發(fā)布時間：2020-10-24 05:44

　　 電動汽車在近幾年發(fā)展迅速,無論是在能源消耗還是環(huán)境保護方面都具有明顯優(yōu)勢,電動汽車關(guān)鍵技術(shù)突破自然成為研究熱點。電池組作為電動汽車整車的動力總成,其高效工作、安全使用、能量控制策略的優(yōu)化等依賴于電池管理系統(tǒng)。電池組荷電狀態(tài)(SOC)精確估算是電池管理系統(tǒng)基礎(chǔ)核心的功能,因此本文研究了鋰電池荷電狀態(tài)(SOC)的估計方法工程化實現(xiàn)以及對比分析。首先分析了倍率、溫度等因素對鋰離子電池的電壓、容量、內(nèi)阻等特性參數(shù)的影響;建立了 SOC-OCV數(shù)學(xué)模型,實現(xiàn)SOC-OCV曲線與倍率影響因素的解耦;搭建了一階RC和二階RC等效電路仿真模型,對比分析了兩種電池在不同工況下模型精度。仿真結(jié)果表明一階RC模型和二階RC模型精度相近,且對工況倍率均具有良好的適應(yīng)性,考慮工程化實現(xiàn)的復(fù)雜程度,選取一階RC模型作為SOC估算模型,為工程化實現(xiàn)狀態(tài)估計奠定基礎(chǔ)。其次,對比分析了安時積分法、PI觀測器以及Kalman濾波估算SOC的優(yōu)缺點;在MATLAB中搭建不同算法模型并基于電池工況數(shù)據(jù)進行仿真,對比不同算法的仿真結(jié)果,表明PI觀測器和Kalman濾波具有較高的精度、較好的魯棒性和工況適應(yīng)性,能準(zhǔn)確快速跟蹤真值。相同工況下,PI觀測器的精度稍高,但受噪聲影響時的波動稍大。針對低端精度差的問題,提出了 PI觀測器+安時積分法,Kalman+安時積分法的修正方法,仿真結(jié)果驗證了方法的有效性。然后,搭建了荷電狀態(tài)(SOC)估計算法硬件在環(huán)驗證平臺。闡述了控制板電源供電、控制板CAN收發(fā)、電流電壓等電氣量的采集電路原理及器件選型依據(jù);完成了軟件設(shè)計,包括對算法的C語言實現(xiàn)、CAN通信程序的設(shè)計、實時監(jiān)測程序設(shè)計等;實現(xiàn)了實驗平臺的實物搭建。最后,在實驗平臺對25Ah三元電池和25Ah鈦酸鋰電池進行兩種工況下不同倍率的實驗。驗證了 PI觀測器和Kalman濾波器算法估算荷電狀態(tài)(SOC)的有效性、可靠性和準(zhǔn)確性;驗證了提出的PI觀測器+Ah、Kalman濾波器+Ah的修正方法工程化應(yīng)用的有效性,將SOC估算誤差控制在5%以內(nèi);對比分析了兩種算法工程化應(yīng)用的優(yōu)缺點;得出結(jié)論,SOC估算方法工程化應(yīng)用時,PI觀測器的性能優(yōu)于Kalman濾波器。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TM912
【部分圖文】：

?＾???池的循環(huán)壽命長，能夠?qū)崿F(xiàn)萬次以上的充放電循環(huán)，高于普通鋰電池而且鈦酸鋰??快速充電性能非常好，其充電倍率不但達(dá)到與磷酸鐵鋰和三元相當(dāng)?shù)模叮�，還能實??現(xiàn)電化學(xué)超級電容器１０Ｃ的倍率充電［３］。??■Ｉ儲能電池，ＧＷｈ；?■■動乃電池（ＧＷｈ｝?■＿鐵鉀?■■?１元材料??

圖１－３?ＢＭＳ核心算法框圖??Ｆｉｇｕｒｅ?１－３?ＢＭＳ?ｃｏｒｅ?ａｌｇｏｒｉｔｈｍ?ｂｌｏｃｋ?ｄｉａｇｒａｍ??由圖１－３可以看出，狀態(tài)估計算法是整個電池管理系統(tǒng)ＢＭＳ的核心［６］，并且??４??

圖１－４?ＢＰ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖??Ｆｉｇｕｒｅ?１－３?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ??５．?ＰＩ觀測器??ＰＩ觀測器的方法是將控制理論應(yīng)用到電池狀態(tài)估計，這種方法考慮系時不變部分，設(shè)計觀測器來補償控制系統(tǒng)中的非線性部分。建立電池模型，通過將經(jīng)過電池模型計算的電池端電壓與真實端電壓的對比，號，不斷地經(jīng)過ＰＩ控制環(huán)節(jié)反饋調(diào)節(jié)，以使估計狀態(tài)量最大可能的態(tài)量［１３］＿［１４］。??優(yōu)點：估算精度高，響應(yīng)速度快，算法魯棒性好。??不足．？依賴模型精確度。??６．?Ｋａｌｍａｎ濾波算法??Ｋａｌｍａｎ濾波器的本質(zhì)是以最小均方差為原則，對復(fù)雜的動態(tài)系統(tǒng)做出計。非線性的動態(tài)系統(tǒng)在Ｋａｌｍａｎ濾波中會被線性化成系統(tǒng)的狀態(tài)空擴展Ｋａｌｍａｎ濾波（ＥＫＦ）。在實際應(yīng)用中，系統(tǒng)根據(jù)前一時刻的估算值的觀測值對需要求取得狀態(tài)變量進行更新，遵循“預(yù)測－實測－修正”
【參考文獻】

相關(guān)期刊論文 前7條

1 姜翠娜;李紅;羅玉濤;謝斌;何小顫;;溫度及放電倍率對電池性能影響的實驗研究[J];科學(xué)技術(shù)與工程;2013年09期

2 熊瑞;孫逢春;何洪文;;自適應(yīng)卡爾曼濾波器在車用鋰離子動力電池SOC估計上的應(yīng)用[J];高技術(shù)通訊;2012年02期

3 郭宏榆;姜久春;王吉松;婁婷婷;李肖剛;;功率型鋰離子動力電池的內(nèi)阻特性[J];北京交通大學(xué)學(xué)報;2011年05期

4 邱玉鳳;江家發(fā);;新型高效綠色能源:鋰離子電池[J];化學(xué)教育;2011年08期

5 姜久春;文鋒;溫家鵬;郭宏榆;時瑋;;純電動汽車用鋰離子電池的建模和模型參數(shù)識別[J];電力科學(xué)與技術(shù)學(xué)報;2010年01期

6 魏學(xué)哲;孫澤昌;田佳卿;;鋰離子動力電池參數(shù)辨識與狀態(tài)估計[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2008年02期

7 麻友良,陳全世,齊占寧;電動汽車用電池SOC定義與檢測方法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2001年11期

相關(guān)博士學(xué)位論文 前2條

1 熊瑞;基于數(shù)據(jù)模型融合的電動車輛動力電池組狀態(tài)估計研究[D];北京理工大學(xué);2014年

2 李哲;純電動汽車磷酸鐵鋰電池性能研究[D];清華大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 田家路;基于STM32的電動汽車鋰電池管理系統(tǒng)設(shè)計[D];安徽理工大學(xué);2017年

2 苗壯;動力鋰離子電池動態(tài)特性研究及SOC估算[D];哈爾濱工業(yè)大學(xué);2017年

3 蔣佑煊;523三元鋰離子動力電池SOC的估計算法研究[D];南京航空航天大學(xué);2017年

4 于廣;電動汽車動力電池管理系統(tǒng)研究與設(shè)計[D];山東大學(xué);2016年

5 陳岳航;基于H_∞濾波算法的鋰離子電池SOC與SOH估計[D];電子科技大學(xué);2016年

6 趙楊;基于強跟蹤卡爾曼濾波的車用鋰電池SOC估計算法的研究[D];東北林業(yè)大學(xué);2016年

7 趙婷;動力鋰離子電池組SOC在線估算[D];北京交通大學(xué);2016年

8 謝紹偉;電動汽車電池管理系統(tǒng)（BMS）及其驗證系統(tǒng)的開發(fā)[D];華中科技大學(xué);2015年

9 董波;LiFePO_4動力電池組放電末端SOC估計研究[D];合肥工業(yè)大學(xué);2015年

10 胡小軍;基于無跡卡爾曼濾波的動力鋰電池SOC估計與實現(xiàn)[D];中南大學(xué);2014年

本文編號：2854092