基于I-STCKF双滤波结构电池SOC估计
发布时间：2022-09-24 18:48
目前,锂电池是新能源纯电动汽车的主要动力来源。所以,为了保障整个锂电池系统安全与高效地运作,需要使用BMS对电池系统进行管理。而SOC估计又是BMS的核心技术之一。所以,本文分析总结了目前SOC估计算法中存在噪音统计特性不确定、系统模型不准确、协方差矩阵不正定等问题。在此基础上,提出了采用改进强跟踪滤波器I-STF修正系统模型不准确时估算精度,并且与改进后的容积卡尔曼I-CKF结合,建立了双滤波结构的电池SOC估算算法,实现了模型参数与电池SOC联合在线估计。本文首先搭建了锂电池测试平台,实验测试了不同放电倍率及温度下的可用容量特性、电阻特性,分析了环境温度、可用容量及放电倍率对锂电池开路电压的影响,建立了相关性能参数的数据库,为后续的算法验证提供了数据支撑。其次,建立了电池外电路二阶ECM离线时间方程,并在此基础上得到了模型参数离线辨识的结果,为后续参数在线辨识提供参考数据。随后,分析了现有SOC估计算法的问题,提出了采用改进I-STF强跟踪滤波器处理系统噪音与模型的时变特性,并且与I-CKF结合,改进了协方差矩阵P的计算过程,建立了双滤波结构的电池SOC估算算法,实现了模型参数与电...
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究的背景与意义
1.2 动力电池技术发展现状
1.2.1 动力电池材料发展概述
1.2.2 动力电池建模发展概述
1.3 锂电池SOC估算算法现状
1.4 本文主要研究内容
第二章 锂电池特性分析及测试
2.1 引言
2.1.1 锂电池结构及工作原理
2.1.2 锂电池测试平台
2.2 锂离子电池特性分析及测试
2.2.1 容量特性
2.2.2 开路电压特性
2.2.3 内阻特性
2.3 不同温度下特性分析
2.3.1 温度对容量影响
2.3.2 温度对开路电压的影响
2.4 锂电池SOC定义
2.5 本章小结
第三章 锂电池建模及参数辨识
3.1 引言
3.2 锂电池等效电路模型
3.2.1 Thevenin模型中RC环路数量的确定
3.2.2 Thevenin模型数学建模
3.3 锂电池模型参数辨识
3.3.1 欧姆内阻R0 参数辨识
3.3.2 参数Rpa、Rpc、τpa和 τpc的辨识
3.3.3 不同SOC下模型参数辨识结果
3.4 锂电池模型试验验证
3.5 本章小结
第四章 基于I-STCKF双滤波结构的SOC估计算法
4.1 引言
4.2 强跟踪容积卡尔曼STCKF算法
4.2.1 容积卡尔曼CKF原理
4.2.2 强跟踪STF原理
4.3 改进型I-STCKF算法
4.3.1 改进型I-CKF算法
4.3.2 改进型I-STF算法
4.4 基于I-STCKF双滤波结构的SOC估计算法
4.4.1 锂电池状态空间方程
4.4.2 锂电池模型参数状态方程
4.4.3 基于双I-STCKF滤波器设计
4.5 本章小节
第五章 锂电池模型参数及SOC估计实验验证
5.1 引言
5.2 模型参数在线辨识结果及验证
5.2.1 HPPC测试
5.2.2 结果及验证
5.3 DST工况测试结果
5.3.1 DST测试
5.3.2 测试结果
5.3.3 鲁棒性验证结果
5.4 UDDS工况测试结果
5.4.1 UDDS测试
5.4.2 测试结果
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 创新点
6.3 研究展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]基于分数阶无迹粒子滤波的动力电池SOC估计[J]. 何耀,秦少勋,刘新天,郑昕昕,曾国建. 汽车技术. 2018(05)
[2]基于自适应无迹卡尔曼的机器人室内定位算法[J]. 洪宇,李胜,郭健,沈宏丽,许鸣吉. 计算机测量与控制. 2018(01)
[3]基于神经网络与UKF结合的锂离子电池组SOC估算方法[J]. 刘晓悦,杜晓. 现代电子技术. 2018(02)
[4]基于IUPF算法与可变参数电池模型的SOC估计方法[J]. 刘新天,李贺,何耀,郑昕昕,曾国建. 东南大学学报(自然科学版). 2018(01)
[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]基于模糊控制的扩展卡尔曼滤波SOC估计研究[J]. 方磊,陈勇,赵理,殷康胜,郑阳. 系统仿真学报. 2018(01)
[7]抗差模型预测Unscented卡尔曼滤波算法研究[J]. 张新豪,李顺. 电光与控制. 2018(02)
[8]基于UD分解的Sage-Husa自适应滤波算法[J]. 李明,许川佩,李翔. 计算机仿真. 2017(11)
[9]基于模型融合与自适应无迹卡尔曼滤波算法的锂离子电池SOC估计[J]. 刘伟龙,王丽芳,廖承林,王立业. 汽车工程. 2017(09)
[10]基于BP-EKF算法的锂电池SOC联合估计[J]. 孔祥创,赵万忠,王春燕. 汽车工程. 2017(06)
博士论文
[1]轨道交通用钛酸锂电池建模与状态估计研究[D]. 刘思佳.北京交通大学 2018
[2]锂离子电池火灾危险性及热失控临界条件研究[D]. 黄沛丰.中国科学技术大学 2018
[3]正极补锂材料及其在锂离子电池中的应用[D]. 詹元杰.中国科学院大学(中国科学院物理研究所) 2018
[4]电动汽车BMS关键技术研究及硬件在环测试系统构建[D]. 邵玉龙.吉林大学 2018
[5]电动汽车用锂离子动力电池建模与状态估计研究[D]. 刘树林.山东大学 2017
[6]动力锂电池的建模、状态估计及管理策略研究[D]. 汪玉洁.中国科学技术大学 2017
[7]基于数据驱动的多时间尺度锂离子电池状态评估技术研究[D]. 郑方丹.北京交通大学 2017
[8]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]. 穆浩.北京理工大学 2016
[9]容积卡尔曼滤波算法研究及其在电机状态估计中的应用[D]. 丁家琳.西南交通大学 2015
[10]容积卡尔曼滤波算法研究及其在导航中的应用[D]. 葛磊.哈尔滨工程大学 2013
硕士论文
[1]电动汽车电池管理系统及其荷电状态估计算法研究[D]. 高睿智.山东大学 2018
[2]基于多模型的锂电池荷电状态在线估计方法研究[D]. 杨丽文.南京航空航天大学 2018
[3]基于AUKF的电动汽车动力电池包SOC的估计研究[D]. 陈栋.江苏大学 2017
[4]基于改进的粒子群优化双卡尔曼滤波的锂电池SOC估计方法[D]. 刘璐.哈尔滨工业大学 2017
[5]基于双卡尔曼滤波算法的磷酸铁锂电池建模及SOC估计[D]. 周胜.西南交通大学 2017
[6]基于改进卡尔曼滤波算法的电池健康度估算研究[D]. 周兴博.哈尔滨理工大学 2017
[7]LiFePO4动力电池二阶RC模型参数的研究[D]. 姜威.浙江大学 2015
[8]电动汽车动力电池模型参数在线辨识及SOC估计[D]. 张禹轩.吉林大学 2014
[9]车载组合导航系统自适应无迹卡尔曼滤波算法研究[D]. 唐苗苗.哈尔滨工程大学 2013
本文编号：3680676
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究的背景与意义
1.2 动力电池技术发展现状
1.2.1 动力电池材料发展概述
1.2.2 动力电池建模发展概述
1.3 锂电池SOC估算算法现状
1.4 本文主要研究内容
第二章 锂电池特性分析及测试
2.1 引言
2.1.1 锂电池结构及工作原理
2.1.2 锂电池测试平台
2.2 锂离子电池特性分析及测试
2.2.1 容量特性
2.2.2 开路电压特性
2.2.3 内阻特性
2.3 不同温度下特性分析
2.3.1 温度对容量影响
2.3.2 温度对开路电压的影响
2.4 锂电池SOC定义
2.5 本章小结
第三章 锂电池建模及参数辨识
3.1 引言
3.2 锂电池等效电路模型
3.2.1 Thevenin模型中RC环路数量的确定
3.2.2 Thevenin模型数学建模
3.3 锂电池模型参数辨识
3.3.1 欧姆内阻R0 参数辨识
3.3.2 参数Rpa、Rpc、τpa和 τpc的辨识
3.3.3 不同SOC下模型参数辨识结果
3.4 锂电池模型试验验证
3.5 本章小结
第四章 基于I-STCKF双滤波结构的SOC估计算法
4.1 引言
4.2 强跟踪容积卡尔曼STCKF算法
4.2.1 容积卡尔曼CKF原理
4.2.2 强跟踪STF原理
4.3 改进型I-STCKF算法
4.3.1 改进型I-CKF算法
4.3.2 改进型I-STF算法
4.4 基于I-STCKF双滤波结构的SOC估计算法
4.4.1 锂电池状态空间方程
4.4.2 锂电池模型参数状态方程
4.4.3 基于双I-STCKF滤波器设计
4.5 本章小节
第五章 锂电池模型参数及SOC估计实验验证
5.1 引言
5.2 模型参数在线辨识结果及验证
5.2.1 HPPC测试
5.2.2 结果及验证
5.3 DST工况测试结果
5.3.1 DST测试
5.3.2 测试结果
5.3.3 鲁棒性验证结果
5.4 UDDS工况测试结果
5.4.1 UDDS测试
5.4.2 测试结果
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 创新点
6.3 研究展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
【参考文献】：
期刊论文
[1]基于分数阶无迹粒子滤波的动力电池SOC估计[J]. 何耀,秦少勋,刘新天,郑昕昕,曾国建. 汽车技术. 2018(05)
[2]基于自适应无迹卡尔曼的机器人室内定位算法[J]. 洪宇,李胜,郭健,沈宏丽,许鸣吉. 计算机测量与控制. 2018(01)
[3]基于神经网络与UKF结合的锂离子电池组SOC估算方法[J]. 刘晓悦,杜晓. 现代电子技术. 2018(02)
[4]基于IUPF算法与可变参数电池模型的SOC估计方法[J]. 刘新天,李贺,何耀,郑昕昕,曾国建. 东南大学学报(自然科学版). 2018(01)
[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]基于模糊控制的扩展卡尔曼滤波SOC估计研究[J]. 方磊,陈勇,赵理,殷康胜,郑阳. 系统仿真学报. 2018(01)
[7]抗差模型预测Unscented卡尔曼滤波算法研究[J]. 张新豪,李顺. 电光与控制. 2018(02)
[8]基于UD分解的Sage-Husa自适应滤波算法[J]. 李明,许川佩,李翔. 计算机仿真. 2017(11)
[9]基于模型融合与自适应无迹卡尔曼滤波算法的锂离子电池SOC估计[J]. 刘伟龙,王丽芳,廖承林,王立业. 汽车工程. 2017(09)
[10]基于BP-EKF算法的锂电池SOC联合估计[J]. 孔祥创,赵万忠,王春燕. 汽车工程. 2017(06)
博士论文
[1]轨道交通用钛酸锂电池建模与状态估计研究[D]. 刘思佳.北京交通大学 2018
[2]锂离子电池火灾危险性及热失控临界条件研究[D]. 黄沛丰.中国科学技术大学 2018
[3]正极补锂材料及其在锂离子电池中的应用[D]. 詹元杰.中国科学院大学(中国科学院物理研究所) 2018
[4]电动汽车BMS关键技术研究及硬件在环测试系统构建[D]. 邵玉龙.吉林大学 2018
[5]电动汽车用锂离子动力电池建模与状态估计研究[D]. 刘树林.山东大学 2017
[6]动力锂电池的建模、状态估计及管理策略研究[D]. 汪玉洁.中国科学技术大学 2017
[7]基于数据驱动的多时间尺度锂离子电池状态评估技术研究[D]. 郑方丹.北京交通大学 2017
[8]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]. 穆浩.北京理工大学 2016
[9]容积卡尔曼滤波算法研究及其在电机状态估计中的应用[D]. 丁家琳.西南交通大学 2015
[10]容积卡尔曼滤波算法研究及其在导航中的应用[D]. 葛磊.哈尔滨工程大学 2013
硕士论文
[1]电动汽车电池管理系统及其荷电状态估计算法研究[D]. 高睿智.山东大学 2018
[2]基于多模型的锂电池荷电状态在线估计方法研究[D]. 杨丽文.南京航空航天大学 2018
[3]基于AUKF的电动汽车动力电池包SOC的估计研究[D]. 陈栋.江苏大学 2017
[4]基于改进的粒子群优化双卡尔曼滤波的锂电池SOC估计方法[D]. 刘璐.哈尔滨工业大学 2017
[5]基于双卡尔曼滤波算法的磷酸铁锂电池建模及SOC估计[D]. 周胜.西南交通大学 2017
[6]基于改进卡尔曼滤波算法的电池健康度估算研究[D]. 周兴博.哈尔滨理工大学 2017
[7]LiFePO4动力电池二阶RC模型参数的研究[D]. 姜威.浙江大学 2015
[8]电动汽车动力电池模型参数在线辨识及SOC估计[D]. 张禹轩.吉林大学 2014
[9]车载组合导航系统自适应无迹卡尔曼滤波算法研究[D]. 唐苗苗.哈尔滨工程大学 2013
本文编号：3680676
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3680676.html
