原文传递
电动汽车动力锂电池组参数估计研究
| 论文题名： | 电动汽车动力锂电池组参数估计研究 |
| 关键词： | 电动汽车;动力锂电池组;卡尔曼滤波算法;SOC估计 |
| 摘要： | 随着能源的使用速度越来越快，特别是石油资源的枯竭已经可以预期了。新能源汽车，特别是电动汽车的发展引起了人们越来越多的关注，新能源汽车的使用不止可以缓解能源危机，由于它的几乎零污染的特性，对环境保护的重要性也不言而喻。而作为电动汽车的心脏，动力电池组和它的电池管理系统(batterymanagement system，BMS)也就自然而然地成为了最近这些年的研究热点，其中的电池组荷电状态（State of Charge，SOC）以及健康状态(State of Health，SOH)的估计更是研究中的重点。 本文我们首先介绍了新能源汽车的基本概况，分析了BMS在电动汽车中功能、BMS在国内外的发展概况和发展趋势，说明了它在电动汽车中的关键作用，然后我们重点对电池管理系统中的SOC估计进行了研究，先介绍了电动汽车发展至今所涌现出来的若干动力电池的SOC估计方法，对这些方法的优缺点都进行了分析，最后我们分析得到卡尔曼滤波算法在SOC中的应用，使得这项研究取得跨越式的发展，让电动汽车在行驶过程中的动态参数估计成为可能，但是随着研究的深入，卡尔曼滤波算法的一些缺点也暴露了出来。进一步引入了对卡尔曼滤波算法的改进以及双重扩展卡尔曼滤波算法(Dual EKF)的运用，解决了卡尔曼滤波算法不能同时预测系统的状态和其内部参数的缺点，提高了SOC估计的精确性和灵活性。 然后我们分析了各种因素对于电池组性能的影响，例如，电池内阻的动态变化、电池组中各电池单元的不一致性、电池组所处的环境温度以及电池组的老化等因素都会对电池组的性能参数产生影响，从而会影响电池管理系统对于电池组SOC的估计精度。 最后，在算法分析和影响因素分析的基础上，提出了一种基于双重卡尔曼滤波算法并且考虑温度因素之后的一种SOC估计方法，通过仿真实验验证了这种方法比传统的方法的估计精度有一定的提高。 |
| 作者： | 黄东明 |
| 专业： | 控制工程 |
| 导师： | 何耀 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
