基于衰退模型的电动汽车的锂离子电池SOC估算

发布时间：2021-05-07 10:21

　　电池能量密度低、电池老化等问题制约着动力电池的发展,而精确的荷电状态（State of Charge,SOC）,可提高电池利用率,避免电池过充过放,从而提高电动汽车的续驶里程与安全性。针对电池老化后SOC估计不准确、卡尔曼滤波对噪声敏感的问题,本文基于双极化等效电路模型与卡尔曼滤波结构,提出改进自适应迭代扩展卡尔曼滤波（Improved-Adaptive Iterative Extend Kalman Filter,IAIEKF）算法。基于该算法提出考虑电池老化的SOC估算策略,同时通过相关电池实验,对电动汽车使用过程中的SOC估算精度进行分析与验证。本文主要工作如下:（1）介绍本次研究的实验对象和实验测试平台,并在实验平台上设计电池特性测试方案,包括静态容量标定测试、不同影响因素下容量特性测试、混合动力脉冲特性测试、OCV-SOC标定测试、动态工况测试以及不同影响因素下电池循环寿命测试。根据不同特性的实验结果分析电池工作特征,为不同工况下动力电池的精确建模奠下基础,以及为电池SOC估计提供数据支撑。（2）阐述电化学模型、等效电路模型、黑箱模型及分数阶模型的优缺点,从模型精度和时间复杂... 

【文章来源】：江苏大学江苏省

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景
    1.2 国内外研究现状
        1.2.1 锂电池容量估算研究现状
        1.2.2 电池SOC估算研究现状
    1.3 本文主要研究内容
第二章 电池实验设计及特性分析
    2.1 锂离子电池及测试设备
    2.2 电池测试及特性分析
        2.2.1 静态容量标定
        2.2.2 不同温度下电池可用容量测试
        2.2.3 不同放电倍率下电池可用容量测试
        2.2.4 混合动力脉冲特性(HPPC)测试
        2.2.5 不同循环次数下电池可用容量测试
        2.2.6 OCV-SOC标定
        2.2.7 动态工况测试
    2.3 本章小结
第三章 锂电池建模及模型参数辨识
    3.1 电池基本模型
        3.1.1 电化学模型
        3.1.2 黑箱模型
        3.1.3 分数阶模型
        3.1.4 等效电路模型
    3.2 电池模型构建
    3.3 电池参数辨识
        3.3.1 离线辨识
        3.3.2 离线辨识结果验证
        3.3.3 在线辨识
        3.3.4 在线辨识结果验证
    3.4 本章小结
第四章 锂电池容量衰退模型研究
    4.1 电池老化机理分析
    4.2 直接估算方法
        4.2.1 灰色模型
        4.2.2 基于灰色模型估算电池容量的实验验证与分析
    4.3 间接估算方法
        4.3.1 特征提取
        4.3.2 经验模态分解
        4.3.3 粒子滤波和多项式回归
        4.3.4 Elman神经网络
        4.3.5 间接估算框架
        4.3.6 容量间接估算的实验验证与分析
    4.4 本章小结
第五章 考虑老化模型的锂电池SOC估算
    5.1 SOC定义
    5.2 SOC估计算法描述
        5.2.1 自适应迭代扩展卡尔曼滤波算法
        5.2.2 改进自适应迭代扩展卡尔曼滤波算法
    5.3 基于I-AIEKF算法的动力电池SOC估计
    5.4 考虑电池老化的SOC估计
    5.5 实验验证及结果分析
        5.5.1 在不同的测试工况下SOC估算精度验证
        5.5.2 鲁棒性验证
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
在学期间发表的学术论文及其他科研成果


【参考文献】：
期刊论文
[1]基于遗传算法的电静压伺服系统模型参数辨识[J]. 张春龙,赵迎鑫,张朋,郝伟一,冯伟.  导弹与航天运载技术. 2020(01)
[2]产业融合背景下的新能源汽车技术发展趋势[J]. 王震坡,黎小慧,孙逢春.  北京理工大学学报. 2020(01)
[3]基于ACO-BP神经网络的锂离子电池容量衰退预测[J]. 张新锋,姚蒙蒙,王钟毅,饶勇翔.  储能科学与技术. 2020(01)
[4]锂离子电池SOC估算方法概况及难点分析[J]. 张易航,王鼎,肖围,许明标,何淼.  电源技术. 2019(11)
[5]基于扩展卡尔曼滤波的锂离子电池荷电状态估计[J]. 李伟,刘伟嵬,邓业林.  中国机械工程. 2020(03)
[6]基于扩展H∞粒子滤波算法的动力电池寿命预测方法[J]. 马彦,陈阳,张帆,陈虹.  机械工程学报. 2019(20)
[7]加速放电倍率下锂离子电池健康预测[J]. 姚磊,余斌,张涛.  电池. 2019(04)
[8]基于三阶RC网络的等效电路电池模型[J]. 王维强,张吉,张力,严运兵.  电池. 2019(03)
[9]新能源补贴有望2021年全部退出[J].   汽车观察. 2019(01)
[10]基于双非线性预测滤波法的锂离子电池SOH估计[J]. 华寅,许敏.  电源技术. 2018(09)

博士论文
[1]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

硕士论文
[1]稳健的锂电池等效电路模型参数辨识及荷电状态估计研究[D]. 邱新宇.西安理工大学 2019
[2]锂离子电池荷电状态与健康状态观测器的算法研究[D]. 孟程.哈尔滨工业大学 2019
[3]基于IMM融合模型的锂电池SOH估计的算法研究[D]. 张恒.合肥工业大学 2019
[4]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



本文编号：3173228