基于IMM融合模型的锂电池SOH估计的算法研究

发布时间：2020-09-07 09:22

　　为解决能源危机和环境污染等问题,新能源的开发与利用已成为推动经济发展的新出路,锂电池作为新能源之一,因其环保节能的特点得到了大力的开发。锂电池不仅在触手可及的电子产品中得到广泛应用,同时也作为电力能源在汽车和电力行业得到推广,电动汽车就是最具代表性的应用。对电动汽车而言,精确预测电池剩余使用寿命,是电动汽车取得与燃油汽车竞争优势的核心问题之一。准确的SOH(State Of Health)估算可以提供准确的电池健康状态,为车辆的行驶安全提供保障,对电池组的使用和及时替换具有着重要的意义。本文研究了交互式多模型对多个单一经验模型进行交互的新算法,并使用无迹粒子滤波提高估算结果准确性,具有模型简单易操作,估算结果精确性较高,模型稳定性更好的优势,具体如下:(1)首先从电化学角度介绍了锂电池的工作原理和容量衰减原因,并详细分析了对锂电池SOH造成的影响,主要有充放电倍率、充放电深度、环境温度、不一致性和循环次数等,针对以上这些影响因素研究人员开发一系列的锂电池容量衰减模型,大致包括等效电路模型、机理模型、数据驱动模型和经验模型,文章从模型参数确定的复杂度、估算准确度、适用性角度分析了各模型存在的优缺点,最后将经验模型作为本文的基础模型。(2)针对经验模型适用对象多为特定工况下的锂电池,且在电池型号改变时,模型的估算误差较大这些缺点,本文使用交互式多模型算法将各单一经验模型相互融合,提高模型的适用性和稳定性。又因为传统的交互式多模型采用的是卡尔曼滤波,在处理锂电池这类非线性动态系统具有很大的误差,因此本文将无迹粒子滤波和交互式多模型算法相结合,产生新的算法模型即交互式多模型无迹粒子滤波算法模型。(3)通过MATLAB曲线拟合确定各单一因素模型的参数初始值,并编写算法仿真程序,分别对各单一因素模型使用无迹粒子滤波算法和对三个模型使用交互式多模型无迹粒子滤波算法,仿真的结果显示,交互式多模型无迹粒子滤波算法相比各单一经验模型的估算结果在准确度和稳定性上均具有较好的表现。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM912
【部分图文】：

电动汽车,动力电池,锂离子电池,钠硫电池

图 1.1 新能源汽车销量排行Fig 1.1 Sales ranking of new energy vehicles力汽车与纯电动汽车使用的电池种类都为锂离子电池，因此，结合节能减排、技术完善和成本角度看，插电混合式和纯电动式较优越于其他两种，但是因为充电站设备基础建设不完善，动力电池成本较高，纯电动汽车续航里程不足等原因，电动汽车在产业化的道路上仍然存在很多技术需要突破。动力电池作为电动汽车能量的直接来源，也是电动汽车的重要组成部分，因此动力电池技术是电动汽车发展的关键[38]。因为动力电池的性能提升将影响电动汽车的不断改善，所以选择合适的动力电池是亟需解决的事。在现有的动力电池中，主要有广泛应用于电网做备用电源的铅酸蓄电池、多应用于电子产品中做能量来源的镍氢电池、应用于可再生领域的钠硫电池和锌空气电池，还包括发展较为完善的燃料电池、起步较晚但是发展空间巨大的超级电容和锂离子电池等。其中，锂离子电池因为具有高放电率、较大的能量密度、更长的充放电寿命和良好的密封性等优点，在电动汽车行业上得到广泛的使用。但是，在电动汽车的使用

锂电池,内部结构,石墨负极,正极

图 2.1 方形锂电池内部结构Fig 2.1 Internal structure of square lithium battery箔与正极相连，石墨通过铜箔与负极相连，电池正法通过的聚合物隔膜隔开。当电池在充电时，正极中进入电解液，最终移向石墨负极。锂离子转移的流到石墨负极，使得石墨负极的相对电荷为零，达到的氧化还原反应公式为：- --- 磷酸铁锂电池在放电时，石墨负极的锂离子脱嵌到正极磷酸铁锂，电子通过负极、外电路、正极平衡。的电极被氧化还原反应公式为：-- 原因

等效电路模型,电路模型

戴维南等效电路模型 (b) PGNV 等效电图 3.2 电池电路模型Fig 3.2 Battery circuit modeleraolo 等效电路模型就是通过增加串联 RC 并联电路效电路模型串联的 RC 电路越多越反应电池的真实随着阶数的上升而上升。其中 Massimo Ceraolo 等效电路模型，虽然计算量相对于一阶 RC 等效电路大，，因此应用较为广泛，Massimo Ceraolo 等效电路模

【参考文献】