【摘要】：近幾年,由于環(huán)境危機,電動汽車發(fā)展迅速。動力鋰離子電池組是電動汽車的重要組成部分,為保障其高效、安全運行,需要建立電池管理系統(tǒng)(Battery Management System,BMS)對電池組進行有效管理。電池荷電狀態(tài)(State of Charge,SOC)是電池工作狀態(tài)的典型表征量,其估計算法的準確性對于提高BMS系統(tǒng)性能起到?jīng)Q定性作用。本文將圍繞鋰離子電池SOC的估算精度,展開以下幾個方面的研究。首先分析國內(nèi)外電動汽車鋰離子電池的發(fā)展現(xiàn)狀,研究鋰離子電池的結(jié)構(gòu)、工作原理及相關(guān)電池技術(shù)參數(shù),考慮電池的剩余容量受到放電倍率、溫度、循環(huán)次數(shù)和自放電等因素的影響,采用帶系數(shù)修正的SOC計算式對電池容量進行修正。對電池常見模型做了對比分析,采用以Thevenin等效模型為基礎(chǔ)的電池混合噪聲模型來減小漂移電流對電池SOC估算的不利影響,對電池進行HPPC脈沖充放電測試試驗實現(xiàn)電池模型中的參數(shù)辨識,利用辨識的參數(shù),在恒流放電試驗條件下對電池等效模型進行驗證,仿真結(jié)果與真實值比較吻合,證明辨識的參數(shù)以及模型的精度很高。其次對常見的鋰離子電池SOC估算方法進行了對比分析,考慮到瞬間大電流充放電使電池在工作時非線性加劇,使用迭代擴展卡爾曼濾波算法(Iterated Extended Kalman Filter,IEKF)估算電池SOC時,會有較大的線性化誤差。為了減小誤差,進一步提高SOC的估算精度,論文基于電池混合噪聲模型,提出利用Rauch-Tung-Streibel(RTS)最優(yōu)平滑算法與IEKF算法結(jié)合生成粒子濾波的建議分布,得到一種融合RTS最優(yōu)平滑的迭代擴展卡爾曼粒子濾波算法,并用該方法來估算鋰電池的SOC。最后通過搭建SOC估算平臺,試驗結(jié)果表明,與IEKF和IEKPF算法比較,RTS-IEKPF算法有效地提高了SOC估算的精度。最后論文還搭建了鋰離子電池SOC估算的電池管理系統(tǒng)測試平臺,設(shè)計了平臺中與SOC估算相關(guān)的軟硬件模塊,并且通過試驗對系統(tǒng)的各項功能進行測試。試驗結(jié)果表明,本文所設(shè)計的軟硬件系統(tǒng)平臺采集精度較高,可以滿足SOC估算對采集精度的要求,且RTS-IEKPF算法在SOC估算時有較好的精度。本文研究的RTS-IEKPF算法在估算電池SOC時精度很高,完全滿足電動汽車對SOC的要求,將加速電動汽車的產(chǎn)業(yè)化和實用化進程,具有較高的推廣應(yīng)用價值。
【學位授予單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM912
【圖文】：

典型放電曲線進程跟其他蓄電池相似過程中，我們需要在負極保留一部分道。為了防止出現(xiàn)鋰離子電池出現(xiàn)過低電壓[28]，研究認為單節(jié)鋰電池的放電池容量的 3 倍。串聯(lián)蓄電池組對過終止電壓，則意味著電池組放電結(jié)束壓特性電動勢、開路電壓（OCV）和工作電的是電池本身處在熱力學平衡時正負出的電能。保持其他因素不變，鋰離輸出功率也越大。OCV是指當電池負載幾乎為無窮大或間的電壓值[29]。電池 OCV 只與電池所向有關(guān)，而與電池的外部形狀無關(guān)。

圖 2.2 電池的 OCV-SOC 關(guān)系曲線離子電池的工作電壓為電池接通負載時兩極的電位差，簡稱端電壓[30]。池內(nèi)阻與極化效應(yīng)的存在消耗了一部分電壓，數(shù)值上工作電壓會小于 OC池內(nèi)存在極化內(nèi)阻和歐姆內(nèi)阻，他們會存在一定的分壓影響，電池充電靜置電池的工作電壓會隨時間增加而減小，故而 OCV 也會小于充電時的；放電時的電池同樣存在內(nèi)阻分壓影響，其表現(xiàn)為 OCV 高于工作電壓。電時分別存在臨界電壓，充電截止電壓即為充電過程所能達到的上限電壓在放電截止電壓。充電時超過充電截止電壓，則為過充；放電過程也同放的概念。電池的過充和過放對電池都不利，在現(xiàn)實中我們要避免鋰離現(xiàn)過充以及過放情況。常用鋰離子電池剩余電量估算方法 電池剩余電量定義

OCU0R1R1CLILU圖 3.2 Thevenin 模型的電路結(jié)構(gòu)在 2001 年首次提出，并在之后幾年中被廣泛 模型在 Thevenin 模型的基礎(chǔ)上增加了電容反映負載電流下開路電壓的變化情況。參數(shù)圖 3.2 中 Thevenin 模型的相同。從描述電池確，但是該模型相比較 Thevenin 等效模型，限，在實際工程運用中并不多見。

【參考文獻】

相關(guān)期刊論文 前8條

1 陳仕俊;鄭敏信;滿慶豐;;基于STM32和LTC6803的電池管理系統(tǒng)設(shè)計[J];電源技術(shù);2015年02期

2 趙又群;周曉鳳;劉英杰;;基于擴展卡爾曼粒子濾波算法的鋰電池SOC估計[J];中國機械工程;2015年03期

3 朱智超;羅馬吉;張超;;基于卡爾曼增益動態(tài)修正的動力電池SOC估算[J];電源技術(shù);2015年01期

4 汪永志;貝紹軼;汪偉;李波;;基于粒子濾波算法的動力電池SOC估計[J];機械設(shè)計與制造工程;2014年10期

5 唐定兵;高曉丁;薛世潤;;基于STM32F103ZET6的開放式數(shù)控運動控制系統(tǒng)[J];機電工程;2014年08期

6 安志勝;孫志毅;何秋生;;基于模糊卡爾曼濾波的鋰電池SOC估算方法[J];火力與指揮控制;2014年04期

7 魏克新;陳峭巖;;基于自適應(yīng)無跡卡爾曼濾波算法的鋰離子動力電池狀態(tài)估計[J];中國電機工程學報;2014年03期

8 宋麗;魏學哲;戴海峰;孫澤昌;;鋰離子電池單體熱模型研究動態(tài)[J];汽車工程;2013年03期

本文編號：2770174