纯电动汽车锂电池剩余电量估计研究

发布时间：2019-07-16 10:22

【摘要】：准确而实时的获取汽车行驶中电池剩余电量信息是电池管理系统乃至电动汽车系统研究的关键问题。本文针对锂电池剩余电量的估计方法进行理论研究，探求具有较高效率和精度的估计方法并总结出一般规律。本文以磷酸铁锂电池为研究对象，重点开展锂电池剩余电量估计方法的研究，具体成果如下： （1）结合锂电池的工作原理，在相关试验数据的基础上，分析了锂电池的电压特性、内阻特性、效率特性和循环特性。根据锂电池基本特性建立了锂电池电化学复合模型，该模型考虑了充放电方向、充放电倍率和温度的影响，并用递推最小二乘法对模型参数进行辨识，在MATLAB/SIMULINK软件中建立相应的仿真模型，，试验验证该锂电池模型具有较高的精度，能准确反映锂电池的动态特性。 （2）将粒子滤波算法应用到锂电池剩余电量估计中。在分析了粒子滤波算法的基本原理、粒子退化现象、重采样技术及存在问题的基础上，引进有效粒子数目，采用系统重采样技术对锂电池SOC进行估计。基于ADVISOR软件的虚拟试验验证了粒子滤波算法在电池剩余电量估计中的可行性。 （3）为了较好地解决粒子退化问题又保证粒子的多样性，本文对粒子滤波算法进行改进。在采用重采样方法的基础上选用扩展卡尔曼滤波器来产生重要密度函数，设计了估计电池SOC的计算流程，基于MATLAB软件编程和试验验证了该算法的有效性。仿真结果表明，该算法比起单一的粒子滤波算法，精度明显提高。 （4）将无迹卡尔曼滤波器和粒子滤波算法相结合对锂电池SOC进行估计。扩展卡尔曼滤波算法必须求非线性函数的Jacobi矩阵，对于模型复杂的系统，容易出错，而且线性化处理时，引入线性化误差，对非线性强度高的系统，容易导致滤波效果下降。而无迹卡尔曼滤波算法，是对状态的概率密度函数做近似，避免了计算繁琐的Jacobi矩阵，精度较高。所以可以基于粒子滤波算法，采用具有对称采样策略和比例修正的UKF来产生重要密度函数，进一步提高估计精度。仿真试验结果表明，UPF算法在估计电池SOC时具有独特的优越性。
文内图片：
图片说明：某动力电池管理系统的基本功能图
文内图片：
图片说明：RINT模型电路结构
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TM912;U469.72

【参考文献】

相关期刊论文 前10条

1 林成涛,王军平,陈全世;电动汽车SOC估计方法原理与应用[J];电池;2004年05期

2 桂长清;;温度对LiFePO_4锂离子动力电池的影响[J];电池;2011年02期

3 黄学杰;;浅谈混合电动汽车用锂离子电池[J];电池工业;2008年03期

4 朱元,韩晓东,田光宇;电动汽车动力电池SOC预测技术研究[J];电源技术;2000年03期

5 范波;田晓辉;马建伟;;基于EKF的动力锂电池SOC状态预测[J];电源技术;2010年08期

6 尹安东;张万兴;赵韩;江昊;;基于神经网络的磷酸铁锂电池SOC预测研究[J];电子测量与仪器学报;2011年05期

7 戴海峰;魏学哲;孙泽昌;;基于扩展卡尔曼滤波算法的燃料电池车用锂离子动力电池荷电状态估计[J];机械工程学报;2007年02期

8 曾小华,王庆年,王伟华,初亮;基于ADVISOR软件的双轴驱动混合动力汽车性能仿真模块开发[J];汽车工程;2003年05期

9 陈全世,林成涛;电动汽车用电池性能模型研究综述[J];汽车技术;2005年03期

10 张容萍;世界电动汽车的发展趋势[J];汽车与社会;2001年04期

本文编号：2515023