【摘要】：隨著傳統(tǒng)化石能源的日漸消耗以及各國政府對環(huán)境保護(hù)力度的不斷加大,以新能源為動力的電動汽車(Electric Vehicle,EV)因其耗能低、無污染的優(yōu)勢已經(jīng)被全世界所重視。鋰電池荷電狀態(tài)(State of Charge,SoC)估計作為電動汽車電池管理系統(tǒng)(Battery Management Systern,BMS)中最重要的核心技術(shù)之一,對整車的安全運(yùn)行與節(jié)能管理都發(fā)揮著重大作用。當(dāng)電動汽車運(yùn)行在復(fù)雜工況時,如何對電池模型參數(shù)進(jìn)行準(zhǔn)確的在線辨識以及如何改進(jìn)現(xiàn)有估計算法以處理非高斯噪聲問題仍是研究難點之一。因此設(shè)計具有強(qiáng)魯棒性的辨識算法和荷電狀態(tài)估計算法仍有重要的學(xué)術(shù)價值。本文首先通過對鋰電池二階等效電路模型進(jìn)行分析,確定了電池模型狀態(tài)方程與觀測方程,并列寫了電池SoC-OCV方程。其次,為了有效抑制模型中的噪聲對辨識精度的影響,本文在遞推最小二乘算法的基本上添加了偏差補(bǔ)償項,使其在含噪聲情況下更準(zhǔn)確的估計模型參數(shù)。第三,在考慮非高斯噪聲作為系統(tǒng)主要干擾之后,本文使用最大相關(guān)熵準(zhǔn)則對擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)的目標(biāo)函數(shù)進(jìn)行改進(jìn),推導(dǎo)得到了熵-擴(kuò)展卡爾曼濾波(C-EKF)算法,為了加強(qiáng)C-EKF算法的數(shù)字穩(wěn)定性,本文又使用加權(quán)最小二乘(Weighted Least Square,WLS)法對其改進(jìn),最終得到基于加權(quán)最小二乘法的擴(kuò)展相關(guān)熵卡爾曼濾波算法(C-WLS-EKF)。仿真案例的分析表明,本文所改進(jìn)的參數(shù)辨識算法以及荷電狀態(tài)估計算法可以在滿足在線辨識的要求并在非高斯噪聲的干擾下實現(xiàn)最優(yōu)估計。
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM912
【圖文】：

緒論景與意義，隨著以化石能源的為動力的傳統(tǒng)能源汽車受到能源限制以，以石油為動力的汽車正在被以新能源為主要動力的電動汽源汽車而言，電動汽車在能源消耗等方面顯現(xiàn)出了比傳統(tǒng)汽汽車的發(fā)展成為了目前汽車行業(yè)的主流趨勢[1~3]。如圖1-界電動汽車產(chǎn)量呈現(xiàn)出大幅度增長的趨勢，而在2015年，過西歐，躍居成為電動汽車第一大生產(chǎn)國。由此可見，在未的電動汽車生產(chǎn)技術(shù)都將成為影響世界電動汽車技術(shù)的主

西安理工大學(xué)碩士學(xué)位論文辨識速度較低，只能在理論上達(dá)到辨識精度，但是不能滿足辨識時限性的要求，目前還不能被運(yùn)用到工程實際中。二是各種智能算法中往往包含許多未知參數(shù)，這些參數(shù)會對辨識精度造成非常大的影響，然而，對電池參數(shù)辨識而言在不同工況下其辨識算法的參數(shù)必定是一個變化的過程，因此此類智能尋優(yōu)算法的參數(shù)確定也成為目前的一大難題。1.2.2 鋰電池荷電狀態(tài)估計研究現(xiàn)狀SoC估計是電池管理系統(tǒng)的關(guān)鍵模塊，相關(guān)研究者針對SoC估計問題從不同角度提出了許多估計算法。本課題將相關(guān)方法歸類為傳統(tǒng)方法，現(xiàn)代信息系統(tǒng)濾波方法以及其他一些新型方法[24~30]。而其中信息系統(tǒng)濾波方法是目前研究非常廣泛的一個方向。如圖1-3所示為SoC估計研究方法樹。

圖 1-4 常用的 SoC 估計方法的估計誤差和計算復(fù)雜度Fig.1-4 Estimation Error and Computational Complexity of Commonly Used SoC Estimation Methods根據(jù)上述分析，在圖1-4中近似的描述出了目前研究的SoC估計方法的估計誤差和計算復(fù)雜度之間的聯(lián)系。其中橫坐標(biāo)是SoC估計誤差大小程度，縱坐標(biāo)是估計方法的計算復(fù)雜程度。黑色虛線矩形中的青色區(qū)域所示的示例描述了如何讀取關(guān)于該方法的信息。從黑到青色梯度的曲線通過使用相同算法增加模型復(fù)雜度來指示總體估計誤差和計算復(fù)雜度，實線到虛線曲線表示增加算法復(fù)雜度對誤差的影響以及SoC估計方法的總體復(fù)雜性，由黑色虛線閉合曲線圍繞的青色區(qū)域是在各種類型的模型和算法下的SoC估計方法的誤差和總體復(fù)雜性。由于當(dāng)前SoC估計方法的誤差和計算復(fù)雜性尚未定量研究，因此該區(qū)域只能代表各種SoC估計方法的相對誤差和復(fù)雜性。圖1-4中畫出了六種SoC估計方案。其中AHC估計方案具有非常低的計算復(fù)雜度。對Tank模型或安培積分法而言，對模型的修正很少增加其復(fù)雜度，與之相對的是，其估計精

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖海山;韋莉;顧帥;張逸成;姚勇濤;;以滑模觀測器算法估計超級電容器荷電狀態(tài)的探討[J];低壓電器;2013年19期

2 劉廣林;鉛酸蓄電池荷電狀態(tài)的研究[J];蓄電池;1989年02期

3 吳佳祥;;基于安時法的磷酸鐵鋰電池荷電狀態(tài)校正[J];山東交通學(xué)院學(xué)報;2015年03期

4 夏晴;劉志遠(yuǎn);;電動汽車動力電池荷電狀態(tài)的滑模估計方法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年S1期

5 汪偉;貝紹軼;汪永志;伍佳佳;楊慧;;混合動力鎳氫電池荷電狀態(tài)估計[J];中國農(nóng)機(jī)化學(xué)報;2016年04期

6 何鵬林;王曉冬;;串聯(lián)鋰離子電池組荷電狀態(tài)評估方法對比[J];安全與電磁兼容;2011年01期

7 孫靜霞;譚德榮;;電動汽車用鋰離子電池荷電狀態(tài)的卡爾曼濾波算法[J];農(nóng)業(yè)裝備與車輛工程;2010年09期

8 彭思敏;沈翠鳳;李家榮;;無跡卡爾曼濾波法在電池系統(tǒng)荷電狀態(tài)估計中的應(yīng)用[J];工業(yè)控制計算機(jī);2015年12期

9 嵇雷;Ryad Chellali;;基于自適應(yīng)卡爾曼濾波的電池荷電狀態(tài)估算[J];電池;2018年04期

10 黃小玲;那偉;葉磊;劉永星;;混合動力汽車用鋰離子電池荷電狀態(tài)的估計[J];電池;2014年05期

相關(guān)會議論文 前10條

1 馬婷婷;張鐵巖;;風(fēng)光儲聯(lián)合發(fā)電并網(wǎng)系統(tǒng)中儲能系統(tǒng)荷電狀態(tài)的優(yōu)化控制策略研究[A];第十六屆沈陽科學(xué)學(xué)術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

2 孫駿;李寶輝;;電動汽車電池荷電狀態(tài)的估算方法研究及展望[A];2012安徽省汽車工程學(xué)會年會論文集[C];2012年

3 馮卓民;張哲;陳敏;錢照明;;鋰離子電池均衡電路的比較[A];2008中國電工技術(shù)學(xué)會電力電子學(xué)會第十一屆學(xué)術(shù)年會論文摘要集[C];2008年

4 肖成偉;董潔;;電動汽車用動力蓄電池荷電狀態(tài)與峰值功率能力關(guān)系的研究[A];第二十七屆全國化學(xué)與物理電源學(xué)術(shù)年會論文集[C];2006年

5 范永生;陳曉;徐冬清;劉平;王保國;;全釩液流電池荷電狀態(tài)檢測方法研究[A];第二十八屆全國化學(xué)與物理電源學(xué)術(shù)年會論文集[C];2009年

6 李春林;;太陽能基站循環(huán)型儲能電池[A];通信電源新技術(shù)論壇——2010通信電源學(xué)術(shù)研討會論文集[C];2010年

7 程艷青;高明煜;;基于卡爾曼濾波的電動汽車SOC估計[A];浙江省電源學(xué)會第十一屆學(xué)術(shù)年會暨省科協(xié)重點科技活動“高效節(jié)能電力電子新技術(shù)”研討會論文集[C];2008年

8 席安靜;白鵬;;鋰離子電池荷電狀態(tài)估計方法綜述[A];2011中國電工技術(shù)學(xué)會學(xué)術(shù)年會論文集[C];2011年

9 張秀麗;王熙俊;王應(yīng)高;程文華;;全釩液流電池電解液荷電狀態(tài)電在線測量方法及系統(tǒng)[A];2016年全國腐蝕電化學(xué)及測試方法學(xué)術(shù)交流會摘要集[C];2016年

10 趙嵩;巴宇;葛延峰;史松杰;潘鵬飛;黃佳偉;李衛(wèi)東;;一種電池儲能AGC控制性能評價標(biāo)準(zhǔn)[A];中國電機(jī)工程學(xué)會電力市場專業(yè)委員會2018年學(xué)術(shù)年會暨全國電力交易機(jī)構(gòu)聯(lián)盟論壇論文集[C];2018年

相關(guān)博士學(xué)位論文 前10條

1 胡超;基于儲能荷電狀態(tài)的虛擬同步機(jī)控制策略研究[D];合肥工業(yè)大學(xué);2017年

2 Taimoor Zahid;動力電池荷電狀態(tài)估計算法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院);2018年

3 鄒幽蘭;基于退役鋰動力電池容量、內(nèi)阻和荷電狀態(tài)的建模與參數(shù)估計[D];中南大學(xué);2014年

4 郭向偉;電動汽車電池荷電狀態(tài)估計及均衡技術(shù)研究[D];華南理工大學(xué);2016年

5 朱政;磷酸鐵鋰電池荷電狀態(tài)估計方法的研究[D];哈爾濱工業(yè)大學(xué);2013年

6 劉勝永;基于風(fēng)/光發(fā)電系統(tǒng)的儲能系統(tǒng)建模與控制[D];合肥工業(yè)大學(xué);2016年

7 穆浩;電動汽車鋰離子動力電池荷電狀態(tài)魯棒性估計方法研究[D];北京理工大學(xué);2016年

8 劉寶其;充放儲一體化電站并聯(lián)式功率調(diào)節(jié)系統(tǒng)的控制技術(shù)研究[D];華中科技大學(xué);2012年

9 陳峭巖;電動汽車電池狀態(tài)估計及均衡管理研究[D];天津大學(xué);2014年

10 張熙;大規(guī)模儲能與風(fēng)力發(fā)電協(xié)調(diào)優(yōu)化運(yùn)行研究[D];山東大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 邱新宇;穩(wěn)健的鋰電池等效電路模型參數(shù)辨識及荷電狀態(tài)估計研究[D];西安理工大學(xué);2019年

2 許夢蝶;退役電池儲能利用主動均衡控制系統(tǒng)研究與設(shè)計[D];武漢理工大學(xué);2018年

3 張康康;動力電池荷電狀態(tài)估計算法研究[D];河南師范大學(xué);2018年

4 張國路;電動汽車動力電池荷電狀態(tài)估計及均衡技術(shù)研究[D];合肥工業(yè)大學(xué);2018年

5 楊麗文;基于多模型的鋰電池荷電狀態(tài)在線估計方法研究[D];南京航空航天大學(xué);2018年

6 許強(qiáng);鋰電池荷電狀態(tài)估計及監(jiān)測[D];上海海洋大學(xué);2018年

7 李昊;基于自適應(yīng)抗差UKF的鋰電池荷電狀態(tài)估值研究[D];廣西科技大學(xué);2014年

8 向順;鋰電池荷電狀態(tài)、健康狀態(tài)以及功率狀態(tài)的在線估計[D];西南交通大學(xué);2018年

9 張靜;三元動力電池荷電狀態(tài)在線估算研究[D];浙江大學(xué);2018年

10 李爽;基于變結(jié)構(gòu)濾波的動力電池荷電狀態(tài)估算方法研究[D];桂林電子科技大學(xué);2017年

本文編號：2772315