【摘要】：現(xiàn)如今,傳統(tǒng)化石能源汽車在逐漸被電動汽車所取代。動力電池作為汽車儲能部件,占電動汽車生產(chǎn)研發(fā)的近半成本,是制約電動汽車發(fā)展的瓶頸。動力電池的荷電狀態(tài)(State of Charge,So C)與健康狀態(tài)(State of Health,So H)是電池管理系統(tǒng)的基礎(chǔ),其精確估計值直接關(guān)系到汽車運行的效率以及安全性。但由于電池反應(yīng)的非線性特性及眾多環(huán)境因素的干擾,精確估計電池狀態(tài)的難度非常大。本論文以目前主流的鋰離子動力電池作為對象,對電池的So C與So H的估計算法進行了探究。首先,論文闡述了鋰電池的工作原理,給出了電池荷電狀態(tài)與健康狀態(tài)的定義。并且以馬里蘭大學(xué)CALCE(Center for Advanced Life Cycle Engineering)電池研究中心的電池測試項目,對動力電池的測試方案與結(jié)果進行了闡述,并根據(jù)實驗數(shù)據(jù)分析了電池的溫度特性與遲滯特性等重要特性。接下來,經(jīng)過對比現(xiàn)有電池模型,選擇了一階戴維南等效電路模型。利用遞推最小二乘法進行電池參數(shù)辨識,包括開路電壓與So C的關(guān)系函數(shù),電池的內(nèi)阻,極化電阻以及電池的極化電容等。并且通過不同工況,對模型進行了對比實驗驗證,證明了模型的有效性。在模型基礎(chǔ)上,論文以滑模觀測器為基礎(chǔ),設(shè)計了全階終端滑模觀測器來估計電池So C。該方法為在線估計算法,繼承了滑模觀測器魯棒性好的特性,避免了現(xiàn)今So C估計算法或者只能離線估計,以及去除了在線估計對模型精度要求高的弊端。同時突破了線性滑模漸進收斂的限制,克服了抖振的問題,并且無需使用濾波器,從而極大減輕了了系統(tǒng)運算及內(nèi)存負擔(dān)。通過兩種標準汽車工況實驗對比兩種算法進行了測試,結(jié)果顯示,該算法實現(xiàn)了電池So C的高精度估計,對比線性滑模狀態(tài)跟蹤更好,精度更高,現(xiàn)今針對電池SoH的在線估計算法研究較少。該論文針對汽車常見應(yīng)用情況,確定了電池的內(nèi)阻與容量作為電池So H的標識。利用電池狀態(tài)參數(shù)變化較緩慢的特性,構(gòu)建了交替更新的電池雙滑模觀測器系統(tǒng)。通過兩種標準汽車工況實驗對比兩種算法進行了測試,結(jié)果顯示,該算法能夠以較高的精度進行So H的實時觀測,具有較好的應(yīng)用價值。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TM912
【圖文】：

ArbinBT2000電池充放電測試系統(tǒng)

ESPECPRA-3AP溫度控制箱

額定容量 2000mAh標準充電 CCCV，1A, 4.20±0.05V, 100mA 截止標準放電 CCCV，4A, 4.20±0.05V, 100mA 截止充電時間 標準充電：180min/100mA 截止快速充電：50min（25℃）/100mA 截止大放電電流 22A（25℃），60% 持續(xù) 250 循環(huán)周期充電溫度放電溫度0~50℃（建議循環(huán)充電小于45℃）-20~75℃（建議循環(huán)放電小于 60℃）.2 電池測試方案針對電池 SoC 的估計，進行了 4 種電池測試：恒流恒壓充放電、混合動力脈特性測試(Hybrid Pulse Power Characteristic，HPPC)、動態(tài)應(yīng)力工況測試(Dynamicess Test，DST)以及聯(lián)邦城市動態(tài)應(yīng)力工況測試(Federal Urban Dynamic Stressst，F(xiàn)UDS)。原始實驗數(shù)據(jù)以 Microsoft Excel 文檔的形式保存，其中每個測試數(shù)據(jù)量以 1s采樣時間，其格式示意圖如圖 2-3 所示。由于數(shù)據(jù)量過大，平均每個測試約有一個測試點，論文將其導(dǎo)入 Matlab 采用依測試時間繪制數(shù)據(jù)圖的形式展示數(shù)據(jù)。

【參考文獻】

相關(guān)期刊論文 前10條

1 王衍帥;;法國電動汽車市場發(fā)展?fàn)顩r[J];全球科技經(jīng)濟w

本文編號：2760019