论文部分内容阅读
动力电池是电动汽车能量的直接来源,也是电动汽车的核心组成部分。在动力电池的使用过程中,需要对电池的各种状态进行实时监测,以优化电池的使用;与此同时,由于容量衰退、工作环境等因素的影响,电池可能会工作在不安全状态,需要对电池的健康状态(State-of-Health,SOH)进行估算。研究动力电池建模、辨识、观测技术对于电池的合理使用、电池管理技术水平的提升以及电动汽车安全性的提高具有重要意义。本文以磷酸铁锂电池为研究对象,以动力电池SOH估算为研究目标,研究并设计了能够体现动力电池实际使用规律的测试方法;研究了锂离子电池机理模型的简化过程;探讨了基于线性时不变(Linear Time-Invariant,LTI)和基于线性变参数(Linear Parameter-Varying,LPV)模型结构的锂离子电池模型辨识算法;提出了基于模型的电池SOH离线和在线估算方法。 首先,研究并设计了能够体现动力电池实际使用规律的测试方法。建立了包含电池系统模型的电动汽车仿真模型;采用统计学分析方法,研究了电池在动态工况下的充放电电流幅值分布,以及各工作模式的时间概率分布;根据动力电池的实际使用规律,设计了电池动态特性实验、电池温度特性实验、电池加速寿命实验的测试方法;同时,基于实验数据,初步分析了锂离子电池的动态特性、温度特性、老化特性,并以此作为全文的数据基础。 其次,从面向应用的角度,研究了锂离子电池机理模型的简化过程。分析了经典的锂离子电池伪二维机理模型,通过忽略锂离子浓度、电流密度的分布不均匀性,提出了简化的锂离子电池机理模型;分析了锂离子电池模型简化过程中存在的精度降低的问题,对模型中的锂离子浓度分布梯度项进行了修正,实现了电池模型的精度补偿;进一步采用小信号分析法,对简化的锂离子电池机理模型进行了线性化处理,提出了一种物理意义明确、易于工程应用、精度可控的锂离子电池机理模型。 再次,研究了基于LTI模型结构的锂离子电池模型辨识方法。采用快速傅立叶变换方法,研究了锂离子电池的频域特性;根据电池的频域特性,设计了一种逆M序列形式的电池辨识测试方法,该测试方法能够激励出电池的大部分动态特性;分析了锂离子电池反应中的极化过程,从易于辨识的角度,提出了LTI结构的锂离子电池模型;基于LTI电池模型,介绍了基于预测的子空间辨识算法,并采用该算法对锂离子电池LTI模型辨识进行了研究;辨识结果表明,当采用4阶次的LTI模型结构对电池进行建模时,可以在模型精度和复杂度上取得最优的效果。 此外,研究了基于LPV模型结构的锂离子电池模型辨识方法。介绍了LPV模型结构的原理,分析了LPV模型的优点和与传统LTI模型的区别;根据LPV模型结构原理,提出了LPV结构形式的锂离子电池模型;基于LPV电池模型,介绍了基于预测的LPV模型子空间辨识算法,并采用该算法对锂离子电池LPV模型辨识进行了研究;辨识结果表明,相比传统的LTI模型结构,LPV模型结构在精度和复杂度上均具有明显的优越性,非常适合对锂离子电池的非线性特性进行建模。 最后,提出了基于模型的电池SOH离线和在线估算方法。分析了电池LPV模型结构的特征,研究发现LPV模型可以实现模型参数与SOC的解耦,从而可用于电池的SOH估算;研究了电池LPV模型参数随SOH的变化规律,并提出了一种基于LPV模型辨识技术电池SOH离线估算方法;探讨了可用于在线辨识的电池电路模型拓扑结构,并提出了相应的电池递归数学模型;基于电池递归数学模型,采用递推增广最小二乘算法,研究了模型中的极化电阻和极化电容随SOH的变化规律,并最终提出了基于迭代辨识技术的电池SOH在线估算方法。实验结果表明,在电池全生命周期内,上述电池SOH离线和在线估算方法精度较高,能够较好地跟踪电池的健康状态衰退过程。