原文传递
基于优化ICDKF的动力电池SOC估算研究
| 论文题名： | 基于优化ICDKF的动力电池SOC估算研究 |
| 关键词： | 电动汽车;动力电池;电荷状态估算;迭代中心差分卡尔曼滤波;算法优化 |
| 摘要： | 近些年来电动汽车作为节能环保的代表，引起了越来越多国家的重视。作为电动汽车能量源的电池，其发展直接制约着电动汽车的发展。因此，越来越多的汽车厂家和学者专注于电池管理系统（Battery Management System，BMS）的研发，而在BMS中电池的电荷状态（State of Charge，SOC）代表着汽车的续航里程，是一个极为重要却又难以估算的参数，如何对动力电池的SOC进行准确的估计是电池领域、乃至整个电动汽车领域的重点和难点。 针对这一现状，本文围绕车用动力锂离子电池的SOC估算展开研究，搭建了二阶RC电池模型，并设计了相应的SOC估算算法，保障了动力锂电池SOC估算的精度和稳定性，同时对算法模型进行定点化处理，以满足工程应用的要求。 首先，从动力锂电池的SOC性能入手，在相关试验的基础上，分析温度和充放电倍率对电池SOC性能的影响。结合实际需求建立二阶RC等效电路模型，在不同温度、充放电倍率下对多个SOC点进行混合动力脉冲能力特性（Hybrid Pulse Power Characteristic，HPPC）试验，利用试验数据拟合电池模型的参数。在MATLAB中建立电池模型，通过仿真验证电池模型的精度。 其次，在二阶RC电池模型的基础上，分别使用扩展卡尔曼滤波（Extended Kalman Filter，EKF）和中心差分卡尔曼滤波（Central Difference Kalman Filter，CDFK）估算电池的SOC。从理论分析和仿真结果两个方面证明了CDKF算法对SOC的估算效果优于EKF。另外，为进一步减小CDKF算法的线性化误差，本文提出优化迭代中心差分卡尔曼滤波（Iterative Central Difference Kalman Filter，ICDFK），在CDKF算法的观测信息更新过程中加入了迭代的思想，并在迭代过程中进行Levenberg-Marquardt优化，大大提高了算法的估算精度及稳定性。 再次，为了提高算法在单片机中的运行效率，节约工程上的成本，本文创新性的对优化ICDKF算法的SOC估算模型进行了定点化处理，提出了定点化处理策略，并在Stateflow软件中搭建算法模型，验证定点模型的SOC估算效果。 最后，进行台架验证，通过Simulink/RTW-EC将优化ICDKF的SOC定点估算模型生成C代码，作为函数嵌入到BMS中。依据国标QC/T897-2011中的SOC测试规则和NEDC循环工况，在台架上对SOC估算精度进行测试。 |
| 作者： | 杨玲 |
| 专业： | 信息与通信工程 |
| 导师： | 吴友宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
