动力电池SOC估算方法工程化实现及对比分析

发布时间：2020-10-24 05:44

　　 电动汽车在近几年发展迅速,无论是在能源消耗还是环境保护方面都具有明显优势,电动汽车关键技术突破自然成为研究热点。电池组作为电动汽车整车的动力总成,其高效工作、安全使用、能量控制策略的优化等依赖于电池管理系统。电池组荷电状态(SOC)精确估算是电池管理系统基础核心的功能,因此本文研究了锂电池荷电状态(SOC)的估计方法工程化实现以及对比分析。首先分析了倍率、温度等因素对锂离子电池的电压、容量、内阻等特性参数的影响;建立了 SOC-OCV数学模型,实现SOC-OCV曲线与倍率影响因素的解耦;搭建了一阶RC和二阶RC等效电路仿真模型,对比分析了两种电池在不同工况下模型精度。仿真结果表明一阶RC模型和二阶RC模型精度相近,且对工况倍率均具有良好的适应性,考虑工程化实现的复杂程度,选取一阶RC模型作为SOC估算模型,为工程化实现状态估计奠定基础。其次,对比分析了安时积分法、PI观测器以及Kalman滤波估算SOC的优缺点;在MATLAB中搭建不同算法模型并基于电池工况数据进行仿真,对比不同算法的仿真结果,表明PI观测器和Kalman滤波具有较高的精度、较好的鲁棒性和工况适应性,能准确快速跟踪真值。相同工况下,PI观测器的精度稍高,但受噪声影响时的波动稍大。针对低端精度差的问题,提出了 PI观测器+安时积分法,Kalman+安时积分法的修正方法,仿真结果验证了方法的有效性。然后,搭建了荷电状态(SOC)估计算法硬件在环验证平台。阐述了控制板电源供电、控制板CAN收发、电流电压等电气量的采集电路原理及器件选型依据;完成了软件设计,包括对算法的C语言实现、CAN通信程序的设计、实时监测程序设计等;实现了实验平台的实物搭建。最后,在实验平台对25Ah三元电池和25Ah钛酸锂电池进行两种工况下不同倍率的实验。验证了 PI观测器和Kalman滤波器算法估算荷电状态(SOC)的有效性、可靠性和准确性;验证了提出的PI观测器+Ah、Kalman滤波器+Ah的修正方法工程化应用的有效性,将SOC估算误差控制在5%以内;对比分析了两种算法工程化应用的优缺点;得出结论,SOC估算方法工程化应用时,PI观测器的性能优于Kalman滤波器。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TM912
【部分图文】：

?＾???池的循环寿命长，能够实现万次以上的充放电循环，高于普通锂电池而且钛酸锂??快速充电性能非常好，其充电倍率不但达到与磷酸铁锂和三元相当的６Ｃ，还能实??现电化学超级电容器１０Ｃ的倍率充电［３］。??■Ｉ储能电池，ＧＷｈ；?■■动乃电池（ＧＷｈ｝?■＿铁钾?■■?１元材料??

图１－３?ＢＭＳ核心算法框图??Ｆｉｇｕｒｅ?１－３?ＢＭＳ?ｃｏｒｅ?ａｌｇｏｒｉｔｈｍ?ｂｌｏｃｋ?ｄｉａｇｒａｍ??由图１－３可以看出，状态估计算法是整个电池管理系统ＢＭＳ的核心［６］，并且??４??

图１－４?ＢＰ神经网络结构图??Ｆｉｇｕｒｅ?１－３?ＢＰ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ??５．?ＰＩ观测器??ＰＩ观测器的方法是将控制理论应用到电池状态估计，这种方法考虑系时不变部分，设计观测器来补偿控制系统中的非线性部分。建立电池模型，通过将经过电池模型计算的电池端电压与真实端电压的对比，号，不断地经过ＰＩ控制环节反馈调节，以使估计状态量最大可能的态量［１３］＿［１４］。??优点：估算精度高，响应速度快，算法鲁棒性好。??不足．？依赖模型精确度。??６．?Ｋａｌｍａｎ滤波算法??Ｋａｌｍａｎ滤波器的本质是以最小均方差为原则，对复杂的动态系统做出计。非线性的动态系统在Ｋａｌｍａｎ滤波中会被线性化成系统的状态空扩展Ｋａｌｍａｎ滤波（ＥＫＦ）。在实际应用中，系统根据前一时刻的估算值的观测值对需要求取得状态变量进行更新，遵循“预测－实测－修正”
【参考文献】

相关期刊论文 前7条

1 姜翠娜;李红;罗玉涛;谢斌;何小颤;;温度及放电倍率对电池性能影响的实验研究[J];科学技术与工程;2013年09期

2 熊瑞;孙逢春;何洪文;;自适应卡尔曼滤波器在车用锂离子动力电池SOC估计上的应用[J];高技术通讯;2012年02期

3 郭宏榆;姜久春;王吉松;娄婷婷;李肖刚;;功率型锂离子动力电池的内阻特性[J];北京交通大学学报;2011年05期

4 邱玉凤;江家发;;新型高效绿色能源:锂离子电池[J];化学教育;2011年08期

5 姜久春;文锋;温家鹏;郭宏榆;时玮;;纯电动汽车用锂离子电池的建模和模型参数识别[J];电力科学与技术学报;2010年01期

6 魏学哲;孙泽昌;田佳卿;;锂离子动力电池参数辨识与状态估计[J];同济大学学报(自然科学版);2008年02期

7 麻友良,陈全世,齐占宁;电动汽车用电池SOC定义与检测方法[J];清华大学学报(自然科学版);2001年11期

相关博士学位论文 前2条

1 熊瑞;基于数据模型融合的电动车辆动力电池组状态估计研究[D];北京理工大学;2014年

2 李哲;纯电动汽车磷酸铁锂电池性能研究[D];清华大学;2011年

相关硕士学位论文 前10条

1 田家路;基于STM32的电动汽车锂电池管理系统设计[D];安徽理工大学;2017年

2 苗壮;动力锂离子电池动态特性研究及SOC估算[D];哈尔滨工业大学;2017年

3 蒋佑煊;523三元锂离子动力电池SOC的估计算法研究[D];南京航空航天大学;2017年

4 于广;电动汽车动力电池管理系统研究与设计[D];山东大学;2016年

5 陈岳航;基于H_∞滤波算法的锂离子电池SOC与SOH估计[D];电子科技大学;2016年

6 赵杨;基于强跟踪卡尔曼滤波的车用锂电池SOC估计算法的研究[D];东北林业大学;2016年

7 赵婷;动力锂离子电池组SOC在线估算[D];北京交通大学;2016年

8 谢绍伟;电动汽车电池管理系统（BMS）及其验证系统的开发[D];华中科技大学;2015年

9 董波;LiFePO_4动力电池组放电末端SOC估计研究[D];合肥工业大学;2015年

10 胡小军;基于无迹卡尔曼滤波的动力锂电池SOC估计与实现[D];中南大学;2014年

本文编号：2854092