原文传递
基于自适应卡尔曼滤波的锂电池SOC估计
| 论文题名： | 基于自适应卡尔曼滤波的锂电池SOC估计 |
| 关键词： | 电动汽车;动力锂电池;荷电状态估计;能量管理;自适应卡尔曼滤波 |
| 摘要： | 近年来随着人民生活水平的日益提高，燃油汽车的销量剧增，在带给人们方便快捷的同时，也加剧了温室气体的排放以及造成化石能源短缺等问题。在此背景下，各个车企大力推进电动汽车的研发，在未来的几十年内，电动汽车将会成为主流的交通工具。电池管理系统(Battery Management System，BMS)是电动汽车动力系统最核心的部分，对于整车安全、稳定、高效的运行至关重要。荷电状态(State of Charge，SOC)的估计是BMS对电池能量管理和控制的关键技术之一，精确的估计锂电池SOC对于提高电动汽车的续航里程和安全性能具有重要的研究价值。本文以单节三元锂电池作为研究对象，对锂电池的SOC进行估计，主要研究内容如下： 首先介绍了锂电池的外形结构、工作原理以及几个重要的参数，对锂电池测试系统设计方案进行简要说明。基于测试系统搭建实验平台，设计实验对三元锂电池进行可用容量测试、温度特性测试和放电倍率特性测试，并对测试结果进行分析。 然后选择二阶RC等效电路模型作为锂电池等效模型，设计在不同温度下的脉冲放电实验对模型参数进行辨识，拟合OCV-SOC曲线，在仿真环境下搭建锂电池仿真模型，使用脉冲放电工况和自定义放电工况验证了电池模型的准确性。 接下来因为考虑到锂电池的SOC估计会受到噪声的影响，所以采用卡尔曼滤波算法对SOC进行估计以减少噪声对估计值的影响，并针对锂电池在不同放电工况下存在不同的噪声，采用自适应扩展卡尔曼滤波算法(Adaptive Extened Kalman Filter，AEKF)对锂电池SOC进行估计。在仿真环境下通过四种不同的放电工况对算法进行验证，结果表明AEKF算法具有较高的估计精度。 最后对锂电池测试系统硬件电路进行设计，采用STM32F405RGT6作为主控芯片，由电子负载模块对电池进行放电，采用四开关Buck-Boost电路进行充电，并搭配电流、电压和温度采集电路，组成锂电池测试系统。由设计的硬件搭建SOC估计实验平台，将算法写入单片机内运行，使用DST放电工况验证算法在实际应用环境下的估计性能，实验结果验证了AEKF算法具有较高的估计精度和稳定性，最大估计误差小于4%，满足实际使用需求。 |
| 作者： | 吴冠文 |
| 专业： | 工程(电气工程) |
| 导师： | 万文略;杜诚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
