纯电动汽车锂电池组健康状态（SOH）的估计研究

发布时间：2017-06-29 19:15

  本文关键词：纯电动汽车锂电池组健康状态（SOH）的估计研究，由笔耕文化传播整理发布。

【摘要】：环境恶化和能源危机给传统汽车的发展带来双重压力,因此电动汽车已经成为未来汽车发展的主要方向。动力电池组是电动汽车的能量来源,为了确保电动汽车能够安全稳定高效地运行,需要对电池进行必要地管理和控制。电池组健康状态(SOH)是电池管理系统中最重要的参数之一,精确掌握电池组SOH可以为其自身的检测与诊断提供依据,有助于及时了解电池组各单体电池的健康状态,及时更换老化的单体电池,提高电池组的整体寿命,进一步提高电动车的动力性能。因此及时、准确地对电池组SOH进行估计具有非常重要的实际意义。 目前国内外对于电池SOH估计的研究较少,而且主要针对于单体电池,以电池组整体作为对象进行研究的文献就更少。此外,上述研究主要依赖于实验室的测试环境,很少有人采用实际中电动汽车运行的实时电池数据进行研究,而本文以纯电动出租车作为实验对象,基于实时采集得到的电池数据对电池组的SOH值进行动态跟踪预测。 首先,根据电池SOH的相关定义,本文选择用欧姆内阻作为电池SOH的评价指标。其次,基于电动出租车实时运行过程中的电池数据,对电池组的充放电特性进行了详细的分析,说明了本文用一个简单模型来表达电池组整体特性的合理性。接下来,以单体电池等效电路模型为基础,应用电路基本理论对电池组模型的结构进行了分析推导,最终建立了二阶RC电池组等效电路模型。最后,以实时采集得到的电动出租车电池充电数据,根据遗忘因子递推最小二乘法原理对电池组模型的未知参数进行了辨识和求解,确定了电池组模型。 电池组是一个复杂的非线性系统,而粒子滤波算法对于求解非线性问题具有一定的优越性,所以本文对粒子滤波算法动态估计电池组内阻值进行了深入的研究,将粒子滤波算法和电池组等效电路模型相结合,利用实测数据进行了电池组内阻的估计实验。结果表明,粒子滤波算法能够较好地动态跟踪预测充电过程中电池组的内阻,该算法具有良好的适用性。 由于粒子的退化问题直接影响算法的准确性,因此为了更好地解决算法中粒子的退化问题,提高粒子滤波算法对于电池组内阻的预测精度,本文将遗传算法的思想融合到粒子滤波算法中,尝试应用遗传粒子滤波算法估计电池组的内阻,并且详细设计了利用遗传粒子滤波算法估计电池组内阻的实现方案。通过对实验结果的分析,并且与标准粒子滤波算法的实验结果进行对比,得出结论：基于遗传粒子滤波算法的电池组内阻动态跟踪预测曲线的起伏波动幅度更小,平稳性更好。由此可得,基于遗传粒子滤波算法的电池组内阻的跟踪预测有更优越的性能。
【关键词】：电池组健康状态 电池组模型 最小二乘法 粒子滤波算法 遗传算法
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U469.72
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-9
• 目录9-11
• 1 前言11-25
• 1.1 研究背景与意义11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-13
• 1.2 动力电池SOH的研究现状13-17
• 1.2.1 SOH的相关定义13-14
• 1.2.2 SOH预测的研究现状14-17
• 1.3 锂离子电池简介17-21
• 1.3.1 锂离子电池的构造与工作原理17-18
• 1.3.2 锂离子电池的主要参数18-20
• 1.3.3 锂离子电池的特点20-21
• 1.4 锂离子单体电池SOH的影响因素21-22
• 1.5 分析锂离子电池SOH的评价指标22-23
• 1.6 论文研究内容及框架23-25
• 2 影响锂电池组SOH的因素25-34
• 2.1 单体电池连接方式对电池组SOH的影响分析25-28
• 2.1.1 先并后串连接方式的可靠性分析25-26
• 2.1.2 先串后并连接方式的可靠性分析26-27
• 2.1.3 两种连接方式可靠性的对比分析27-28
• 2.2 单体电池不一致性对电池组SOH的影响分析28-30
• 2.2.1 生产过程电池不一致性对电池组SOH的影响分析28-29
• 2.2.2 使用过程电池不一致对电池组SOH的影响分析29-30
• 2.3 提高电池组SOH的措施30-31
• 2.4 电池组均衡管理系统31-33
• 2.5 本章小结33-34
• 3 锂电池组等效电路模型的建立34-63
• 3.1 锂离子单体电池模型34-37
• 3.2 锂离子电池组模型37-51
• 3.2.1 电池组建模方法简介37-38
• 3.2.2 锂离子电池组实时数据分析38-45
• 3.2.3 锂离子电池组模型的建立45-51
• 3.3 模型参数辨识51-58
• 3.3.1 最小二乘法原理51-55
• 3.3.2 利用遗忘因子递推最小二乘法进行参数辨识55-58
• 3.4 参数辨识结果与分析58-61
• 3.5 本章小结61-63
• 4 粒子滤波算法预测电池组SOH63-79
• 4.1 粒子滤波算法简介63-72
• 4.1.1 贝叶斯估计理论63-66
• 4.1.2 蒙特卡罗方法66-68
• 4.1.3 粒子滤波的原理68-72
• 4.2 粒子滤波预测SOH72-77
• 4.2.1 算法步骤73-75
• 4.2.2 SOH预测实验75-77
• 4.3 实验结果分析77-78
• 4.4 本章小结78-79
• 5 遗传粒子滤波算法预测电池组SOH79-93
• 5.1 遗传算法简介79-82
• 5.1.1 遗传过程中基本术语79-80
• 5.1.2 遗传算法的实现步骤80-82
• 5.2 遗传粒子滤波算法描述82-85
• 5.3 遗传粒子滤波算法预测SOH85-89
• 5.3.1 算法的设计与实现85-86
• 5.3.2 SOH预测实验86-88
• 5.3.3 实验结果分析88-89
• 5.4 两次实验结果的对比与统计分析89-91
• 5.5 本章小结91-93
• 6 总结与展望93-96
• 6.1 全文总结93-94
• 6.2 论文创新点94
• 6.3 研究展望94-96
• 参考文献96-100
• 作者简历及攻读硕士学位期间取得的研究成果100-102
• 学位论文数据集102

【参考文献】

中国期刊全文数据库 前5条

1 牛利勇;时玮;姜久春;张言茹;姜君;曹雪铭;;纯电动汽车用磷酸铁锂电池的模型参数分析[J];汽车工程;2013年02期

2 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

3 马骊歌;王俊喜;;电动汽车是中国汽车行业的发展方向[J];汽车工业研究;2011年01期

4 魏学哲;徐玮;沈丹;;锂离子电池内阻辨识及其在寿命估计中的应用[J];电源技术;2009年03期

5 文锋;姜久春;张维戈;郭慧萍;;电动汽车用锂离子电池组充电方法[J];汽车工程;2008年09期

  本文关键词：纯电动汽车锂电池组健康状态（SOH）的估计研究，由笔耕文化传播整理发布。

，

本文编号：499029