详情

原文传递动力电池SOC估计及均衡策略研究

论文题名：	动力电池SOC估计及均衡策略研究
关键词：	电动汽车;动力电池;IMM-UKF算法;SOC估计;双层均衡
摘要：	电动汽车（ElectricVehicles，EV）以其零污染、噪声小、电机驱动效率高、乘车舒适性好以及电能来源广泛等显著优势，在全球范围内得到了快速发展，成为汽车发展的未来。电动汽车中的电池管理系统（BMS,BatteryManagementSystem）是电动汽车的核心，其主要功能就是在复杂的车况下实时监测电池的工作状态，并进行有效管理和控制。电池荷电状态（SOC,StateofCharge）实时监测和电池组的科学均衡是BMS中关键的两个问题。常见的SOC预测方法有通过测量电池表征参数进行预测、利用电池特性建立等效电路模型、智能算法预测等，这些方法具有简便、精度时效性高、适应性强、采集速度快等优点。但仍存在累积误差大、噪声难以估计、SOC与内阻的关系比较难于确立、易受电流波动影响、工况非线性等问题。电池组均衡模块能够保证各单体电池尽量保持一致，能够提高电池组能量利用率、安全性，但目前的均衡方法仍存在效率低、偏差大等不足。因此本文针对SOC预测和电池组均衡技术进行专门研究，致力于得到更理想的效果。　　首先对动力电池的基本特性进行分析，介绍了电池的基本结构和电化学反应原理，从这些基本原理出发分析了开路电压(OCV,OpenCircuitVoltage)与荷电状态(OCV-SOC)之间的关系、电池的极化现象、电池实际可用容量与温度和充放电倍率之间的关系。接下来研究电池等效模型的建立，本文选择精度较高、参数容易辨识、计算量适中的二阶RC等效模型作为研究对象。考虑到电动汽车在正常工作时运行路况复杂，从而导致动力电池的放电电流变化剧烈，如果用固定的参数会引起很大误差，本文利用含遗忘因子的递推最小二乘法(FFRLS，ForgettingFactorRecursiveLeastSquares)对二阶RC等效模型参数在线辨识，解决模型参数固定引起的误差问题，参数辨识精度高，且算法容易实现可以配合SOC估计算法进行联合仿真。　　然后研究动力电池SOC估计方法。本文提出了基于交互多模型无迹卡尔曼(IMM-UKF，Interactivemulti-modelunscentedKalman)滤波算法估计动力电池SOC的方法，利用多模型并行滤波估计原理，通过模型融合输出，降低单一模型误差带来的SOC估计精度下降问题。在SOC估计时充分考虑电池不同倍率放电电流引起的电池实际可用容量变化和采样噪声，建立大、中、小电流放电模型，根据在线辨识的RC参数和实际容量以及噪声可以确定多模型的状态空间方程参数矩阵，通过先验电压电流信息确定各模型转移概率和模型概率，最后通过Matlab仿真软件搭建基于IMM-UKF算法估计SOC的模型，利用动态压力测试(DST,DynamicStressTest)工况来验证IMM-UKF算法的估计精度，仿真结果表明IMM-UKF算法估计结果要优于UKF算法和EKF算法，SOC估计平均误差在1%以内，具有较高的估计精度。　　最后在精确估计电池SOC的基础上研究动力电池均衡控制技术，利用电池SOC一致性为均衡目标，提出了基于储能电感和辅助电源的双层均衡模式，电池模组内部底层均衡通过储能电感完成均衡，通过控制底层模组电池的数量，避免电池数量的增加引起电池能量流动的距离太长，从而导致均衡效率降低；顶层均衡通过辅助电源完成，当系统监测到电池SOC最低的模组完成了底层均衡，随即调用顶层均衡，当被均衡模组的SOC与SOC值最大的模组相等时，此时停止均衡，通过控制其他MOS管的导通转而对另外一个模组进行均衡，这样能够较大的提高均衡效率，其系统不需要隔离，硬件实现成本低。仿真实验证明，该策略具有较好的均衡效果。
作者：	王超
专业：	控制工程
导师：	陈德海
授予学位：	硕士
授予学位单位：	江西理工大学
学位年度：	2021