基于动态增益的Joint-EKF算法的锂电池SOC估算

发布时间：2020-08-08 16:41

【摘要】：相比燃油汽车,电动汽车具有对环境污染小、无噪声等优势,在交通方面发挥着越来越重要的作用。电动汽车由电池组提供汽车行驶所需要的电能,电池组高效、安全地利用,是电动汽车正常运行的重要保证。目前电池管理系统(Battery Management System,BMS)的研究主要包括:根据电池相关特性建立等效模型、对电池荷电状态(State of Charge,SOC)进行高精度预估、对电池的健康状况进行估计等。其中,锂电池SOC估算是研究的热门方向之一,SOC精度的高低,不仅影响到电池本身,还会影响到电动汽车的正常行驶。本文将围绕锂离子电池的估算精度,展开以下几个方面的研究。第一、对动力电池的种类、BMS的发展现状、常用的SOC估算算法进行了充分了解,对锂电池的基本特性、工作原理、电池常见模型和影响锂电池SOC估算的相关因素进行了深入的分析,通过采用以传统Thevenin等效模型为基础的电池混合噪声模型,来减小漂移电流对电池SOC估算的不利影响。对模型参数采用指数拟合的方法进行辨识,验证模型具有较高的精度。第二、对常用的锂电池SOC估算方法,针对具体工况进行对比分析,选择联合扩展卡尔曼滤波(Joint Extended Kalman Filter,Joint-EKF)算法为基础,为克服Joint-EKF算法在电流发生剧烈变化的特殊工况下,存在对电流漂移噪声抑制作用减弱和观测电压滞后导致的电池SOC估算能力不足的问题,提出基于Joint-EKF算法,在线调整增益系数,加强算法跟踪效果,以期提高锂离子电池SOC估算的精度,通过具体的实验数据表明,通过动态增益优化后的Joint-EKF算法,有效地提高SOC估算精度。第三、针对锂电池SOC功能的实现搭建实验平台,对相关的软硬件进行设计,最后利用搭建好的实验平台对BMS进行功能性测试,测试的结果表明,系统的SOC估算精度达到了设计要求,具有较好地实用性。鉴于在线增益系数调整后的Joint-EKF算法在估算锂离子电池SOC的优势,该算法能够满足电动汽车对电池SOC估算精度的要求,具有较好的推广应用价值。
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM912
【图文】：

曲线,锂离子电池,充电电压,充电时间

.1 锂离子电池的充电电压/电流与充电压特性电池电压特性的分析，主要是通过oltage，OCV）和线电压这三个方面值的大小认为是电动势的大小。图 2.2 电池的 OCV-SOC 关系工作时，充分静置后的电压认为是电，电池的 OCV 和电池的 SOC 有一定

基于动态增益的Joint-EKF算法的锂电池SOC估算

7由汕的nw-sn}羊蔡曲全

静置时间,电池,电压差,线电压

接入负载，此时电池两端的电压就为线，电池的等效内阻会分摊一部分电压，并且随着电一个电压差，若停止充电，短时间内形成的电压差线电压会略高于 OCV 得知；同理，放电时的线电压，电池的充放电过充，都会设置一个充电上限电压的目的是为了防止电池受到损伤。电池 SOC 定义及其影响因素义为电池荷电状态，通常用来表示电池剩余的电量[2能的参考依据，作用重大，且影响 SOC 精度的因的一些影响因素进行了解。C 的定义比较简单，考虑其他的因素不多。规定在件下，电池还剩的电量与电池总电量之比[26]。电池性那样可直接测量，只能间接计算，可根据安时法

【参考文献】