电动汽车动力电池SOC估算方法研究与实现
发布时间：2022-02-24 11:20
随着电动汽车保有量在全球汽车市场中持续增加,动力电池成为当前研究的重点。电池荷电状态（State of Charge,SOC）的准确估算是电动汽车动力电池管理系统（Battery Management System,BMS）的关键技术之一,准确地进行SOC估计可提高动力电池利用率,同时对整车的控制决策及安全性具有重要意义。本文从动力电池工作特性入手,分析影响SOC估算精度的因素,在对动力电池进行建模及参数辨识的基础上,设计了一种基于扩展卡尔曼滤波的SOC估算方法,实现对剩余电量的估计。本文主要进行的研究工作如下:1.针对铅酸动力电池的内部结构,对其电化学反应原理、工作特性等方面进行了研究。针对铅酸动力电池的工作特性进行了试验,分析了动力电池在恒流放电及动态电流放电条件下的电压响应特性,得到动力电池在不同放电倍率条件下SOC与端电压的关系曲线、内阻特性和容量特性等。在分析电池工作特性的基础上,总结出影响SOC估算精度的主要因素。2.在分析各种动力电池模型基础上,根据动力电池的工作特性,建立了 Thevenin等效电路模型;推导参数的辨识计算公式,设计了电池脉冲放电实验,采用带遗忘因子的最...
【文章来源】：西安工业大学陕西省
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.1.1 电动汽车概述
1.1.2 SOC估计的意义
1.2 国内外研究现状
1.3 论文研究内容和结构
2 动力电池特性研究
2.1 动力电池化学反应原理
2.2 动力电池工作特性研究
2.2.1 电池荷电状态
2.2.2 开路电压
2.2.3 电池容量特性
2.2.4 电池内阻特性
2.3 动力电池工作特性实验测试
2.3.1 动力电池工作特性测试平台
2.3.2 动力电池工作特性测试
2.4 动力电池SOC估计的影响因素
2.5 小结
3 动力电池建模及参数辨识
3.1 常用动力电池模型分析
3.1.1 电化学模型
3.1.2 黑箱模型
3.1.3 等效电路模型
3.2 动力电池等效电路模型的参数辨识
3.2.1 SOC-OCV曲线
3.2.2 元件参数辨识
3.2.3 基于带遗忘因子最小二乘法的参数辨识
3.3 模型验证及分析
3.4 小结
4 基于扩展卡尔曼滤波的SOC估计
4.1 卡尔曼滤波器原理
4.1.1 线性卡尔曼滤波器
4.1.2 扩展卡尔曼滤波器
4.2 基于扩展卡尔曼滤波的SOC估计
4.2.1 基于扩展卡尔曼滤波的SOC估算方法原理
4.2.2 基于扩展卡尔曼滤波的SOC估算仿真分析
4.3 对SOC估算算法的改进
4.3.1 折算库伦效率
4.3.2 观测噪声方差的动态修正
4.4 小结
5 电池管理系统实验平台及实验结果
5.1 电池管理系统实验平台
5.1.1 电池管理系统功能分析
5.1.2 电池管理系统实验平台结构
5.1.3 电池管理系统实验平台
5.2 SOC估算方法实现
5.2.1 主程序设计
5.2.2 数据采集子模块
5.2.3 SOC估算子模块
5.2.4 CAN总线通信
5.2.5 监测程序设计
5.2.6 上位机交互界面显示
5.3 SOC估算方法在线测试
5.4 小结
6 结论
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]基于Labview的LED电气参数监测系统设计[J]. 张博,王琪. 自动化技术与应用. 2018(10)
[2]递推最小二乘法算法的谐波电流检测方法改进[J]. 施必剑,胥飞. 上海电机学院学报. 2018(05)
[3]电动汽车BMS上位机系统的设计[J]. 尹天成. 通信电源技术. 2018(07)
[4]基于LabVIEW的BMS测试监控平台设计[J]. 陆柯伟,王林,曹建华,张文军. 上海汽车. 2018(04)
[5]一种基于优化粒子滤波的锂电池SOC估计算法[J]. 吴兰花,杨秀芝,郑明魁,苏凯雄. 福州大学学报(自然科学版). 2018(02)
[6]基于模型的锂离子电池SOC及SOH估计方法研究进展[J]. 沈佳妮,贺益君,马紫峰. 化工学报. 2018(01)
[7]基于Thevenin改进模型SOC估算的研究[J]. 谢停停,李辉,曹一凡,方立军,谢宇光. 通信电源技术. 2017(05)
[8]汽车用铅酸蓄电池SOC预测研究[J]. 陈富安,李江江. 电源技术. 2017(04)
[9]基于双卡尔曼滤波的锂电池荷电状态的估计[J]. 房德君. 科学技术与工程. 2017(10)
[10]基于容量修正的阀控式铅酸蓄电池SOC估计[J]. 冯真得,何耀,刘新天,王健强,郑昕昕. 电源技术. 2017(01)
博士论文
[1]电动汽车电池荷电状态估计及均衡技术研究[D]. 郭向伟.华南理工大学 2016
硕士论文
[1]磷酸铁锂电池SOC估计及管理系统的研究[D]. 袁赛.广西大学 2018
[2]基于无迹卡尔曼滤波的锂电池SOC估算[D]. 梁奇.西南科技大学 2018
[3]电动汽车电池管理系统的设计与实现[D]. 周理航.电子科技大学 2018
[4]基于EKF的锂离子蓄电池荷电状态估算方法研究[D]. 张方亮.西南科技大学 2017
[5]基于改进型PNGV等效模型的动力电池SOC估算方法的研究[D]. 孙张驰.合肥工业大学 2017
[6]基于改进卡尔曼滤波算法的SOC估计方法研究[D]. 张冬梅.西南交通大学 2015
[7]纯电动汽车续驶里程RBF神经网络预测算法的研究[D]. 许文乐.北京交通大学 2012
[8]锂离子电池特性建模与SOC估算研究[D]. 卢杰祥.华南理工大学 2012
[9]磷酸铁锂电池建模及SOC算法研究[D]. 陈勇军.哈尔滨工业大学 2011
[10]基于MSP430的动力锂离子电池管理系统的设计与研究[D]. 张金顶.湖南大学 2011
本文编号：3642616
【文章来源】：西安工业大学陕西省
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.1.1 电动汽车概述
1.1.2 SOC估计的意义
1.2 国内外研究现状
1.3 论文研究内容和结构
2 动力电池特性研究
2.1 动力电池化学反应原理
2.2 动力电池工作特性研究
2.2.1 电池荷电状态
2.2.2 开路电压
2.2.3 电池容量特性
2.2.4 电池内阻特性
2.3 动力电池工作特性实验测试
2.3.1 动力电池工作特性测试平台
2.3.2 动力电池工作特性测试
2.4 动力电池SOC估计的影响因素
2.5 小结
3 动力电池建模及参数辨识
3.1 常用动力电池模型分析
3.1.1 电化学模型
3.1.2 黑箱模型
3.1.3 等效电路模型
3.2 动力电池等效电路模型的参数辨识
3.2.1 SOC-OCV曲线
3.2.2 元件参数辨识
3.2.3 基于带遗忘因子最小二乘法的参数辨识
3.3 模型验证及分析
3.4 小结
4 基于扩展卡尔曼滤波的SOC估计
4.1 卡尔曼滤波器原理
4.1.1 线性卡尔曼滤波器
4.1.2 扩展卡尔曼滤波器
4.2 基于扩展卡尔曼滤波的SOC估计
4.2.1 基于扩展卡尔曼滤波的SOC估算方法原理
4.2.2 基于扩展卡尔曼滤波的SOC估算仿真分析
4.3 对SOC估算算法的改进
4.3.1 折算库伦效率
4.3.2 观测噪声方差的动态修正
4.4 小结
5 电池管理系统实验平台及实验结果
5.1 电池管理系统实验平台
5.1.1 电池管理系统功能分析
5.1.2 电池管理系统实验平台结构
5.1.3 电池管理系统实验平台
5.2 SOC估算方法实现
5.2.1 主程序设计
5.2.2 数据采集子模块
5.2.3 SOC估算子模块
5.2.4 CAN总线通信
5.2.5 监测程序设计
5.2.6 上位机交互界面显示
5.3 SOC估算方法在线测试
5.4 小结
6 结论
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]基于Labview的LED电气参数监测系统设计[J]. 张博,王琪. 自动化技术与应用. 2018(10)
[2]递推最小二乘法算法的谐波电流检测方法改进[J]. 施必剑,胥飞. 上海电机学院学报. 2018(05)
[3]电动汽车BMS上位机系统的设计[J]. 尹天成. 通信电源技术. 2018(07)
[4]基于LabVIEW的BMS测试监控平台设计[J]. 陆柯伟,王林,曹建华,张文军. 上海汽车. 2018(04)
[5]一种基于优化粒子滤波的锂电池SOC估计算法[J]. 吴兰花,杨秀芝,郑明魁,苏凯雄. 福州大学学报(自然科学版). 2018(02)
[6]基于模型的锂离子电池SOC及SOH估计方法研究进展[J]. 沈佳妮,贺益君,马紫峰. 化工学报. 2018(01)
[7]基于Thevenin改进模型SOC估算的研究[J]. 谢停停,李辉,曹一凡,方立军,谢宇光. 通信电源技术. 2017(05)
[8]汽车用铅酸蓄电池SOC预测研究[J]. 陈富安,李江江. 电源技术. 2017(04)
[9]基于双卡尔曼滤波的锂电池荷电状态的估计[J]. 房德君. 科学技术与工程. 2017(10)
[10]基于容量修正的阀控式铅酸蓄电池SOC估计[J]. 冯真得,何耀,刘新天,王健强,郑昕昕. 电源技术. 2017(01)
博士论文
[1]电动汽车电池荷电状态估计及均衡技术研究[D]. 郭向伟.华南理工大学 2016
硕士论文
[1]磷酸铁锂电池SOC估计及管理系统的研究[D]. 袁赛.广西大学 2018
[2]基于无迹卡尔曼滤波的锂电池SOC估算[D]. 梁奇.西南科技大学 2018
[3]电动汽车电池管理系统的设计与实现[D]. 周理航.电子科技大学 2018
[4]基于EKF的锂离子蓄电池荷电状态估算方法研究[D]. 张方亮.西南科技大学 2017
[5]基于改进型PNGV等效模型的动力电池SOC估算方法的研究[D]. 孙张驰.合肥工业大学 2017
[6]基于改进卡尔曼滤波算法的SOC估计方法研究[D]. 张冬梅.西南交通大学 2015
[7]纯电动汽车续驶里程RBF神经网络预测算法的研究[D]. 许文乐.北京交通大学 2012
[8]锂离子电池特性建模与SOC估算研究[D]. 卢杰祥.华南理工大学 2012
[9]磷酸铁锂电池建模及SOC算法研究[D]. 陈勇军.哈尔滨工业大学 2011
[10]基于MSP430的动力锂离子电池管理系统的设计与研究[D]. 张金顶.湖南大学 2011
本文编号：3642616
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3642616.html
