论文部分内容阅读
随着环境污染的加剧和化石能源的紧缺,发展电动化或混动化汽车已经成为一种必然趋势。其中,电池作为纯电动汽车的唯一动力来源,电池相关技术的发展决定了电动汽车行业的发展。为了保证纯电动汽车的动力电池安全可靠的工作,就必须对电池进行必要的控制和管理,因此电池管理系统(battery management system,BMS)被得到广泛的研究。BMS主要包含电池状态(state of charge,SOC)估计、电池峰值功率(state of power,SOP)估计、电池健康状态(state of health,SOH)估计和均衡策略模块等。精确的SOC估计可以延长电池寿命、提高单次充满电的续航里程和防止电池发生起火爆炸等;精确的SOP估计有利于优化电池功率分配、提高电池组的利用效率和防止电池过充或过放等。因此,本文以锂电池的SOC估计和SOP为研究目标,开展了以下研究:(1)介绍了锂电池的种类和反应的基本原理,并建立了锂电池测试实验平台。基于建立的实验平台进行了一系列充放电实验,对锂电池内阻、极化效应、开路电压与SOC关系式等方面有了充分的了解。(2)根据对锂电池充放电特性的探究结果,建立了分数阶的二阶电阻电容(Resistor-Capacitor,RC)模型,并引入GL定义表达分数阶二阶RC模型的数学关系。此外,利用不同温度下脉冲放电工况实验的数据,结合遗传算法辨识得到不同温度下分数阶模型的参数。最终对辨识的分数阶模型参数进行验证,结果表明在不同温度下,分数阶的模型具有更高的精度,在描述电池动态特性方面更具优势,为精确估计SOC奠定了基础。(3)分析了分数阶扩展卡尔曼滤波器和扩展卡尔曼滤波器的缺点,具体表现为在使用分数阶扩展卡尔曼滤波器和扩展卡尔曼滤波器估计锂电池SOC的过程中,均假设系统噪声和测量噪声的信息是已知的。但实际情况中这些信息无法获得,因此引入了自适应算法。通过充分利用历史数据信息,在每一步递推过程中更新系统噪声和测量噪声的方差,最终建立了分数阶自适应扩展卡尔曼滤波器估计锂电池的SOC。经过两个动态工况试验的仿真,在初始SOC不准确的情况下,证明该算法能够更快地接近真实值,SOC平均估计误差小于1.4%,最大估计误差小于3.8%。(4)本文分别从当前开路电压、当前SOC值和电池的电流设计限值三个条件确立了锂电池充放电过程中的峰值电流和持续峰值电流。将计算得到的持续峰值电流带入电池模型中得到相应的端电压,从而建立了基于多约束条件的锂电池持续峰值功率的估计方法。结合本文中所提出的SOC估计策略,最终确立了SOC-SOP联合估计算法。通过两个动态工况对联合估计方法进行验证。结果表明在放电过程中,SOP估计的平均误差小于5W,最大误差在20W范围内;在充电过程中,SOP估计的平均误差小于1.3W,最大误差小于16W。