基于自适应电池模型的ALS-UKF算法SOC估算研究

发布时间：2020-06-16 22:54

【摘要】：随着汽车工业的快速发展、国家政策的大力支持以及众多企业的高度关注,开发资源节约型、环境友好型的电动汽车成为了全球汽车技术革命的重要目标。动力电池的功率密度和循环寿命等关键问题,是制约电动汽车产业化的瓶颈。除了电池材料本身之外,准确的电池模型和荷电状态(State of Charge,SOC)估计是改善以上问题的基础。传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)省略泰勒展开式的高阶项并将测量噪声假定为均值为零的高斯白噪声,引入了误差。本文以磷酸铁锂电池为研究对象,通过采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)结合自协方差最小二乘法(Autocovariance Least Squares,ALS)来减小EKF估算SOC的误差。本文首先对磷酸铁锂(Lithium iron phosphate,LiFePO_4)电池的工作原理及其基本特性进行了研究,从SOC的定义中分析了影响SOC估算精度的因素,为下文对磷酸铁锂电池的精确建模以及SOC估算奠定基础。对比分析常用的电池等效电路模型的优缺点,结合磷酸铁锂电池的基本特性,选择较合适的一阶等效电路模型进行建模。为了能够对模型参数自适应调整,结合人工神经网络(Artificial Neural Networks,ANN)建立自适应ANN控制器模型,以最佳地适应真实的电池端电压。实验结果表明自适应ANN控制电池模型对模型的预测能力较强,模型误差在10mV以内。然后,基于所建立的电池模型,本文采用UKF结合ALS算法对电池SOC进行估算。UKF利用其无迹变换来避免EKF省略泰勒展开式的高阶项而引入误差,ALS通过计算测量更新中的相关性来估算测量噪声协方差,因此ALS-UKF算法改良了传统的EKF估算SOC存在的问题。实验从恒流放电测试和DST工况测试两个方面,对比了EKF、EKF+ALS、UKF和UKF+ALS四种估算方法的SOC估算结果,UKF+ALS算法估算SOC的平均绝对误差较EKF降低0.02左右。最后,搭建了锂离子电池组的SOC估算平台,并给出了主要的硬件选型和设计过程,以及主要的软件设计流程,针对搭建好的SOC估算平台进行了信息测量测试和SOC估算测试,结果表明所提出的SOC估算方法有效提高了估算精度,具有一定的实际应用价值。
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U469.72;TM912
【图文】：

电压特性,实验设备,恒温箱,磷酸铁锂

研究对象为 26650 型磷酸铁锂电池，标称电压为 3.3V，标验设备由电池测试系统 Arbin BT2000、可程式恒温箱和 PCT2000 应用领域多样，还可进行恒流充电、恒压充电、恒功任意可编程控制、充放电循环等测试内容，如图 2.2 所示。Arbin 测试仪PC 端恒温箱

曲线,放电倍率,电压变化,平台区

图 2.3 不同放电倍率下的电压变化曲线性力电池的重要考察指标，采用上述的实验过程同系曲线，如图 2.4 所示。从整体看来，放电倍率越，电池所能放的容量就越小。因此，电池在实际作在平台区，但由于平台区电压变化很小，对电

【参考文献】