原文传递
基于改进粒子滤波的锂电池SOC估算研究
| 论文题名： | 基于改进粒子滤波的锂电池SOC估算研究 |
| 关键词： | 电动汽车;动力锂电池;荷电状态;无迹卡尔曼滤波算法;粒子滤波算法;估算精度 |
| 摘要： | 电池管理系统（battery management system,BMS）是电动汽车的关键系统，BMS通过对动力电池实时监控来获取电池的剩余电量，并作为电池组均衡控制、能量管理的基础，从而保障电动汽车的安全运行。而在BMS中，电池荷电状态（state of charge,SOC）的准确估算是BMS核心技术。目前对电池SOC估算的主流方法是安时积分法结合开路电压的方法完成，但受电池工作环境等外在因素的影响，其估算存在较大误差且无法修正，给SOC精确估算造成困扰。 本文通过比较不同类型的电池特点，选定镍钴锰三元锂电池来进行研究。首先对锂离子电池的结构以及工作原理进行介绍，并对相关的特征参数进行说明，通过建立电池测试平台对电池进行相关测试，对动态特性进行分析，重点对开路电压（open circuit voltage,OCV）特性以及OCV-SOC曲线不同的拟合方式进行分析，比较了高阶多项式和考虑电化学特性多项式的拟合效果，通过具体的评价参数选择后者作为本次研究的表达式，在容量和温度、放电倍率的基础上对SOC定义进行修正。 其次，对常见的三种类型的电池模型进行介绍，分析了各自特点，根据电池动态特性建立了电池模型，并且推导了相应的数学解析式，针对递推最小二乘法在参数辨识过程中历史数据对新输入数据的影响，采用限定记忆递推最小二乘法来在线辨识电池模型参数，并且利用电池模拟工况采集的数据，对辨识结果进行验证。 最后，在上述辨识结果的基础上，采用无迹卡尔曼滤波和粒子滤波分别对电池SOC进行估算，通过对两种方法估算结果的分析比较，将无迹卡尔曼滤波作为建议密度函数对粒子滤波进行改进，同时为了在重采样过程中保持粒子的多样性，引入影响因子对归一化权重进行优化，平衡不同粒子的权重，从而解决粒子退化问题，实现更高的估算精度。在不同工况下，对改进算法的估算精度和收敛性进行验证。 |
| 作者： | 郎锦峰 |
| 专业： | 机械工程 |
| 导师： | 徐劲力 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
