新能源汽車快速發(fā)展,而電池正是重點研究對象之一。目前,鋰離子動力電池因輸出功率高、壽命長等優(yōu)點在新能源汽車中被廣泛使用。為了提高電池的利用率、延長使用壽命以及應對極限工況下自燃自爆等危險,電池的狀態(tài)監(jiān)控和能量管理成為了電池研究的熱點。而在此之前,一個準確的適用于控制的鋰離子電池模型基礎至關重要,較于等效電路模型,電化學模型中的電池狀態(tài)更真實,精度更高,又因溫度對電池性能影響較大。所以,本文針對鋰離子電池電化學熱耦合模型進行了深入研究,并通過簡化降階完成了模型在控制系統(tǒng)中的搭建,此外,還在簡化電化學模型的基礎上設計了用于估計電池SOC的魯棒觀測器,實現(xiàn)了電化學理論在電池管理研究中的應用。首先,在分析了離子動力電池結(jié)構與工作原理的基礎上,利用相關理論描述電化學反應過程,初步得到微觀與宏觀相耦合的電化學模型。再依據(jù)平均電極理論,忽略由液相鋰離子濃度變化帶來的影響,對模型進一步簡化得到平均電極模型。至此,鋰離子電池電化學模型被簡化為固相鋰離子擴散方程和端電壓表達式的組合。其中,針對固相鋰離子擴散這一偏微分方程,采用了均勻離散的有限差分方法將其簡化成一組適用于控制系統(tǒng)的狀態(tài)空間方程,并選取了TDMA方法的求解結(jié)果作為標準值來評價該簡化方法的精度,選取離散點的數(shù)量。最終,通過綜合考慮方程的精度和系統(tǒng)的復雜度,沿顆粒半徑方向的離散階數(shù)選取為100。而后,分析了鋰離子電池的熱效應規(guī)律,添加模型中溫度的影響。為了實現(xiàn)熱模型在控制系統(tǒng)中的直接運用,建模只考慮了具有對流換熱邊界條件的徑向熱行為。最后,通過建立生熱速率模型實現(xiàn)了兩模型輸入輸出的對接,完成了電化學熱耦合模型的完整構建,也為后續(xù)電池的狀態(tài)監(jiān)測和SOC估計提供模型仿真平臺。其次,為了進一步提高模型的精度,對模型中各項參數(shù)進行了重新辨識。針對電化學模型,采用粒子群算法理念進行了參數(shù)辨識,再通過單體電池多倍率放電實驗和整車道路模擬實驗驗證了模型精度。從單體電池0.2-2C五組放電實驗中發(fā)現(xiàn),在小電流放電測試中,仿真值與實際值基本一致,隨著電流增大,模型的輸出誤差也隨之增大,但最大偏差并不超過0.1V。在NEDC工況下的微型純電動汽車道路模擬實驗中,仿真值與實際值變化趨勢一致,低速、即電流較小階段,誤差保持在0.03V,而高速、電流較大情況下,誤差升高至0.08V,最大可達0.2V。針對熱模型參數(shù)的辨識,直接采用了實驗與仿真誤差的歐幾里德范數(shù)最小化問題來確定,并通過Matlab中的fmincon函數(shù)計算得到了參數(shù)值。最后,由35℃、45℃下的NEDC工況測試驗證了參數(shù)的精度,電池表面與中心溫度在大體上均基本一致。再次,在鋰離子動力電池簡化電化學模型的基礎上,對電池的SOC進行了估計。設計了基于簡化電化學模型的魯棒觀測器估計出固相鋰離子濃度,從而計算得到電池的SOC估計值。再通過單體電池脈沖放電實驗和NEDC模擬試驗驗證了該估計方法的可行性。由脈沖放電實驗表明,該觀測器估計出的SOC值與標準值基本一致,并且在更加復雜的NEDC循環(huán)工況實驗中,魯棒觀測器估計出的SOC值與電池實際放出的電量相吻合,誤差在可接受范圍內(nèi),證明了該算法能夠準確的估算出電池的SOC。最后,為檢驗基于簡化電化學模型設計的SOC估計觀測器在真實控制器中的運行效果,搭建了實驗用微型純電動汽車的BMS硬件在環(huán)測試系統(tǒng)。即在Matlab/Simulink平臺上,基于車輛行駛方程搭建了整車模型,基于本文電池模型的研究結(jié)果搭建了電池包模型,并通過編譯生成工程文件導入NI VeriStand,再在D2P-MotoHawk平臺上,將本文設計SOC估計算法和控制策略下載到控制器快速原型,完成了與HiL測試系統(tǒng)的連接,驗證了觀測器在實際控制器中的可行性。
【學位單位】：江蘇大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U469.7
【部分圖文】：

圖 2.7 波士頓 Swing 5300 電池規(guī)格Fig 2.7 Specifications of Boston-Swing 5300 battery

江 蘇 大 學 碩 士 學 位 論 文模型在電池管理系統(tǒng)中的直接運用，降低模型的復雜形分解處理。由于波士頓 5300 電池的外形比較特別長方體等形狀，若需精確建立搭建其熱模型，有限元已解釋本研究針對的是系統(tǒng)控制，有限元方法并不合外形的特殊性，將其假設成兩節(jié)并聯(lián)且平行放置的 寸的圓柱形電池進行。并且，實際電動汽車上安裝的聯(lián)，再串聯(lián)組成，圖 2.8 中顯示的是由單體電池并聯(lián)排列緊密。

圖 2.9 均勻生熱下的中心與表面溫度拋物線關系圖2.9 Parabolic relation between center and surface temperature under uniform heat generation由于生熱分布均勻，假定電池單體 r 方向的溫度分布滿足圖 2.9[55]，則：( ) ( ) ( ) ( )2 4, =r rT r t a t b t d tR R (2.41
【參考文獻】

相關期刊論文 前10條

1 劉艷莉;戴勝;程澤;朱樂為;;基于有限差分擴展卡爾曼濾波的鋰離子電池SOC估計[J];電工技術學報;2014年01期

2 劉和平;許巧巧;胡銀全;袁閃閃;;自適應卡爾曼濾波法磷酸鐵鋰動力電池剩余容量估計[J];重慶大學學報;2014年01期

3 于智龍;郭艷玲;王海英;;自放電修正的鋰動力電池SCKF-STF的SOC估算策略[J];電機與控制學報;2013年10期

4 吳紅杰;袁世斐;謝旺;;基于分數(shù)階理論的鋰離子電池動態(tài)模型及其參數(shù)辨識方法[J];新型工業(yè)化;2013年09期

5 牛利勇;時瑋;姜久春;張言茹;姜君;曹雪銘;;純電動汽車用磷酸鐵鋰電池的模型參數(shù)分析[J];汽車工程;2013年02期

6 羅玉濤;謝斌;何小顫;;電動汽車鋰離子電池組參數(shù)辨識與SOC估計[J];華南理工大學學報(自然科學版);2012年12期

7 付主木;趙瑞;;基于先進小波神經(jīng)網(wǎng)絡的HEV動力鋰離子電池SOC估計(英文)[J];Journal of Southeast University(English Edition);2012年03期

8 熊瑞;何洪文;許永莉;何銀;;電動汽車用動力電池組建模和參數(shù)辨識方法[J];吉林大學學報(工學版);2012年04期

9 張彩萍;姜久春;;用基于遺傳優(yōu)化的擴展卡爾曼濾波算法辨識電池模型參數(shù)[J];吉林大學學報(工學版);2012年03期

10 李司光;張承寧;;鋰離子電池荷電狀態(tài)預測方法研究[J];北京理工大學學報;2012年02期

相關碩士學位論文 前4條

1 張忠偉;基于尾流效應的風電場風電機組排布優(yōu)化研究[D];新疆大學;2017年

2 李文瑤;插電式串聯(lián)混合動力公交車能量管理策略優(yōu)化及HCU硬件在環(huán)測試[D];江蘇大學;2017年

3 陳梓銘;混合動力公交客車鋰離子動力電池艙的熱特性研究[D];華南理工大學;2014年

4 余民;含風電和抽水蓄能電站的電力系統(tǒng)機組組合研究[D];上海交通大學;2013年

本文編號：2870109