原文传递
基于AUKF的电动汽车动力电池包SOC的估计研究
| 论文题名： | 基于AUKF的电动汽车动力电池包SOC的估计研究 |
| 关键词： | 电动汽车;动力电池包;荷电状态;精确估计;无迹卡尔曼滤波 |
| 摘要： | 随着电动汽车的技术不断突破，纯电动汽车三大核心技术之一的电池技术已经成为全球汽车行业和各大院校的研究热点。纯电动汽车动力电池管理的主要功能是电池系统状态监测、均衡管理、热管理及故障诊断与保护等。动力电池的荷电状态（State of Charge, SOC）是电池管理系统中最重要的一个状态量，它表示电池的剩余电量，同时也为能量的分配管理提供依据。因此，动力电池SOC的精确估计在电动汽车运行过程中有着非常重要的工程应用价值。 本文首先介绍电动汽车动力电池的发展现状，通过对各类电池性能指标的比较，指出锂离子电池是电动汽车用动力电池的一个理想选择；为了更好的对锂离子电池的性能有一个直观的了解，完成了电池不同放电倍率、不同工作温度、循环次数与电池可用放电容量的关系试验,并根据这些影响因子对电池SOC进行重新定义。 精确的电池模型是准确SOC估计的前提。先对目前主要的几种电池模型进行总结分析，比较各类模型的优点和缺点，选择了便于工程应用并兼顾了精度的二阶RC等效电路模型；在完成电池的特性建模后，再根据电池工况试验数据，对模型参数分别采用离线方法和在线方法进行辨识；最后对建立的电池模型输出电压与实际测量电压之间的误差结果分析，验证了所用电池模型的有效性，而且证明了在线辨识法也能准确的辨识出模型参数。 在建立电池动态模型之后，采用基于无迹卡尔曼滤波算法对电池SOC进行估计；并针对无迹卡尔曼滤波算法的系统噪声协方差固定不变的缺点，本文引进自适应协方差匹配法对系统噪声特性进行实时估计修正，从而引出自适应无迹卡尔曼滤波算法，该算法可以抑制可能出现的滤波发散且提高估计精度。通过对恒流放电和自定义变电流脉冲放电的两组试验下的电池SOC估计结果的分析，证明自适应无迹卡尔曼滤波算法的滤波效果更好且精度更高，误差在5%以内，并且在存在初始值误差时，仍能很快的收敛到理论真值。 最后对动力电池包的SOC估计方法与单体电池的估计方法的不同进行了简单的介绍，并提出一种基于电池组简化模型的动力电池包SOC估计方法。为了验证所提出方法的实际工程应用性，对实车进行ECE工况试验，通过实车采集到的电池包的电压，电流等数据导入电池测试设备中得出SOC的理论值。再把采集到的实时数据运用到自适应无迹卡尔曼滤波算法中得出SOC的估计值与理论值对比分析，从对比结果可以证明此方法的准确性。 |
| 作者： | 陈栋 |
| 专业： | 车辆工程 |
| 导师： | 何志刚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
