以正斜率值送出：

當輸入積分器的訊號為正電壓值，因此使輸出端電壓以負斜率值送出。因此在適當 時間做正負電壓的變換，可產生輸出訊號含有正負斜率之三角波。

圖 2-11 PWM mode 回授電壓經由運算放大器

2.9 電量估測方法

電池電量的估測有很多種方法，依照精確度的需求，會有不同的測量方式，甚 至會同時採用兩種以上的電量估測方式來達到較高的精確度與及即時測量的目的。

以下是對各種檢測方式的簡介。

2.9.1 電測試法

對完全充電的電池進行完整放電，並持續針對放電過程所有流出的電量， 利用 這樣的過程，可以計算出該電池所含的電量。此法較適合用來求取初始電容量，或 是經常使用到完整充放電週期的裝置上。

2.9.2 庫倫法

2.9.4 線性模型

以最小平方法計算電池電壓對電量的線性參數，想提高精確度需要較多資料來 表現系統的種種運作狀況，比如說考慮不同放電率、溫度…等其他因素， 就必須使 用輸入更多，演算更為複雜的線性模型。

2.9.5 類神經網路

利用類神經網路的概念，制定許多輸入與輸出參數，電量計在使用前透過訓練 與學習產生參數，節由這些參數讓電量計了解電池的特性。此法雖然可以適用於各 種電池，但是相對的輸入與輸出參數該使用什麼與及如何訓練與學習更是一大學 問，而且類神經網路演算法通常極為複雜，於可以攜式裝置上實現起來也很困難。

利用類神經網路的概念，制定許多輸入與輸出參數，電量計在使用前透過訓練 與學習產生參數，節由這些參數讓電量計了解電池的特性。此法雖然可以適用於各 種電池，但是相對的輸入與輸出參數該使用什麼與及如何訓練與學習更是一大學 問，而且類神經網路演算法通常極為複雜，於可以攜式裝置上實現起來也很困難。