第 第 六 六 六 章 章 章
結 結 結論 論 論
6.1 研 研 研究 究 究貢 貢 貢獻 獻 獻
原有的論文僅在固定的電池充放電速率狀況下，對初始電池SOC(t0)修正取 得誤差較小的結果，卻忽略了實際應用中，電動車電池充放電速率是動態的。因 此，本研究以論文[21]作為基礎，進一步延伸論文在電池充放電狀態中對初始電 池SOC(t0)修正的想法。主要的貢獻有：
1. 建立了電池可應用於電池充電狀態、放電狀態、靜置狀態更新初始電池SOC(t0)的 擬合模型
在現有的方法中，僅能對靜置狀態的電池SOC進行修正，而在加入充電狀態 與放電狀態的電池SOC修正後，使得庫倫積分與擬合模型修正初始電池SOC(t0)的 方法，達成了在不增加太多硬件需求的前提下，在一定程度上提升了整體電 池SOC的準確度。除此，研究也探討了各影響因子(環境溫度、電池充放電速 率、 庫倫效率)對電池SOC準確度的影響，最終將初始電池SOC(t0)的更新以 及庫倫積分的影響因子納入電池SOC計算中。
2. 探討電池在充電狀態、 放電狀態、 靜置狀態更新初始電池SOC(t0)的時機與 對應誤差
在更新初始電池SOC(t0)的實際應用中，藉由找出在充電狀態、放電狀態、靜 置狀態適合的初始電池SOC更新時機，可使用模型Fitting結果對初始電池SOC(t0)進 行更新。本研究提出在對電池動態充放電後充電10分鐘的充電狀態中，可以 對電池SOC進行預測，預測準確度與機台實際值僅相差1.29Ah (1.37%)；在
電池動態充放電後靜置15分鐘的靜置狀態中，可以對電池SOC進行預測，預 測準確度與機台實際值僅相差0.623Ah (0.66%)；至於電池的放電狀態，研究 提出了不同SOC區間對電池SOC更新的時機，也在更新電池SOC驗證中取得 了不錯的高電池SOC區間0.36Ah (0.38%) 預測誤差與低電池SOC區間1.43Ah (1.53%)預測誤差。
本研究在進行擬合、建立模型時使用 Kriging Method，此方法雖然較複雜的 Adaptive System Method 簡單，但簡易度還是不比 Linear Interpolation 或是 Polynomial Interpolation。在擬定可接受的預測誤差範圍後，可藉由參數數量 的設定，並使用 Linear/Polynomial Interpolation 對數據進行擬合，亦或是分 別對充電、 放電、 靜置狀態數據進行擬合，建立三種不同狀態下的擬合模
doi:10.6342/NTU201700840
3. 擬合模型的通用性不同廠商製造的電池擁有不同的特性，實驗的數據特性也會因而不同。擬合 模型實際上做的，就是以電池的特性(電池效率、電壓與電池容量關係等)數 據作為模型輸入值，去對電池SOC作預測。因此，電池的不同導致電池特性 數據的改變，有可能導致本研究中的部分結論不適用，需進一步研究探討。
4. 考量車用電池Module、Pack與電池Cell差異
本研究進行的電池實驗皆使用電池 Cell，與實車上使用的電池 Module 與電 池 Pack不同。實車上使用的電池Module/Pack與電池Cell的不同在於實車的電 池有加裝冷卻系統，並且經過複雜的串並聯相接，再加上擁有實車其他的耗 電零件(冷氣，車燈等)，這些因素可導致電池的溫度分佈與最高溫不同，也 導致電池耗電量的因子增加。因此，若要於實車應用電池SOC估測還必須探 討這些的不同因素造成的影響。
相信不斷優化的電池SOC估測方法，不僅能增加消費者的信心，降低電動車 駕駛者的里程憂慮，同時也讓工程師能夠對實際運行中的電動車電池SOC有更好 的掌握，能夠做更好的控制策略，使電池達到其最大使用效率，駕駛者也有更好 的用車體驗。