稳健的锂电池等效电路模型参数辨识及荷电状态估计研究

发布时间：2020-07-27 20:08

【摘要】：随着传统化石能源的日渐消耗以及各国政府对环境保护力度的不断加大,以新能源为动力的电动汽车(Electric Vehicle,EV)因其耗能低、无污染的优势已经被全世界所重视。锂电池荷电状态(State of Charge,SoC)估计作为电动汽车电池管理系统(Battery Management Systern,BMS)中最重要的核心技术之一,对整车的安全运行与节能管理都发挥着重大作用。当电动汽车运行在复杂工况时,如何对电池模型参数进行准确的在线辨识以及如何改进现有估计算法以处理非高斯噪声问题仍是研究难点之一。因此设计具有强鲁棒性的辨识算法和荷电状态估计算法仍有重要的学术价值。本文首先通过对锂电池二阶等效电路模型进行分析,确定了电池模型状态方程与观测方程,并列写了电池SoC-OCV方程。其次,为了有效抑制模型中的噪声对辨识精度的影响,本文在递推最小二乘算法的基本上添加了偏差补偿项,使其在含噪声情况下更准确的估计模型参数。第三,在考虑非高斯噪声作为系统主要干扰之后,本文使用最大相关熵准则对扩展卡尔曼滤波(Extended Kalman Filter,EKF)的目标函数进行改进,推导得到了熵-扩展卡尔曼滤波(C-EKF)算法,为了加强C-EKF算法的数字稳定性,本文又使用加权最小二乘(Weighted Least Square,WLS)法对其改进,最终得到基于加权最小二乘法的扩展相关熵卡尔曼滤波算法(C-WLS-EKF)。仿真案例的分析表明,本文所改进的参数辨识算法以及荷电状态估计算法可以在满足在线辨识的要求并在非高斯噪声的干扰下实现最优估计。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM912
【图文】：

绪论景与意义，随着以化石能源的为动力的传统能源汽车受到能源限制以，以石油为动力的汽车正在被以新能源为主要动力的电动汽源汽车而言，电动汽车在能源消耗等方面显现出了比传统汽汽车的发展成为了目前汽车行业的主流趋势[1~3]。如图1-界电动汽车产量呈现出大幅度增长的趋势，而在2015年，过西欧，跃居成为电动汽车第一大生产国。由此可见，在未的电动汽车生产技术都将成为影响世界电动汽车技术的主

西安理工大学硕士学位论文辨识速度较低，只能在理论上达到辨识精度，但是不能满足辨识时限性的要求，目前还不能被运用到工程实际中。二是各种智能算法中往往包含许多未知参数，这些参数会对辨识精度造成非常大的影响，然而，对电池参数辨识而言在不同工况下其辨识算法的参数必定是一个变化的过程，因此此类智能寻优算法的参数确定也成为目前的一大难题。1.2.2 锂电池荷电状态估计研究现状SoC估计是电池管理系统的关键模块，相关研究者针对SoC估计问题从不同角度提出了许多估计算法。本课题将相关方法归类为传统方法，现代信息系统滤波方法以及其他一些新型方法[24~30]。而其中信息系统滤波方法是目前研究非常广泛的一个方向。如图1-3所示为SoC估计研究方法树。

图 1-4 常用的 SoC 估计方法的估计误差和计算复杂度Fig.1-4 Estimation Error and Computational Complexity of Commonly Used SoC Estimation Methods根据上述分析，在图1-4中近似的描述出了目前研究的SoC估计方法的估计误差和计算复杂度之间的联系。其中横坐标是SoC估计误差大小程度，纵坐标是估计方法的计算复杂程度。黑色虚线矩形中的青色区域所示的示例描述了如何读取关于该方法的信息。从黑到青色梯度的曲线通过使用相同算法增加模型复杂度来指示总体估计误差和计算复杂度，实线到虚线曲线表示增加算法复杂度对误差的影响以及SoC估计方法的总体复杂性，由黑色虚线闭合曲线围绕的青色区域是在各种类型的模型和算法下的SoC估计方法的误差和总体复杂性。由于当前SoC估计方法的误差和计算复杂性尚未定量研究，因此该区域只能代表各种SoC估计方法的相对误差和复杂性。图1-4中画出了六种SoC估计方案。其中AHC估计方案具有非常低的计算复杂度。对Tank模型或安培积分法而言，对模型的修正很少增加其复杂度，与之相对的是，其估计精

【相似文献】

相关期刊论文 前10条

1 肖海山;韦莉;顾帅;张逸成;姚勇涛;;以滑模观测器算法估计超级电容器荷电状态的探讨[J];低压电器;2013年19期

2 刘广林;铅酸蓄电池荷电状态的研究[J];蓄电池;1989年02期

3 吴佳祥;;基于安时法的磷酸铁锂电池荷电状态校正[J];山东交通学院学报;2015年03期

4 夏晴;刘志远;;电动汽车动力电池荷电状态的滑模估计方法[J];东南大学学报(自然科学版);2011年S1期

5 汪伟;贝绍轶;汪永志;伍佳佳;杨慧;;混合动力镍氢电池荷电状态估计[J];中国农机化学报;2016年04期

6 何鹏林;王晓冬;;串联锂离子电池组荷电状态评估方法对比[J];安全与电磁兼容;2011年01期

7 孙静霞;谭德荣;;电动汽车用锂离子电池荷电状态的卡尔曼滤波算法[J];农业装备与车辆工程;2010年09期

8 彭思敏;沈翠凤;李家荣;;无迹卡尔曼滤波法在电池系统荷电状态估计中的应用[J];工业控制计算机;2015年12期

9 嵇雷;Ryad Chellali;;基于自适应卡尔曼滤波的电池荷电状态估算[J];电池;2018年04期

10 黄小玲;那伟;叶磊;刘永星;;混合动力汽车用锂离子电池荷电状态的估计[J];电池;2014年05期

相关会议论文 前10条

1 马婷婷;张铁岩;;风光储联合发电并网系统中储能系统荷电状态的优化控制策略研究[A];第十六届沈阳科学学术年会论文集（理工农医）[C];2019年

2 孙骏;李宝辉;;电动汽车电池荷电状态的估算方法研究及展望[A];2012安徽省汽车工程学会年会论文集[C];2012年

3 冯卓民;张哲;陈敏;钱照明;;锂离子电池均衡电路的比较[A];2008中国电工技术学会电力电子学会第十一届学术年会论文摘要集[C];2008年

4 肖成伟;董洁;;电动汽车用动力蓄电池荷电状态与峰值功率能力关系的研究[A];第二十七届全国化学与物理电源学术年会论文集[C];2006年

5 范永生;陈晓;徐冬清;刘平;王保国;;全钒液流电池荷电状态检测方法研究[A];第二十八届全国化学与物理电源学术年会论文集[C];2009年

6 李春林;;太阳能基站循环型储能电池[A];通信电源新技术论坛——2010通信电源学术研讨会论文集[C];2010年

7 程艳青;高明煜;;基于卡尔曼滤波的电动汽车SOC估计[A];浙江省电源学会第十一届学术年会暨省科协重点科技活动“高效节能电力电子新技术”研讨会论文集[C];2008年

8 席安静;白鹏;;锂离子电池荷电状态估计方法综述[A];2011中国电工技术学会学术年会论文集[C];2011年

9 张秀丽;王熙俊;王应高;程文华;;全钒液流电池电解液荷电状态电在线测量方法及系统[A];2016年全国腐蚀电化学及测试方法学术交流会摘要集[C];2016年

10 赵嵩;巴宇;葛延峰;史松杰;潘鹏飞;黄佳伟;李卫东;;一种电池储能AGC控制性能评价标准[A];中国电机工程学会电力市场专业委员会2018年学术年会暨全国电力交易机构联盟论坛论文集[C];2018年

相关博士学位论文 前10条

1 胡超;基于储能荷电状态的虚拟同步机控制策略研究[D];合肥工业大学;2017年

2 Taimoor Zahid;动力电池荷电状态估计算法研究[D];中国科学院大学(中国科学院深圳先进技术研究院);2018年

3 邹幽兰;基于退役锂动力电池容量、内阻和荷电状态的建模与参数估计[D];中南大学;2014年

4 郭向伟;电动汽车电池荷电状态估计及均衡技术研究[D];华南理工大学;2016年

5 朱政;磷酸铁锂电池荷电状态估计方法的研究[D];哈尔滨工业大学;2013年

6 刘胜永;基于风/光发电系统的储能系统建模与控制[D];合肥工业大学;2016年

7 穆浩;电动汽车锂离子动力电池荷电状态鲁棒性估计方法研究[D];北京理工大学;2016年

8 刘宝其;充放储一体化电站并联式功率调节系统的控制技术研究[D];华中科技大学;2012年

9 陈峭岩;电动汽车电池状态估计及均衡管理研究[D];天津大学;2014年

10 张熙;大规模储能与风力发电协调优化运行研究[D];山东大学;2016年

相关硕士学位论文 前10条

1 邱新宇;稳健的锂电池等效电路模型参数辨识及荷电状态估计研究[D];西安理工大学;2019年

2 许梦蝶;退役电池储能利用主动均衡控制系统研究与设计[D];武汉理工大学;2018年

3 张康康;动力电池荷电状态估计算法研究[D];河南师范大学;2018年

4 张国路;电动汽车动力电池荷电状态估计及均衡技术研究[D];合肥工业大学;2018年

5 杨丽文;基于多模型的锂电池荷电状态在线估计方法研究[D];南京航空航天大学;2018年

6 许强;锂电池荷电状态估计及监测[D];上海海洋大学;2018年

7 李昊;基于自适应抗差UKF的锂电池荷电状态估值研究[D];广西科技大学;2014年

8 向顺;锂电池荷电状态、健康状态以及功率状态的在线估计[D];西南交通大学;2018年

9 张静;三元动力电池荷电状态在线估算研究[D];浙江大学;2018年

10 李爽;基于变结构滤波的动力电池荷电状态估算方法研究[D];桂林电子科技大学;2017年

本文编号：2772315