详情

原文传递基于气液动力学模型融合粒子滤波算法的动力电池SOC估计研究

论文题名：	基于气液动力学模型融合粒子滤波算法的动力电池SOC估计研究
关键词：	电动汽车;锂离子电池;荷电状态;气液动力学模型;粒子滤波算法
摘要：	走新能源汽车发展路线是成为汽车强国、应对气候变化和促进绿色发展的战略举措。一场席卷全球的绿色低碳转型浪潮逐渐形成，“双碳战略”成为全球共识，新一轮科技与汽车革命叠加共振，科技互联网企业巨头竞相入局，新能源汽车成为汽车工业的未来方向。电池管理系统（Battery Management System,BMS）是新能源汽车重要部件，其中荷电状态（State of Charge,SOC）估计是BMS中的核心功能，实现SOC的精准估计，有利于充分发挥电池容量使用效率、防止过度充放电、降低电池老化速度，同时为BMS其他功能提供服务。　　不同于大多数基于等效电路模型和卡尔曼滤波算法的SOC估计方法，本文以三元锂离子电池为研究对象，基于气液动力学电池模型（Gas-Liquid Dynamics Model，GLD）和粒子滤波算法（Particle Filters，PFs），提出了一种锂离子电池SOC估计新方法，为BMS中电池SOC的精确估计提供参考和指导。主要研究内容如下：　　（1）基于模型的SOC估计通常包含获取SOC与开路电压（Open circuit voltage，OCV）映射关系、电池模型建立和SOC估计方法设计三个环节。针对以上各环节需求设计了锂离子电池测试实验并进行特性分析，主要包括容量、倍率、温度特性实验、恒流和动态工况测试，重点进行间隔静置法和微电流法OCV测试实验，并对不同温度下的SOC-OCV曲线及其温度依赖性进行讨论分析。　　（2）详细推导并在Simulink中建立了气液动力学电池模型，基于混合脉冲功率特性实验（Hybrid Pulse Power Characteristic，HPPC）数据，通过遗传算法辨识得到模型参数，设计了基于两种OCV测试曲线的SOC估算器，随后在恒流工况（Constant Current，CC）、动态应力测试工况（Dynamic Stress Test，DST）和城市循环工况（Urban Dynamometer Driving Schedule，UDDS）下进行SOC估算验证，并在全SOC范围内利用统计学指标系统地比较两种OCV测试方法的优劣性，从结果来看应用间隔静置的OCV测试方法得到的SOC-OCV映射关系效果更好。　　（3）针对气液动力学模型进行SOC估计时误差曲线呈现巨大颤振而影响应用的问题，首先将模型进行推导变形，联合库仑计数方法建立了电池系统的状态与观测方程，然后设计了基于PF和无迹粒子滤波（Unscented Particle Filter,UPF）的SOC估计方法，最后在CC、DST、UDDS测试工况下对SOC估计结果进行验证。结果表明，粒子滤波算法完美解决了依靠GLD模型估计SOC的误差突变问题并进一步提升了估计精度，并且应用UPF算法的精度高于PF算法的精度。　　（4）从温度、初始输入误差、电压噪声等方面对基于GLD-UPF的SOC估计方法的性能进行研究。结果表明，该估计方法具有估计精度高、快速消除初始误差、适用于不同温度环境、在20mV电压噪声下仍保持高估计精度等特点，为研发先进的BMS提供理论参考和技术支持。
作者：	曲智伟
专业：	车辆工程
导师：	栗欢欢
授予学位：	硕士
授予学位单位：	江苏大学
学位年度：	2022