原文传递
基于AICKF的锂离子动力电池全寿命周期SOC估算研究
| 论文题名： | 基于AICKF的锂离子动力电池全寿命周期SOC估算研究 |
| 关键词： | 锂离子电池;寿命周期;容量估算 |
| 摘要： | 近几年来，随着环境污染及能源危机日益严重，以动力电池作为能量来源的电动汽车迎来了发展的黄金时期。SOC的准确估算可有效提高电池工作效率、延长车辆续航里程、防止过充过放带来的安全问题、延长电池使用寿命。随着电池不断老化，电池容量及内阻等参数也在发生着变化，这给SOC估算带来很大困难。本文在等效电路模型的基础上，通过在线参数辨识、容量估算等方法对老化的参数进行及时更新，然后使用AICKF算法进行SOC估算，并通过相关实验对上述方法进行了验证，其在电池全寿命周期内的SOC估算误差可以控制在2.5%以内。本文主要内容如下： (1)首先对电池容量进行标定，研究不同放电倍率及温度对容量的影响；然后基于开路电压实验结果对OCV-SOC函数关系进行了拟合，并进行了HPPC及动态模拟工况等其他电池特性实验，用来参数辨识及SOC估算验证；最后，在电池老化实验中，研究了不同放电深度及倍率下的容量衰退情况及不同老化情况下OCV-SOC关系的变化。 (2)建立电池等效电路模型状态空间方程，并基于HPPC实验采用函数拟合及Simulink参数辨识工具箱两种方法进行了离线参数辨识；然后使用带遗忘因子的递推最小二乘法进行了在线参数辨识研究，并在不同工况下对辨识结果进行了验证。 (3)在对Elman神经网络相关特性研究的基础上，使用MEA对Elman神经网络的参数初始值进行全局寻优来避免其陷入局部最小值；然后从工况稳定的充电过程提取容量衰退特征，并使用灰色关联分析对等电压区间进行了寻优；最后通过训练得到基于MEA-Elman神经网络的容量估算模型。 (4)在ICKF的基础上以端电压估算误差绝对值作为自适应因子，提出了AICKF算法来减少不必要的迭代修正，提升了算法效率，并采用Sage-Husa估计器对算法的过程噪声和量测噪声进行修正，进一步提高了算法精度；然后在不同工况下验证了AICKF的估算精度及鲁棒性；为了消除电池老化对SOC估算精度的影响，通过使用(2)、(3)介绍的在线参数辨识及容量估算方法来实时更新电池模型老化的参数，仿真结果显示该方法可以有效消除电池老化的影响，保证了电池全寿命周期内的SOC估算精度。 研究结果显示，相较于CKF，AICKF的SOC估算精度提升明显，并通过及时更新电池老化的参数保证了电池全寿命周期内的SOC估算精度，同时容量估算结果又给电池健康状态提供参考，可以有效提高电池的可靠性及安全性。 |
| 作者： | 李尧太 |
| 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： | 2021 |
检索历史
应用推荐
