原文传递
动力锂电池健康状态估计研究及管理系统设计
| 论文题名： | 动力锂电池健康状态估计研究及管理系统设计 |
| 关键词： | 电动汽车;锂电池;充电状态;健康状态;在线估计;递推最小二乘法;双扩展卡尔曼滤波器 |
| 摘要： | 为解决内燃机汽车带来的环境污染，电动汽车的普及是未来汽车行业发展的必经之路。电池管理系统作为电池三大关键部件之一，可以估计电池组的充电状态(SOC)与健康状态(SOH)，同时管理电池的运行状态。为了实现在实际运行工况下实时估计和管理电池状态，本文提出一种基于模糊变时间尺度扩展卡尔曼滤波器在线联合估计SOC和SOH的算法，满足精度要求的同时提高了效率。主要研究内容如下： 建立锂电池的模型。研究了常用的等效电路模型，采用二阶RC模型建立锂电池等效电路模型；把模型中与寿命高度相关的内阻作为锂电池SOH的指标，提高健康状态估计的动态响应能力。 基于改进的可变遗忘因子递推最小二乘法实现锂电池等效电路模型的参数辨识。在递推最小二乘法的基础上，提出了自适应可变遗忘因子策略，调节锂电池新数据的权重，提高参数辨识算法辨识锂电池等效电路模型的精度。 基于模糊变时间尺度下的双扩展卡尔曼滤波器实现锂电池SOC和SOH联合在线估计。在双扩展卡尔曼滤波器中加入变时间尺度框架，提高了算法的效率；用模糊控制系统调整变化的时间尺度。从结果表明，模糊系统提高了SOH估计的动态响应能力，提高了锂电池状态估计的精度和效率，说明了模糊控制的合理性。搭建了锂电池充放电管理系统，通过实验验证了锂电池充放电管理系统的功能。 通过专业实验数据验证了本文提出的自适应联合估计算法在线估计SOC和SOH。结果表明：采用自适应联合估计算法降低了21.5%的模型辨识参数均方差；降低了平均20%的算法执行时间；SOC估计精度维持在1.5%以下；SOH估计精度维持在2%以下。 |
| 作者： | 俞志骏 |
| 专业： | 控制工程 |
| 导师： | 汪伟;杨世海 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国计量大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
