原文传递
车辆动力电池的状态估计及均衡控制研究
| 论文题名： | 车辆动力电池的状态估计及均衡控制研究 |
| 关键词： | 锂离子电池;粒子滤波算法;均衡控制;状态估计;电动汽车 |
| 摘要： | 在能源危机的背景下，虽然新能源汽车近年来依靠国家的补贴政策销量得到快速发展，但去年全年销量仍然只有燃油车辆的2.1%，部分原因是新能源汽车的安全问题和续航能力未能令人满意。通过对电池的剩余电量以及剩余寿命的研究，可以为新能源汽车的电池管理系统的安全与保障提供支撑；同时对电池组均衡控制系统进行研究，可以维护电池管理系统的安全运行，从而保证新能源汽车的行驶安全。 本文以电动汽车用磷酸铁锂电池为研究对象，首先通过电池的充放电试验确定电池开路电压与SOC（State of Charge）的映射关系式，同时对电池的回弹电压阶段进行分析后选定 Thevenin模型作为电池模型。在 MATLAB/Simulink平台下建立电池模型并进行复杂工况下的仿真，仿真结果与真实数据拟合平均误差为24.3mV，拟合效果良好，验证了电池模型的可靠性。 针对通用的卡尔曼滤波算法估计SOC时，噪声分布采用高斯分布带来的负面影响，本文选定标准粒子滤波算法估计 SOC，在MATLAB平台上将标准粒子滤波算法以及扩展卡尔曼滤波算法与电池模型结合，选定主要变量及方程的具体形式进行SOC递推估计，仿真结果证明标准粒子滤波算法精确度更高，误差不超过4%。针对标准粒子滤波算法的重要性密度函数进行改进得到辅助粒子滤波算法，在MATLAB平台上的仿真结果表明误差最大值不超过3.5%，较之标准粒子滤波算法估计精度更高。 在对常用RUL（Remaining Useful Life）估计算法分析的基础上，选定基于随机重采样的标准粒子滤波算法进行RUL估计，针对随机重采样的采样效果较差的缺点，在 MATLAB平台上分别对采用多项式重采样、残差重采样以及系统重采样的标准粒子滤波算法进行试验仿真，综合比较后证明系统重采样的RUL估计精度最高，估计误差为34个充放电循环。针对标准粒子滤波算法粒子退化现象改进得到正则化粒子滤波算法，仿真证明正则化粒子滤波算法相对标准粒子滤波算法RUL估计精度提高3.64%，估计误差为16个充放电循环。 对通用均衡方式进行分析后，本文选定基于电感的单向能量转移式主动均衡作为均衡方案，对电感模块与反激式变压器模块进行参数的配置计算后，基于 PSIM平台搭建均衡模型，仿真电池的电压值正序依次递减排列时均衡效果良好。针对电压值乱序时均衡未能启动的现象，并联入反激式变压器实现均衡电路的闭环拓扑。仿真结果表明，这种新型的综合电感与变压器的均衡方案兼顾能量利用率与工程实用性，均衡效果良好。 |
| 作者： | 刘首志 |
| 专业： | 车辆工程 |
| 导师： | 刘清河 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
