锂离子动力电池SOC估计与热成像分析研究

发布时间：2023-10-22 12:21

　　随着全球化石能源紧缺、自然环境污染和极端天气等带来的问题日益突出,加速研究开发与推广应用新能源汽车已成为全球共识。特别在中国,发展新能源汽车产业已上升为国家战略。锂离子动力电池作为电动汽车的主要能量来源,对其荷电状态(State of Charge,SOC)进行准确估计是锂离子电池在电动汽车应用的技术难点也是核心技术之一,同时也是电池安全,可靠,高效运行的重要保障。本文主要围绕着如下内容展开研究:1、研究了锂离子动力电池一阶和二阶Thevenin等效电路模型及其参数辨识方法,包括基于指数函数拟合的离线参数辨识方法,以及带遗忘因子的递归最小二乘法(FRLS)在线参数辨识方法,并对两种方法的性能进行了对比分析。用控制变量法分析了模型内部各个参数,不同阶数拟合的OCV-SOC曲线及电压、电流测量噪声对SOC估计精度的影响,同时研究了电池老化对模型参数的影响。2、提出了一种基于改进自适应容积卡尔曼滤波(ACKF)的在线SOC估计算法,通过引入自适应协方差匹配的方法对误差进行自动调节。基于FUDS工况和NEDC工况模拟测试数据的实验结果表明,改进的ACKF算法在无初始SOC误差时的均方根误差(R...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 锂离子电池模型研究现状
    1.3 锂离子电池SOC估计研究现状
    1.4 锂离子电池SOC精度影响因素及热成像分析研究现状
    1.5 本文主要研究内容
第2章 锂离子电池建模及参数辨识方法
    2.1 锂离子电池模型
        2.1.1 经典电化学模型
        2.1.2 Thevenin等效电路模型
    2.2 锂离子电池模型参数辨识
        2.2.1 Thevenin等效电路模型离线参数辨识
        2.2.2 Thevenin等效电路模型在线参数辨识
    2.3 模型性能仿真验证
        2.3.1仿真实验
        2.3.2 模型的精度及参数辨识方法比较分析
    2.4 本章小结
第3章 基于改进ACKF算法的SOC估计
    3.1 容积卡尔曼滤波原理
        3.1.1 卡尔曼滤波算法
        3.1.2 无迹卡尔曼滤波算法
        3.1.3 容积卡尔曼滤波算法
        3.1.4 基于改进Sage-Husa的自适应CKF算法
    3.2 实验验证与分析
        3.2.1 SOC估计精度比较
        3.2.2 SOC估计算法收敛性比较
    3.3 本章小结
第4章 锂离子电池SOC精度影响因素分析
    4.1 模型参数及测量噪声对SOC估计精度的影响
        4.1.1 电池等效电路参数对SOC估计精度的影响
        4.1.2 测量噪声对SOC估计精度的影响
        4.1.3 OCV-SOC曲线拟合对SOC估计精度的影响
    4.2 电池老化对模型参数的影响
    4.3 本章小结
第5章 基于红外热成像技术的电池温度特性分析
    5.1 红外热成像技术介绍
    5.2 锂离子电池在放电周期中的温度特性分析
        5.2.1 电池热模型
        5.2.2 不同放电倍率条件下的电池表面温度变化
    5.3 锂离子电池在老化过程中的表面温度变化
    5.4 本章小结
第6章 总结与展望
    6.1 全文总结
    6.2 研究展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3856507