隨著純電動汽車行業(yè)的快速發(fā)展,鋰離子動力電池作為其核心部件之一也受到了重點(diǎn)關(guān)注。而要想充分發(fā)揮動力電池性能、提高電池利用率和使用壽命,優(yōu)秀的電池管系統(tǒng)必不可少。目前國內(nèi)外在電池管理系統(tǒng)研究方面已經(jīng)取得一定成果,其中關(guān)于電池荷電狀態(tài)估計(jì)的技術(shù)已經(jīng)較為成熟,與其相比電池健康狀態(tài)估計(jì)的研究相對滯后,估算水平仍有待提升。因此本文以三元鋰離子電池為研究對象,通過建立相應(yīng)的鋰離子電池模型對電池的健康狀態(tài)估計(jì)進(jìn)行深入研究。首先選取二階RC等效電路模型作為仿真電池模型,通過混合脈沖功率特性（HPPC）測試實(shí)驗(yàn)對電池模型參數(shù)進(jìn)行辨識,并建立Simulink仿真驗(yàn)證模型對不同工況下的電池模型進(jìn)行驗(yàn)證,仿真實(shí)驗(yàn)結(jié)果表明所建立的電池模型能夠準(zhǔn)確地描述鋰離子電池的工作特性。然后在雙擴(kuò)展卡爾曼濾波算法（DEKF）的基礎(chǔ)上,提出一種基于有限差分思想的改進(jìn)算法（F-DEKF）來估算電池SOH。該算法對非線性系統(tǒng)的線性化過程做出優(yōu)化,有利于減少雙擴(kuò)展卡爾曼濾波算法中的線性化誤差,并且由于該算法不涉及求解系統(tǒng)雅可比矩陣因此在模型計(jì)算量方面具有優(yōu)勢。最后針對DEKF算法和F-DEKF算法分別進(jìn)行UDDS循環(huán)工況仿真實(shí)驗(yàn)和循... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

系統(tǒng)狀態(tài)空間模型示意圖

第一章緒論5種簡單數(shù)學(xué)模型。由于該數(shù)學(xué)模型在處理能力、智能化以及容錯(cuò)性方面表現(xiàn)都比較優(yōu)異，因此引起了社會各學(xué)科的廣泛關(guān)注。人工神經(jīng)網(wǎng)絡(luò)相當(dāng)于一個(gè)錯(cuò)綜復(fù)雜的巨大網(wǎng)絡(luò)，主要有許多基本節(jié)點(diǎn)連接而成，它本身具有高度的非線性，并且能夠?qū)崿F(xiàn)較為復(fù)雜的邏輯操作。而我們要研究的鋰離子電池由于其復(fù)雜的電化學(xué)反應(yīng)機(jī)理，同樣被認(rèn)為是一個(gè)高度的非線性系統(tǒng)，因此人工神經(jīng)網(wǎng)絡(luò)法的研究對鋰離子電池SOH估算的發(fā)展大有裨益。利用人工神經(jīng)網(wǎng)絡(luò)法估算電池SOH主要包括兩個(gè)過程，分別是學(xué)習(xí)過程和工作過程。人工神經(jīng)網(wǎng)絡(luò)一般包含一個(gè)輸入層，一個(gè)或多個(gè)隱藏層和一個(gè)輸出層[10]。下圖所示為一個(gè)最簡單的神經(jīng)網(wǎng)絡(luò)。圖1.2神經(jīng)網(wǎng)絡(luò)模型示意圖Figure1.2Schematicdiagramofneuralnetworkmodel在算法學(xué)習(xí)過程中，神經(jīng)網(wǎng)絡(luò)會嘗試建立起系統(tǒng)輸入和輸出之間的關(guān)系[11]，然后依靠處理由電池系統(tǒng)參數(shù)表述的單元之間的相互作用來實(shí)現(xiàn)對電池SOH的估算過程。ShahriariM等人基于擴(kuò)展卡爾曼濾波器采用神經(jīng)網(wǎng)絡(luò)電池模型，利用模糊邏輯和遞推最小二乘法來對電池SOH進(jìn)行在線估算，雖然估計(jì)效果較好但是算法計(jì)算量較大，實(shí)用性較差[12]。D.Andre等人提出了一種基于知識型的結(jié)構(gòu)化神經(jīng)網(wǎng)絡(luò)算法，該算法在常規(guī)神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上降低了內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜程度，從而可以減小算法計(jì)算量，提高運(yùn)算速度，此外該算法還可以訪問神經(jīng)網(wǎng)絡(luò)模型的內(nèi)部參數(shù)[13]。

第二章鋰離子電池容量衰減原因及分析13圖2.1鋰離子電池工作原理圖Figure2.1Workingprinciplediagramoflithiumionbattery該鋰離子電池充電時(shí)的正負(fù)極化學(xué)反應(yīng)過程為：正極反應(yīng)：212i=xLCoOLiCoOxLixe（2.1）負(fù)極反應(yīng)：66=xxLixeCLiC（2.2）鋰離子放電時(shí)的化學(xué)反應(yīng)過程與充電時(shí)相反：正極反應(yīng)：122=ixLiCoOxLixeLCoO（2.3）負(fù)極反應(yīng)：6=6xLiCxLixeC（2.4）不同材料的鋰離子電池其工作原理都是相似的，都是通過鋰離子在正負(fù)極之間的流動與在各極之間的脫嵌與嵌入來實(shí)現(xiàn)充放電過程的。充電時(shí)，鋰離子從正極金屬化合物中脫離出來變?yōu)殇囯x子，在電解液中經(jīng)由隔膜移動到負(fù)極，嵌入負(fù)極生成負(fù)極金屬化合物。放電時(shí)，鋰離子從之前生成的負(fù)極金屬化合物中脫離出來，在電解液中移動至正極，嵌入正極重新生成正極金屬化合物。

【參考文獻(xiàn)】：
期刊論文
[1]基于模糊卡爾曼濾波器的鋰電池荷電狀態(tài)與健康狀態(tài)預(yù)測（英文）[J]. Daniil Fadeev,張小周,董海鷹,劉浩,張蕊萍.  Journal of Measurement Science and Instrumentation. 2020(01)
[2]鋰離子電池生產(chǎn)工藝及其發(fā)展前景[J]. 毛松科.  化工時(shí)刊. 2019(09)
[3]電池管理系統(tǒng)發(fā)展綜述[J]. 譚澤富,孫榮利,楊芮,何德伍.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2019(09)
[4]基于雙擴(kuò)展卡爾曼濾波的電池荷電狀態(tài)估計(jì)[J]. 華顯,付子義,郭向偉.  測控技術(shù). 2018(11)
[5]基于市場表現(xiàn)的中國新能源汽車產(chǎn)業(yè)發(fā)展政策剖析[J]. 李蘇秀,劉穎琦,王靜宇,張雷.  中國人口·資源與環(huán)境. 2016(09)
[6]鋰電池BMS的硬件設(shè)計(jì)與實(shí)現(xiàn)[J]. 李林琳,段小燕,湯潮凍.  黑龍江科技信息. 2016(24)
[7]基于開路電壓特性的動力電池健康狀態(tài)診斷與估計(jì)[J]. 姜久春,馬澤宇,李雪,張彩萍,張維戈.  北京交通大學(xué)學(xué)報(bào). 2016(04)
[8]鋰離子電池建模與參數(shù)識別[J]. 劉璇,王立欣,呂超,李俊夫.  電源學(xué)報(bào). 2018(01)
[9]中國新能源汽車產(chǎn)業(yè)發(fā)展展望[J]. 唐葆君,劉江鵬.  北京理工大學(xué)學(xué)報(bào)(社會科學(xué)版). 2015(02)
[10]電動汽車電池管理系統(tǒng)的建立及SOC準(zhǔn)確估計(jì)[J]. 榮雅君,楊偉,馬秀蕊,王紅.  電力電子技術(shù). 2014(03)

博士論文
[1]鋰動力電池健康度評價(jià)與估算方法的研究[D]. 李然.哈爾濱理工大學(xué) 2016
[2]鋰離子動力電池制造關(guān)鍵技術(shù)基礎(chǔ)及其安全性研究[D]. 郭永興.中南大學(xué) 2010

碩士論文
[1]電動汽車鋰離子電池SOH估算方法研究[D]. 張紹虹.太原理工大學(xué) 2019
[2]新能源汽車動力電池管理系統(tǒng)研究[D]. 翁志福.西南交通大學(xué) 2019
[3]基于EKF的電動汽車鋰離子電池SOC、SOH估算[D]. 張民.大連海事大學(xué) 2017
[4]電動汽車動力鋰離子電池健康狀態(tài)估計(jì)研究[D]. 羅衛(wèi)興.重慶交通大學(xué) 2017
[5]基于改進(jìn)卡爾曼濾波算法的電池健康度估算研究[D]. 周興博.哈爾濱理工大學(xué) 2017
[6]面向電動汽車的電池管理系統(tǒng)關(guān)鍵技術(shù)研究[D]. 李維嘉.上海交通大學(xué) 2015
[7]動力鋰離子電池制備工藝對一致性影響研究[D]. 羅雨.湖南大學(xué) 2012
[8]混合動力汽車鎳氫動力電池管理系統(tǒng)的研究[D]. 李秉宇.北京交通大學(xué) 2008
[9]電動汽車電池管理系統(tǒng)的研究[D]. 李海軍.山東理工大學(xué) 2008
[10]混合動力電動汽車電池管理系統(tǒng)[D]. 肖玉萍.北方工業(yè)大學(xué) 2005



本文編號：3249254