原文传递
基于等效电路模型和改进容积卡尔曼滤波的电池SOC估计
| 论文题名： | 基于等效电路模型和改进容积卡尔曼滤波的电池SOC估计 |
| 关键词： | 电动汽车;锂离子电池;荷电状态估计;等效电路模型;容积卡尔曼滤波算法 |
| 摘要： | 动力锂离子电池（Lithium-ion batteries, LIBs）因其具有长循环寿命、高能量密度等优点在电动汽车中得到广泛的应用。LIBs 的荷电状态（SOC）作为电池管理系统的基本状态量，无法通过传感器测量获得，因此需要对其进行准确的估计。基于此，以动力LIBs为研究对象，采用二阶等效电路模型和改进的容积卡尔曼滤波算法相结合的方式对电池SOC进行估计，开展了以下研究工作： （1）为了更全面理解电池性能、优化SOC估计算法设计，详细分析电池的工作特性。探索了放电倍率、温度以及循环次数对电池容量的影响，并对相应测试结果进行详细分析。 （2）针对LIBs运行过程中存在噪声干扰、影响电池参数辨识精度的问题。引入偏置补偿原理，建立自适应遗忘因子带偏差补偿的递推最小二乘法（AFFBCRLS），实现电池模型参数的在线辨识。首先构建电池二阶等效电路模型和建立电池状态方程。之后利用AFFBCRLS对模型参数进行辨识。最后在动态应力测试（DST）工况下，利用所提参数辨识方法模拟得到的模型端电压的均方根误差（Root Mean Square Error, RMSE）和平均绝对误差（Mean Absolute Error, MAE）分别为0.0076和0.0049，与传统参数辨识方法相比，分别降低了25.49%和2%。结果表明，所提出AFFBCRLS的方法显示出更高的精度。 （3）针对容积卡尔曼滤波算法中协方差矩阵分解不正定、固定的量测噪声与过程噪声引起锂离子电池SOC估计结果不准确的问题。引入自适应滤波器和平方根滤波器，建立自适应平方根容积卡尔曼滤波（ASRCKF）算法。在DST工况下，对比不同算法验证所提出方法对SOC估计的准确性。ASRCKF算法在室温DST工况下的SOC估计最大RMSE和MAE分别为0.0023和0.0019。此外通过在不同温度和不同SOC初始值以及不同电压和电流偏置下条件验证了该方法的鲁棒性。结果表明，所提的ASRCKF算法在SOC估计上显示出满意的准确性、鲁棒性以及较低的计算成本。 （4）针对ASRCKF中的移动估计窗口都是人为随机选择，存在选择不准确，造成SOC的估计误差大问题。引入粒子群优化（PSO）算法，构建一种PSO优化移动估计窗口的改进 ASRCKF。该方法可以智能选取自适应滤波器的移动估计窗口，获得最优自适应窗口值。在 DST、FUDS以及US06工况下，利用不同温度和不同SOC初始值来验证所提方法。结果表明，在不同温度、不同工况以及不同初始SOC值下，该方法都能实现SOC 的精确估计。 |
| 作者： | 王健 |
| 专业： | 控制科学与工程 |
| 导师： | 于春梅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南科技大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
