基于H∞滤波器的锂电池SOC估计与功率预测方法的研究

摘要

为了缓解能源危机、减少环境污染，电动汽车在近年来得到了很大的应用与发展。锂离子电池作为一种新能源，因其在多方面的优点，如环保、比能高等，成为电动汽车的主流动力来源。虽然锂离子电池的技术在不断完善，但它在寿命和安全问题上仍旧无法完全满足使用的需要。电池的充电状态与极限放电能力对电动汽车的性能有着重要的影响。所以需要准确评估锂电池的荷电状态SOC(state of charge)和功率状态SOP(state of power)。
　　本文针对磷酸铁锂单体电池在充放电过程中表现出的动态特性，建立了一种考虑电压滞回特性的二阶RC等效电路模型，同时引入了H∞滤波算法。将上述模型和H∞滤波算法应用到锂离子电池的SOC估计中，并和目前广泛应用的扩展卡尔曼滤波算法(Extended Kalman Filter，EKF)作比较。经实验验证，这种算法大幅度降低了SOC估计过程中的模型误差和算法误差，提高了估计的鲁棒性。最后将电池电压、电流和SOC的估计结果作为综合约束条件来预测锂离子电池实际可用的最大充放电功率。在脉冲充放电实验的基础上，通过与混合脉冲功率预测算法的比较，验证了本文提出的联合约束算法估算SOP的方法在预测电池功率状态时具有较高的准确性。
　　本文在最后一部分设计了锂离子电池性能估计的硬件平台。整个硬件系统分为电池主控功能单元和测控功能单元。测控单元主要负责对电池的工作状态参数进行监控显示，并将状态信息上传至主控单元;主控单元通过采集到的状态信息用算法估计出电池的SOC，估计算法采用基于模块的方法编写。

目录

声明

摘要

第一章 绪论

1．1 课题研究的背景

1．2 锂电池及其管理系统

1．3 国内外研究现状

1．3．1 锂离子电池SOC估计的国内外研究现状

1．3．2 SOP预测的国内外研究现状

1．4 本文研究内容和结构概述

第二章 锂离子电池特性分析

2．1 锂离子电池概述

2．2 磷酸铁锂电池工作原理

2．3 电池测试系统

2．4 锂离子电池动态特性

2．4．1 电池容量特性

2．4．2 电池开路电压特性

2．4．3 电池内阻特性

2．4．4 电池滞回特性

2．5 本章小结

第三章 锂离子电池滞回电路模型

3．1 常用电路模型

3．1．1 电化学模型

3．1．2 神经网络模型

3．1．3 等效电路模型

3．2 基于滞回特性的动态模型

3．3 电池模型参数的辨识

3．3．1 滞回电压模型的参数辨识

3．3．2 阻抗模型的参数辨识

3．4 模型的仿真与验证

3．4．1 恒流脉冲充放电实验

3．4．2 DST(Dynamic Stress Test)工况实验

3．5 本章小结

第四章 基于H∞滤波算法的锂电池SOC估计

4．1 基于扩展卡尔曼滤波算法的SOC估计

4．1．1 卡尔曼滤波算法概述

4．1．2 扩展卡尔曼滤波算法概述

4．1．3 基于EKF算法的电池SOC估计

4．2 H∞滤波算法概述

4．3 SOC估计算法的仿真与对比

4．3．1 恒流放电实验

4．3．2 脉冲放电实验

4．3．3 DST工况实验

4．4 本章小结

第五章 基于滞回模型的SOP估计

5．1 考虑SOC的约束估计最大充放电电流

5．2 考虑电池电压的约束估计最大充放电电流

5．3 二分查找法计算最大电流

5．4 结果分析与验证

5．4．1 恒流脉冲实验

5．4．2 DST工况实验

5．5 本章小结

第六章 基于DSP的验证平台设计

6．1 电池组管理系统硬件系统概述

6．2 主控单元硬件系统简介

6．2．1 DSPF2812核心板概述

6．2．2 电流传感器简介

6．2．3 主控单元与上位机间的通信电路介绍

6．3 测控单元硬件系统概述

6．3．1 测控单元CPU简介

6．3．2 显示模块

6．4 系统软件系统

6．4．1 测控单元软件设计

6．4．2 主控单元软件设计

6．5 系统运行验证

6．6 本章小结

总结与展望

参考文献

发表论文和参加科研情况说明

致谢