详情

原文传递锂离子电池电热耦合建模与多状态联合估计

论文题名：	锂离子电池电热耦合建模与多状态联合估计
关键词：	锂离子电池;电动汽车;电热耦合模型;参数辨识;状态估计;峰值功率
摘要：	随着环境污染与能源危机问题日益严峻，各国把大力发展电动汽车作为解决上述问题的重要举措。电动汽车相关产业借此迎来了发展的春天。作为电动汽车的“内燃机”，锂离子电池凭借能量密度高、循环寿命长等优点，也得到了迅速普及与蓬勃发展。电动汽车安全可靠工作的前提不仅取决于锂离子电池的优劣，更取决于电池管理系统(BatteryManagementSystem,BMS)的性能。BMS的状态监测、能量管理与故障诊断等功能对锂离子电池的安全高效应用具有重大意义。然而受锂离子电池结构相对封闭、内部电化学反应复杂以及所处环境温度多变等因素的影响，BMS应用中的电池建模精度与状态估计准确性仍存在挑战。为此，本文以锂离子电池电热耦合建模与多状态联合估计为研究方向，具体研究内容如下: 　　本文以三元锂电池为研究对象，在分析其内部工作原理之后，搭建电池测试平台，设计电池测试方案。然后对电池钻孔并内置温度传感器，以获取电池工作的实时核心温度数据。接着对打孔电池进行测试实验，为后续研究提供数据支持。最后分析在不同环境温度影响下电池容量、直流内阻、开路电压和内外温度等特性。　　针对锂离子电池传统模型温度适应性差的问题，本文构建了由温度依赖二阶RC等效电路模型与双态集总参数热模型组成的电热耦合模型。采用遗忘因子递推最小二乘法辨识不同温度、不同荷电状态(StateofCharge,SOC)下的电模型参数。用脉冲放电工况与UDDS(UrbanDynamometerDrivingSchedule)工况测试数据验证模型精度。结果表明，模型输出端电压与实验测量值最大误差仅为30mV。在分析锂离子电池产热与散热机理后，选取双态集总参数模型模拟电池热行为，采用自适应权重的粒子群优化算法对热物性参数进行辨识，并利用1C放电工况与UDDS工况的测试数据进行模型精度验证。经计算，模型最大误差小于1℃。实验结果表明该电热耦合模型可准确描述锂离子电池的电热特性。　　针对锂离子电池SOC与核心温度(StateofTemperature,SOT)估计相互耦合的问题，本文提出了基于电热耦合模型的联合估计方法。在传统无迹卡尔曼滤波算法的基础上增加自适应噪声计算环节，得到自适应无迹卡尔曼滤波(AdaptiveUnscentedKalmanFilter,AUKF)算法。为了验证AUKF算法的优越性,将三种KF类算法对DST(DynamicStressTest)工况的SOC估计结果进行横向对比。结果表明AUKF算法具有更好的估计精度与收敛速度。利用不同倍率充放电工况、不同温度的UDDS和DST工况测试数据对提出的联合估计算法进行验证。通过对估计结果的均方根误差和平均绝对误差分析可知，在宽温度范围内，该方法具有很好的估计精度与工况适应性。　　针对锂离子电池峰值功率(StateofPower,SOP)估计的约束条件单一问题，本文在常用约束条件的基础上，增加了核心温度约束，提出了考虑核心温度的多状态约束锂离子电池持续SOP估计方法。在前文SOC与SOT联合估计研究的基础上，将SOC、SOT的估计结果，以及模型输出端电压作为输入，详细推导了各约束条件下的峰值电流计算公式，最后将多种约束条件与电池设计限值相结合，提出了基于AUKF算法的多状态约束SOP估计方法。为了验证该方法的可行性与鲁棒性，在不同温度的UDDS工况下，进行不同采样时间间隔的持续SOP估计。经过分析发现，本文提出的SOP估计方法能够较理想的限制峰值电流与峰值功率，为BMS的能量管理与锂离子电池的安全使用提供了保障。
作者：	蒯宇航
专业：	控制科学与工程
导师：	段彬;丁文龙
授予学位：	硕士
授予学位单位：	山东大学
学位年度：	2023