论文部分内容阅读
随着传统不可再生能源使用对环境污染造成越来越严重的影响，世界各国都高度重视清洁能源和新能源的开发与利用。电动汽车作为传统能源汽车的替代品，其对于缓解能源危机和环境保护都具有十分重大的意义。动力电池作为电动汽车的核心部件，其性能的好坏直接制约电动汽车的发展与应用，因此对动力电池性能的评估与研究具有十分重要的价值。针对动力电池存在循环寿命短、成本高等缺点，通过电池管理系统对电池的工作情况进行实时监测，有效提高电池的循环使用次数，以降低电池成本。电池管理技术的关键问题之一是准确的剩余电量（State Of Charge,简称SOC）评估，因此本文以US18650V3锂离子电池为研究对象，从电池模型和SOC评估两个方面进行了深入研究。 一方面，对于电池模型的研究。通过对电池不同放电倍率的充放电实验、HPPC循环实验等一系列实验，总结了锂离子电池的充放电特性。在对已有电池模型特点进行简单介绍后，考虑到电池的充放电电流方向以及放电倍率对 SOC的影响，提出了一种改进的等效电路模型。通过HPPC循环实验，采用最小二乘法辨识得到电池的不同SOC取值时的电池模型参数，运用Matlab的线性拟合工具箱cftool进行参数拟合。运用辨识得到的模型参数建立改进的电池模型，将改进前后的等效电路模型进行仿真实验对比。通过对比分析表明，本文建立的改进等效电路模型精度更高，更能描述锂离子电池的动态工作特性。 另一方面，对于 SOC评估算法的研究。基于所建立的改进等效电路模型，本文首先采用扩展卡尔曼滤波算法对锂离子电池进行SOC评估。通过对扩展算法在电池进行恒流充放电实验、自定义充放电实验以及脉冲充放电实验时的SOC评估效果的分析，总结了扩展卡尔曼滤波算法的一些优势及其不足。考虑到电池的强非线性以及在电流波动较大时扩展卡尔曼滤波算法所表现的不足，提出使用无迹卡尔曼滤波算法对SOC进行评估。通过仿真实验对比分析在相同实验条件下两种算法的SOC评估效果。仿真结果表明，无迹卡尔曼滤波算法对于SOC的评估效果要好于扩展卡尔曼滤波算法。