基于改进卡尔曼滤波算法的SOC估计方法研究

摘要

随着环境污染和能源危机的日益加剧，节能环保的电动汽车受到各国政府的关注，电动汽车产业成为全球交通能源转型的发展方向。作为电动汽车的关键组成单元，动力电池的状态好坏、寿命长短在很大程度上决定了电动汽车整体的性能优劣。
　　动力电池的荷电状态(State of Charge，SOC)是动力电池的重要参数，表征了电池剩余容量的多少，是电池管理系统对动力电池进行管理控制的重要依据，也是制定能量管理策略的关键因素。准确估计动力电池的荷电状态(SOC)对提高电池使用寿命和整车性能具有重要意义。但动力电池内部电化学反应复杂，非线性强，在动力电池模型建立和SOC估计两个方面都存在困难。本文工作主要从电池模型建立和SOC估计两个方面对磷酸铁锂电池进行了研究。
　　本文以3.2V/10Ah磷酸铁锂电池为研究对象，通过对其进行不同电流倍率的充放电实验、不同温度下的放电实验、HPPC循环实验等一系列实验，分析了磷酸铁锂电池的充放电特性和温度特性。在对现有电池模型特点进行简单介绍后，考虑电池的充放电电流方向和放电倍率，在Thevenin等效电路模型的基础上建立改进的等效电路模型。本文采用HPPC循环实验，运用最小二乘法辨识得到在不同SOC点充放电方向上的电池模型参数，再利用Matlab中的cftool工具箱进行参数拟合。根据拟合得到的模型参数，在Matlab中建立改进的等效电路模型，并对其进行实验仿真对比。对比结果表明，本文建立的改进等效电路模型具有较好的精度，能够准确模拟磷酸铁锂电池动态特性。
　　基于所建立的改进等效电路模型，本文采用扩展卡尔曼滤波算法对磷酸铁锂电池SOC进行估算。扩展卡尔曼滤波算法可以通过不断地迭代计算，逐渐逼近真实值，克服了安时积分法初值难以确定的缺点，但它对模型的依赖性较强。考虑到电池本身的强非线性和模型所存在的必然误差，为了进一步提高电池SOC估算精度，本文对扩展卡尔曼滤波进行了两方面的改进:修正观测噪声协方差;引入增益因子。最后，通过对磷酸铁锂电池进行动态工况测试，对算法改进前后的估计结果进行了对比分析。分析结果表明，改进后的算法能够有效估算电池SOC，在一定程度上提高了SOC估算精度。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．1．1 电动汽车

1．1．2 动力电池

1．1．3 SOC估计

1．2 国内外研究现状

1．2．1 电池模型

1．2．2 SOC估计方法

1．3 本文的主要研究内容和工作

第2章 磷酸铁锂电池

2．1 引言

2．2 磷酸铁锂电池基本原理

2．3 试验平台简介

2．4 磷酸铁锂电池性能分析

2．4．1 标准放电和充电的电压特性

2．4．2 不同电流倍率特性

2．4．3 不同温度放电特性

2．5 小结

第3章 磷酸铁锂电池建模

3．1 引言

3．2 等效电路模型

3．3 Thevenin等效电路模型参数辨识

3．3．1 开路电压

3．3．2 欧姆内阻

3．3．3 极化内阻和极化电容

3．3．4 Thevenin等效电路模型参数辨识结果

3．4 不同工况实验验证及仿真结果

3．4．1 标准充放电实验

3．4．2不同放电倍率放电实验

3．4．3 恒流等容量放电实验

3．5 改进的等效电路模型

3．5．1 基于不同放电电流的改进等效电路模型

3．5．2 基于改进模型的实验验证和仿真结果

3．6 小结

第4章 基于EKF算法的SOC估计

4．1 引言

4．2 EKF算法原理

4．3 基于EKF算法的SOC估计

4．3．1 基于EKF算法的SOC估计原理

4．3．2 EKF算法中Qk，Rk参数的分析

4．3．3 基于EKF算法的SOC估计仿真分析

4．4 基于改进的EFK算法的SOC估计

4．4．1 改进的SOC估算方法

4．4．2 基于改进的SOC估算算法的仿真分析

4．5 小结

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果