详情

原文传递考虑温度和容量修正的锂离子电池组SOC和SOH的联合估计

论文题名：	考虑温度和容量修正的锂离子电池组SOC和SOH的联合估计
关键词：	电动汽车;锂离子电池;荷电状态;健康状态;工作温度;容量分析;误差控制
摘要：	随着石油资源的日益减少且不可再生，以及传统燃油汽车数量的不断增加，环境问题和能源危机日益严重。国家大力发展新能源汽车，以降低燃油汽车所带来的一系列问题。电动汽车作为新能源汽车的一种，以电池为动力源，目前受到了人们的广泛关注。电池管理系统（Battery Management System, BMS）是电动汽车的重要组成部分，其中对电池荷电状态(State of Charge, SOC)和电池健康状态（State of Health, SOH）的精确估算一直是BMS技术研究的重点与难点。本文围绕锂离子电池的SOC和SOH联合估计，开展了以下研究：　　首先阐述了锂离子电池工作原理，对锂离子电池开展实验，了解其外部特性与一些影响因素之间的关系，并探究在不同充放电电流倍率、温度、锂离子电池参数变化规律及其工作特性。结果表明电池在不同放电倍率下放电的初始电压有细微差别，电池的放电容量也不一样，电池的放电容量随着放电倍率的增加而不断减少。温度对电池的容量也有一定的影响，电池的工作温度随着环境温度的降低时，电池从满电状态放电至截止电压，电池所能释放的能量和实际容量都会降低。并分析温度和放电倍率对容量的影响关系，通过加入影响因子对电池实际容量进行修正。　　然后分析了常用的电池模型，考虑模型精度和计算复杂度选择二阶戴维宁等效电路模型建立数学模型。基于电池放电数据对模型进行离线和在线参数辨识，离线辨识方法为通过拟合零输入响应电压曲线，从而辨识出了不同SOC点下不同的内阻和电容值。以及采用可变遗忘因子的递推最小二乘法进行在线参数辨识，获得模型参数随SOC的变化曲线。在脉冲放电工况和FUDS放电工况下，将电流数据导入到模型中，通过模型输出值和实验电压的对比，完成模型参数精度的验证。　　接着基于扩展卡尔曼滤波算法的基本原理，选取电池容量作为SOH的表征量，在双扩展卡尔曼滤波算法基础上引入改进的Sage-Husa自适应算法，实现系统协方差矩阵的实时更新，为降低系统计算量，进一步加入多时间尺度理论进行优化。其中SOC估计采用微观尺度，SOH估计采用宏观尺度，大大减小算法的计算量。在不同温度和不同工况下对算法进行了验证，SOC估计误差保持在2.4%以内，容量估计误差保持在1.2%以内。并在初始状态存在偏差的情况下分析了算法的性能，验证了算法的鲁棒性。　　最后搭建好电池管理系统实验平台，系统硬件电路主要由主控单元、电池状态信息采集单元、电源单元构成。并将本文算法写入BMS中，对SOC和SOH估计进行测试。实验结果显示，本文设计的SOC和SOH估计算法在实验测试平台中进行了充分验证，实验过程中两者的估计误差控制在4%以内，符合我国的电动汽车电池管理系统技术条件规定，表明本文所提算法的准确性和可靠性，且在实际工程中有一定的参考价值。
作者：	彭涛
专业：	电路与系统
导师：	谭泽富
授予学位：	硕士
授予学位单位：	重庆三峡学院
学位年度：	2023