原文传递
电动汽车动力电池组健康状态估计方法研究
| 论文题名： | 电动汽车动力电池组健康状态估计方法研究 |
| 关键词： | 电动汽车;动力电池组;健康状态估计;荷电状态;双无迹卡尔曼滤波 |
| 摘要： | 随着环境污染和能源危机问题日益严重，电动汽车以其低排放、无污染等优点正逐步替代传统的燃油汽车，成为未来汽车发展的主要方向。为确保电动汽车能够安全高效地运行，需要通过电池管理系统(Battery Management System,BMS)对电池进管理和控制。精确估计电池的健康状态(State of Health,SOH)，能够为电池管理系统提供可靠的数据保障，及时更换老化的电池，从而达到延长电池的使用寿命、增加电动汽车续驶里程的目的。因此准确地估计电池组的SO H能够使电动汽车安全可靠地运行，具有重要的研究意义。 本文分析了三元锂离子电池SOH的评价指标，并对电池特性进行测试。在对动力电池进行建模及参数辨识的基础上，设计了一种基于双无迹卡尔曼滤波的荷电状态(State of Charge,SOC)和SOH联合估计算法，实现对电池SOH的估计。主要研究工作如下： 1.研究三元锂离子电池的内部结构、工作原理以及SOH的评价指标。通过实验测试锂离子电池的性能，总结出影响锂离子电池SO H的主要因素。 2.建立二阶RC等效电路模型。进行电池脉冲放电实验，对模型中的各项参数进行辨识。仿真结果表明，在恒流放电和脉冲放电工况下，该模型仿真的电压值与实际电压值误差小于2%，能够准确地描述动力电池的工作特性。通过比较常用的容量衰退模型综合复杂度和精确度，选取并建立指数模型作为电池容量衰退模型。 3.设计了双无迹卡尔曼滤波算法(Dual Unscented Kalman Filters,DUKF)对SOC和SOH进行联合估计。仿真结果表明，在恒流放电工况和城市道路循环工况(Urban Dynamometer Driving Schedule,UDDS)下，对SOC进行估算时误差始终在3%以内，具有较高的估算精度；对SOH进行仿真实验，结果表明估算误差均小于2%，收敛迅速，鲁棒性好。将SO H估计算法移植进电池管理系统，对估计算法进行验证。实验结果表明，本文设计的SO H估算方法误差小于4%，满足设计要求。 |
| 作者： | 何培杰 |
| 专业： | 导航制导与控制 |
| 导师： | 王琪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安工业大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
