锂电池化成参数的检测与估计技术研究

发布时间：2017-09-26 14:01

  本文关键词：锂电池化成参数的检测与估计技术研究

  更多相关文章： 化成 参数检测 SOC估计 自适应滤波

【摘要】：电池化成是锂电池生产中的一个重要环节,化成的质量对电池的性能起着决定性作用。电池化成设备采用精确的参数检测与估计技术,能够获取锂电池精确的化成参数,实现化成流程的精确控制,从而保证了锂电池的化成质量。锂电池的化成参数主要包括锂电池电压、电流、内阻、温度、烟雾、容量、电池的荷电状态(State of Charge,SOC),其中SOC是根据已知的测量数据估计得出的。SOC是锂电池化成过程之中的关键参数,对电池的性能评估起着重要作用。本文以锂电池化成系统为硬件平台,研究锂电池参数检测相关的一些技术,保证参数检测的准确性,然后从锂电池模型出发,对锂电池SOC的估计算法展开深入研究。本论文的主要的研究内容如下:1.针对锂电池电压和电流采集中存在的干扰问题,本文提出防脉冲干扰滤波与数字低通滤波相结合的滤波方案,能够得到精确的测量值。为了使锂电池设备长期运行都保持较高测量精度,提出锂电池检测通道自动校准方法。在参数精确测量的基础上,研究了化成流程的闭环控制算法与系统分布式控制策略。2.从锂电池的模型出发,对锂电池进行基本性能测试实验,根据实验结果离线辨识模型的参数;为了参数在线估计的要求,采用递推估算算法对模型参数在线辨识。利用扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波以及无迹粒子滤波原理,推导出应用于SOC估计的具体递推算法,并在化成平台上对锂电池进行工况测试实验,仿真对比分析了各种估计滤波算法的估计性能。3.分析SOC估计误差的来源以及改进方法,针对锂电池在化成之中模型参数的时变的特性,研究提出自适应在线估计方案。自适应滤波算法首先估计模型内阻,再将内阻作为SOC估计算法中的已知参量,从而使SOC估计精度进一步提高。对锂电池进行模拟工况实验以及SOC估计算法仿真,对比分析了自适应估计算法与非自适应估计算法的性能,并验证了自适应算法的鲁棒性。4.结合化成数据信息在线估算锂电池总容量,由锂电池实际总容量对SOC的估计过程进行修正,以使其在整个化成周期内都有较高的估计精度。根据化成平台的特点,将SOC自适应估计算法在底层嵌入式平台上实现,同时为了保证数值的稳定性,实现的估计算法采用了求根的形式。
【关键词】：化成 参数检测 SOC估计 自适应滤波
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM912
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-18
• 1.1 研究背景及研究现状11-15
• 1.1.1 研究背景11-12
• 1.1.2 国内外研究现状12-15
• 1.2 研究目的和意义15
• 1.3 研究内容15-17
• 1.4 论文章节安排17-18
• 第二章 锂电池化成参数估计基础与总体方案18-32
• 2.1 模型参数估计基础18-20
• 2.1.1 递推最小二乘估计18
• 2.1.2 递推加权最小二乘估计18-20
• 2.2 非线性系统状态估计基础20-27
• 2.2.1 扩展卡尔曼滤波算法20-22
• 2.2.2 无迹卡尔曼滤波算法22-24
• 2.2.3 粒子滤波算法24-25
• 2.2.4 无迹粒子滤波算法25-27
• 2.3 锂电池化成参数检测与估计总体方案27-29
• 2.3.1 锂电池化成参数的检测与估计指标27
• 2.3.2 锂电池化成系统总体架构27-29
• 2.4 锂电池化成参数检测方案设计29-30
• 2.4.1 参数采集模块方案29
• 2.4.2 交流内阻检测模块方案29-30
• 2.5 本章小结30-32
• 第三章 锂电池化成参数检测技术32-46
• 3.1 锂电池化成精确测量技术32-36
• 3.1.1 锂电池化成检测信号波形分析32-33
• 3.1.2 数字滤波算法33-34
• 3.1.3 锂电池化成通道自动校准技术34-36
• 3.2 锂电池化成控制技术36-40
• 3.2.1 锂电池化成闭环控制系统36-39
• 3.2.2 锂电池分布式控制系统39-40
• 3.3 化成检测平台的数据通信系统设计与实现40-42
• 3.3.1 数据通信系统方案40-41
• 3.3.2 数据通信软件实现41-42
• 3.4 锂电池基本性能测试42-45
• 3.4.1 锂电池内阻特性测试42-44
• 3.4.2 锂电池开路电压特性测试44-45
• 3.5 本章小结45-46
• 第四章 锂电池化成SOC在线估计技术研究46-81
• 4.1 SOC的定义及其影响因素46-48
• 4.2 锂电池模型分析与选取48-51
• 4.2.1 锂电池模型分析48-51
• 4.2.2 锂电池模型选取51
• 4.3 模型参数辨识方法51-58
• 4.3.1 HPPC参数辨识实验51-52
• 4.3.2 模型参数离线辨识52-54
• 4.3.3 基于加权最小二乘法的参数在线辨识54-58
• 4.4 锂电池化成SOC估计算法与分析58-66
• 4.4.1 锂电池工况实验58
• 4.4.2 基于EKF的SOC估计58-62
• 4.4.3 基于UKF的SOC估计62-63
• 4.4.4 基于PF的SOC估计63-64
• 4.4.5 基于UPF的SOC估计64-65
• 4.4.6 估计结果分析65-66
• 4.5 基于自适应滤波算法的SOC在线估计66-77
• 4.5.1 自适应滤波算法的SOC在线估计方案66-68
• 4.5.2 自适应无迹卡尔曼滤波SOC估计算法68-69
• 4.5.3 自适应无迹卡尔曼滤波算法SOC估计实验结果69-74
• 4.5.4 总容量在线估计及SOC估计在线修正74-77
• 4.6 锂电池SOC在线估计系统设计77-79
• 4.6.1 锂电池SOC在线估计实现方案77-78
• 4.6.2 锂电池SOC在线估计软件设计78-79
• 4.7 本章小结79-81
• 第五章 平台测试与验证81-87
• 5.1 锂电池化成系统平台81
• 5.2 锂电池参数检测结果与验证81-82
• 5.3 锂电池参数在线估计结果与验证82-85
• 5.4 本章小结85-87
• 第六章 总结与展望87-89
• 6.1 研究内容总结87-88
• 6.2 工作展望88-89
• 致谢89-90
• 参考文献90-93

【参考文献】

中国期刊全文数据库 前1条

1 刘江;史仪凯;袁小庆;曹玉丽;;基于RLS与EKF算法的锂电池SOC估计[J];测控技术;2013年08期

中国硕士学位论文全文数据库 前1条

1 席安静;磷酸铁锂电池电化学阻抗谱实验研究[D];清华大学;2012年

，

本文编号：923878