發(fā)布時間：2017-07-31 03:07

  本文關(guān)鍵詞：基于改進卡爾曼濾波算法的SOC估計方法研究

  更多相關(guān)文章： 磷酸鐵鋰電池 等效電路模型 SOC估算 擴展卡爾曼濾波算法

【摘要】：隨著環(huán)境污染和能源危機的日益加劇,節(jié)能環(huán)保的電動汽車受到各國政府的關(guān)注,電動汽車產(chǎn)業(yè)成為全球交通能源轉(zhuǎn)型的發(fā)展方向。作為電動汽車的關(guān)鍵組成單元,動力電池的狀態(tài)好壞、壽命長短在很大程度上決定了電動汽車整體的性能優(yōu)劣。動力電池的荷電狀態(tài)(State of Charge,SOC)是動力電池的重要參數(shù),表征了電池剩余容量的多少,是電池管理系統(tǒng)對動力電池進行管理控制的重要依據(jù),也是制定能量管理策略的關(guān)鍵因素。準確估計動力電池的荷電狀態(tài)(SOC)對提高電池使用壽命和整車性能具有重要意義。但動力電池內(nèi)部電化學反應復雜,非線性強,在動力電池模型建立和SOC估計兩個方面都存在困難。本文工作主要從電池模型建立和SOC估計兩個方面對磷酸鐵鋰電池進行了研究。本文以3.2V/10Ah磷酸鐵鋰電池為研究對象,通過對其進行不同電流倍率的充放電實驗、不同溫度下的放電實驗、HPPC循環(huán)實驗等一系列實驗,分析了磷酸鐵鋰電池的充放電特性和溫度特性。在對現(xiàn)有電池模型特點進行簡單介紹后,考慮電池的充放電電流方向和放電倍率,在Thevenin等效電路模型的基礎(chǔ)上建立改進的等效電路模型。本文采用HPPC循環(huán)實驗,運用最小二乘法辨識得到在不同SOC點充放電方向上的電池模型參數(shù),再利用Matlab中的cftool工具箱進行參數(shù)擬合。根據(jù)擬合得到的模型參數(shù),在Matlab中建立改進的等效電路模型,并對其進行實驗仿真對比。對比結(jié)果表明,本文建立的改進等效電路模型具有較好的精度,能夠準確模擬磷酸鐵鋰電池動態(tài)特性�；谒⒌母倪M等效電路模型,本文采用擴展卡爾曼濾波算法對磷酸鐵鋰電池SOC進行估算。擴展卡爾曼濾波算法可以通過不斷地迭代計算,逐漸逼近真實值,克服了安時積分法初值難以確定的缺點,但它對模型的依賴性較強�？紤]到電池本身的強非線性和模型所存在的必然誤差,為了進一步提高電池SOC估算精度,本文對擴展卡爾曼濾波進行了兩方面的改進：修正觀測噪聲協(xié)方差；引入增益因子。最后,通過對磷酸鐵鋰電池進行動態(tài)工況測試,對算法改進前后的估計結(jié)果進行了對比分析。分析結(jié)果表明,改進后的算法能夠有效估算電池SOC,在一定程度上提高了SOC估算精度。
【關(guān)鍵詞】：磷酸鐵鋰電池 等效電路模型 SOC估算 擴展卡爾曼濾波算法
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM912
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-19
• 1.1 研究背景和意義11-14
• 1.1.1 電動汽車11-12
• 1.1.2 動力電池12-13
• 1.1.3 SOC估計13-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-18
• 1.2.1 電池模型15-16
• 1.2.2 SOC估計方法16-18
• 1.3 本文的主要研究內(nèi)容和工作18-19
• 第2章 磷酸鐵鋰電池19-28
• 2.1 引言19
• 2.2 磷酸鐵鋰電池基本原理19-20
• 2.3 試驗平臺簡介20-21
• 2.4 磷酸鐵鋰電池性能分析21-27
• 2.4.1 標準放電和充電的電壓特性22-23
• 2.4.2 不同電流倍率特性23-25
• 2.4.3 不同溫度放電特性25-27
• 2.5 小結(jié)27-28
• 第3章 磷酸鐵鋰電池建模28-52
• 3.1 引言28
• 3.2 等效電路模型28-30
• 3.3 Thevenin等效電路模型參數(shù)辨識30-39
• 3.3.1 開路電壓31
• 3.3.2 歐姆內(nèi)阻31-33
• 3.3.3 極化內(nèi)阻和極化電容33-36
• 3.3.4 Thevenin等效電路模型參數(shù)辨識結(jié)果36-39
• 3.4 不同工況實驗驗證及仿真結(jié)果39-44
• 3.4.1 標準充放電實驗39-41
• 3.4.2 不同放電倍率放電實驗41-43
• 3.4.3 恒流等容量放電實驗43-44
• 3.5 改進的等效電路模型44-51
• 3.5.1 基于不同放電電流的改進等效電路模型45-46
• 3.5.2 基于改進模型的實驗驗證和仿真結(jié)果46-51
• 3.6 小結(jié)51-52
• 第4章 基于EKF算法的SOC估計52-64
• 4.1 引言52
• 4.2 EKF算法原理52-54
• 4.3 基于EKF算法的SOC估計54-59
• 4.3.1 基于EKF算法的SOC估計原理54-55
• 4.3.2 EKF算法中Q_k,R_k參數(shù)的分析55-56
• 4.3.3 基于EKF算法的SOC估計仿真分析56-59
• 4.4 基于改進的EFK算法的SOC估計59-63
• 4.4.1 改進的SOC估算方法59-60
• 4.4.2 基于改進的SOC估算算法的仿真分析60-63
• 4.5 小結(jié)63-64
• 結(jié)論與展望64-66
• 致謝66-67
• 參考文獻67-70
• 攻讀碩士學位期間發(fā)表的論文及科研成果70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘭義華;任浩征;張勇;趙雪峰;;一種基于“當前”模型的改進卡爾曼濾波算法[J];山東大學學報(工學版);2012年05期

2 張哲;陳德樹;;卡爾曼濾波算法與富氏算法的分析比較[J];電力系統(tǒng)自動化;1990年04期

3 萬建偉,皇甫堪,梁甸農(nóng);基于推廣卡爾曼濾波算法的聲測定位技術(shù)[J];國防科技參考;1997年04期

4 夏建濤,任震,陳立,景占榮;極坐標下卡爾曼濾波算法的研究[J];西北工業(yè)大學學報;2000年03期

5 高磊,崔鑫水;一種自適應協(xié)方差矩陣旋轉(zhuǎn)變換卡爾曼濾波算法及其應用[J];航天控制;2004年03期

6 高磊;一種反饋修正推廣卡爾曼濾波算法及其應用[J];航天控制;2004年05期

7 劉劍鋒;莊志洪;劉中;;卡爾曼濾波算法在最佳起爆角估計中的應用[J];彈箭與制導學報;2005年S1期

8 阮建國;陳炯;;一種適于快速實現(xiàn)的卡爾曼濾波算法的改進[J];電測與儀表;2009年02期

9 陳陌寒;巴曉輝;何璐;陳杰;;復雜信號環(huán)境下的魯棒卡爾曼濾波算法[J];科學技術(shù)與工程;2011年17期

10 李莉;宋志強;;轉(zhuǎn)換坐標卡爾曼濾波算法在雷達數(shù)據(jù)融合中的應用[J];儀器儀表用戶;2011年04期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 劉棟;王惠林;;卡爾曼濾波算法在目標定位系統(tǒng)中的應用[A];第九屆全國光電技術(shù)學術(shù)交流會論文集（上冊）[C];2010年

2 周紅波;耿伯英;;基于目標跟蹤的無偏轉(zhuǎn)換測量卡爾曼濾波算法研究[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

3 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國智能交通年會論文集[C];2012年

4 趙汝祺;趙祚喜;趙汝準;;基于多項式卡爾曼濾波算法的車輛定位試驗研究[A];中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集[C];2011年

5 曾翠娟;杜傳利;;動態(tài)GPS自適應卡爾曼濾波算法的FPGA實現(xiàn)[A];第13屆全國計算機、網(wǎng)絡在現(xiàn)代科學技術(shù)領(lǐng)域的應用學術(shù)會議論文集[C];2007年

6 李鵬;宋申民;陳興林;;自適應平方根無跡卡爾曼濾波算法[A];2009年中國智能自動化會議論文集（第八分冊）[控制理論與應用（�？[C];2009年

7 程慧俐;王紀文;張洪鉞;;在未知噪聲統(tǒng)計情況下的一種新的自適應卡爾曼濾波算法[A];1994中國控制與決策學術(shù)年會論文集[C];1994年

8 劉健;劉忠;玄兆林;;純方位目標運動分析的自適應擴展卡爾曼濾波算法[A];2005年全國水聲學學術(shù)會議論文集[C];2005年

9 朱寧;錢偉康;郭強;;基于嵌入式XP的光譜分析系統(tǒng)[A];全國第一屆嵌入式技術(shù)聯(lián)合學術(shù)會議論文集[C];2006年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 葛磊;容積卡爾曼濾波算法研究及其在導航中的應用[D];哈爾濱工程大學;2013年

2 馮波;線性濾波估計算法研究及在慣性導航系統(tǒng)中的應用[D];北京理工大學;2014年

3 孟軍英;基于粒子濾波框架目標跟蹤優(yōu)化算法的研究[D];燕山大學;2014年

4 周聰;基于非線性估計理論的線控轉(zhuǎn)向汽車狀態(tài)估計研究[D];西南交通大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 龐瀛洲;關(guān)于電池BMS系統(tǒng)SOC估測算法的研究[D];長安大學;2015年

2 張冬梅;基于改進卡爾曼濾波算法的SOC估計方法研究[D];西南交通大學;2015年

3 林燕平;長基線導航系統(tǒng)濾波算法的研究與實現(xiàn)[D];沈陽理工大學;2015年

4 徐紅珍;基于粒子群的卡爾曼濾波算法改進和優(yōu)化[D];武漢理工大學;2013年

5 鄒振宇;基于DSP的Kalman濾波器的算法研究[D];成都理工大學;2012年

6 樊紅娟;無先導卡爾曼濾波算法分析[D];西南大學;2007年

7 吳龍龍;一致性卡爾曼濾波算法及其應用研究[D];華東交通大學;2013年

8 李忠良;基于神經(jīng)網(wǎng)絡的卡爾曼濾波算法研究[D];湖南工業(yè)大學;2011年

9 雷禮平;GPS動態(tài)卡爾曼濾波算法研究[D];電子科技大學;2003年

10 朱永龍;基于UWB的室內(nèi)定位算法研究與應用[D];山東大學;2014年

，

本文編號：597184