基于RTS-IEKPF算法的锂离子电池SOC估算研究

发布时间：2020-07-25 18:01

【摘要】：近几年,由于环境危机,电动汽车发展迅速。动力锂离子电池组是电动汽车的重要组成部分,为保障其高效、安全运行,需要建立电池管理系统(Battery Management System,BMS)对电池组进行有效管理。电池荷电状态(State of Charge,SOC)是电池工作状态的典型表征量,其估计算法的准确性对于提高BMS系统性能起到决定性作用。本文将围绕锂离子电池SOC的估算精度,展开以下几个方面的研究。首先分析国内外电动汽车锂离子电池的发展现状,研究锂离子电池的结构、工作原理及相关电池技术参数,考虑电池的剩余容量受到放电倍率、温度、循环次数和自放电等因素的影响,采用带系数修正的SOC计算式对电池容量进行修正。对电池常见模型做了对比分析,采用以Thevenin等效模型为基础的电池混合噪声模型来减小漂移电流对电池SOC估算的不利影响,对电池进行HPPC脉冲充放电测试试验实现电池模型中的参数辨识,利用辨识的参数,在恒流放电试验条件下对电池等效模型进行验证,仿真结果与真实值比较吻合,证明辨识的参数以及模型的精度很高。其次对常见的锂离子电池SOC估算方法进行了对比分析,考虑到瞬间大电流充放电使电池在工作时非线性加剧,使用迭代扩展卡尔曼滤波算法(Iterated Extended Kalman Filter,IEKF)估算电池SOC时,会有较大的线性化误差。为了减小误差,进一步提高SOC的估算精度,论文基于电池混合噪声模型,提出利用Rauch-Tung-Streibel(RTS)最优平滑算法与IEKF算法结合生成粒子滤波的建议分布,得到一种融合RTS最优平滑的迭代扩展卡尔曼粒子滤波算法,并用该方法来估算锂电池的SOC。最后通过搭建SOC估算平台,试验结果表明,与IEKF和IEKPF算法比较,RTS-IEKPF算法有效地提高了SOC估算的精度。最后论文还搭建了锂离子电池SOC估算的电池管理系统测试平台,设计了平台中与SOC估算相关的软硬件模块,并且通过试验对系统的各项功能进行测试。试验结果表明,本文所设计的软硬件系统平台采集精度较高,可以满足SOC估算对采集精度的要求,且RTS-IEKPF算法在SOC估算时有较好的精度。本文研究的RTS-IEKPF算法在估算电池SOC时精度很高,完全满足电动汽车对SOC的要求,将加速电动汽车的产业化和实用化进程,具有较高的推广应用价值。
【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】：TM912
【图文】：

曲线,锂离子电池,充电时间,充电电压

典型放电曲线进程跟其他蓄电池相似过程中，我们需要在负极保留一部分道。为了防止出现锂离子电池出现过低电压[28]，研究认为单节锂电池的放电池容量的 3 倍。串联蓄电池组对过终止电压，则意味着电池组放电结束压特性电动势、开路电压（OCV）和工作电的是电池本身处在热力学平衡时正负出的电能。保持其他因素不变，锂离输出功率也越大。OCV是指当电池负载几乎为无穷大或间的电压值[29]。电池 OCV 只与电池所向有关，而与电池的外部形状无关。

关系曲线,电池,关系曲线,截止电压

图 2.2 电池的 OCV-SOC 关系曲线离子电池的工作电压为电池接通负载时两极的电位差，简称端电压[30]。池内阻与极化效应的存在消耗了一部分电压，数值上工作电压会小于 OC池内存在极化内阻和欧姆内阻，他们会存在一定的分压影响，电池充电静置电池的工作电压会随时间增加而减小，故而 OCV 也会小于充电时的；放电时的电池同样存在内阻分压影响，其表现为 OCV 高于工作电压。电时分别存在临界电压，充电截止电压即为充电过程所能达到的上限电压在放电截止电压。充电时超过充电截止电压，则为过充；放电过程也同放的概念。电池的过充和过放对电池都不利，在现实中我们要避免锂离现过充以及过放情况。常用锂离子电池剩余电量估算方法电池剩余电量定义

电路结构,工程运用,参数图,等效模型

OCU0R1R1CLILU图 3.2 Thevenin 模型的电路结构在 2001 年首次提出，并在之后几年中被广泛模型在 Thevenin 模型的基础上增加了电容反映负载电流下开路电压的变化情况。参数图 3.2 中 Thevenin 模型的相同。从描述电池确，但是该模型相比较 Thevenin 等效模型，限，在实际工程运用中并不多见。

【参考文献】