基于平方根扩展卡尔曼滤波的锂电池状态估计研究

发布时间：2022-01-04 20:03

　　随着锂电池技术的不断发展,锂电池在现实生活中得到了广泛的应用。但是由于锂电池管理技术尚未成熟,这极大限制了新能源电动汽车以及相关锂电池行业的发展。在锂电池管理系统（Battery Management System,BMS）中,状态估计的精度越高,锂电池的安全使用、可靠运行和寿命预测就越有保障。锂电池的状态估计主要包括荷电状态（State of Charge,SOC）估计和健康状态（State of Health,SOH）估计。本课题对SOH和SOC估计算法进行研究,主要工作如下:首先选取二阶RC等效电路模型（Equivalent Circuit Model,ECM）作为锂电池模型,在HPPC工况下对ECM进行参数辨识,并确定SOC-OCV函数关系。然后为了解决滤波发散与不稳定的问题,本文在EKF（Extended Kalman Filter,EKF）算法的基础上,引入平方根（Square Root,SR）算法,分别采用平方根扩展卡尔曼滤波（Square Root Extended Kalman Filter,SREKF）算法对SOH和SOC进行估计。在对SOH进行估计时,将ECM中表... 

【文章来源】：西安理工大学陕西省

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 课题的背景与意义
    1.2 国内外研究现状
        1.2.1 锂电池健康状态研究现状
        1.2.2 锂电池荷电状态研究现状
    1.3 本文主要的研究工作
2 锂电池原理与特性分析
    2.1 单体锂电池特点
    2.2 锂电池结构与工作原理
    2.3 单体锂电池特性分析
    2.4 本章小结
3 锂电池建模与模型参数辨识
    3.1 锂电池等效模型建立
        3.1.1 等效电路模型
        3.1.2 模型精度分析
    3.2 模型参数辨识
        3.2.1 等效电路模型参数辨识
        3.2.2 SOC-OCV关系曲线
    3.3 本章小结
4 平方根扩展卡尔曼滤波算法的锂电池状态估计
    4.1 卡尔曼滤波类算法简介
        4.1.1 经典卡尔曼滤波原理
        4.1.2 扩展卡尔曼滤波算法
        4.1.3 平方根扩展卡尔曼滤波算法
    4.2 基于SREKF算法估计SOH
        4.2.1 建立系统的状态方程
        4.2.2 SOH估计流程图
        4.2.3 基于SREKF的 SOH仿真与结果分析
    4.3 基于SREKF算法估计SOC
        4.3.1 建立SOC估计的系统状态方程
        4.3.2 基于SREKF的 SOC仿真与结果分析
    4.4 本章小结
5 Dual-SREKF的锂电池SOH与 SOC联合估计
    5.1 Dual-EKF算法原理
    5.2 Dual-SREKF算法原理
    5.3 Dual-SREKF算法的锂电池SOH与 SOC估计
        5.3.1 建立SOH和 SOC联合估计的系统状态方程
        5.3.2 基于Dual-SREKF的锂电池SOC与 SOH联合仿真分析
    5.4 本章小结
6 结论
    6.1 工作总结
    6.2 进一步展望
致谢
参考文献
在校学习期间发表的论文与奖励情况


【参考文献】：
期刊论文
[1]磷酸铁锂电池及其新能源汽车启动电源性能分析[J]. 陈继永,卢欣欣.  时代汽车. 2019(20)
[2]基于强跟踪DEKF算法的动力电池SOC估计模型[J]. 谈发明,李秋烨,赵俊杰,王琪.  电力电子技术. 2019(11)
[3]锂离子电池健康状态多因子在线估计方法[J]. 陈猛,乌江,焦朝勇,陈继忠,张在平.  西安交通大学学报. 2020(01)
[4]锂离子电池荷电状态不同估算方法的综述及讨论（英文）[J]. Gregory L.Plett.  汽车安全与节能学报. 2019(03)
[5]纯电动汽车用磷酸铁锂电池工作特性分析与表征[J]. 王晨懿,王顺利,陈一鑫,李小霞,邹传云.  自动化仪表. 2019(08)
[6]一种联合锂电池健康和荷电状态的新模型[J]. 朱丽群,张建秋.  中国电机工程学报. 2018(12)
[7]卫星蓄电池二元性能退化和寿命数据的贝叶斯模型（英文）[J]. 张洋,贾祥,郭波.  Journal of Central South University. 2018(02)
[8]锂电池健康状态评估综述[J]. 吴盛军,袁晓冬,徐青山,陈兵,李强.  电源技术. 2017(12)

硕士论文
[1]电动汽车动力锂离子电池健康状态估计方法研究[D]. 马力旺.长安大学 2018



本文编号：3568977