本文關(guān)鍵詞：磷酸鐵鋰電池組SOC估計算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：電動汽車的電池管理系統(tǒng)的需要準確了解當前電池組的荷電狀態(tài)(State of charge, SOC).電池管理系統(tǒng)中的均衡系統(tǒng)以及安全管理系統(tǒng),都需要使用SOC值判斷電池狀態(tài)以及進行控制策略的設計。而磷酸鐵鋰電池由于本身特性,其過放電會導致電池產(chǎn)生不可逆轉(zhuǎn)的損傷,過充電會導致電池過熱甚至爆炸,因而對電池管理系統(tǒng)提出了更多的要求。但如何準確測量工況下的磷酸鐵鋰電池的SOC仍然是世界性難題。論文從分析磷酸鐵鋰電池內(nèi)部電化學反應開始,通過設置在不同SOC狀態(tài),不同電流工況下的充放電實驗,測取電池模型SOC-OCV曲線,以及歐姆內(nèi)阻,濃差阻抗等動態(tài)參數(shù),建立出適合用于現(xiàn)代計算機所使用的二階RC等效電池模型,為下一步SOC仿真提供建立模型。在二階RC模型基礎上,本文在實物設備中實現(xiàn)了擴展卡爾曼濾波SOC估計算法設計,證明該算法在SOC估計系統(tǒng)中的有效性,并分析其在不同工況下表現(xiàn)的差距,提出了目前所使用的經(jīng)典擴展卡爾曼濾波算法的局限性與不足。針對復雜工況下磷酸鐵鋰動力電池組SOC估計不準確的問題,本文提出實物電池SOC估計誤差主要來源之一是模型誤差,特別是在復雜工況下,電池模型誤差影響因素會進一步增加。因此本文提出并實現(xiàn)基于模型信息的噪聲補償擴展卡爾曼濾波算法,一種針對電池組工況特性下卡爾曼濾波方法,該算法基于電池組工況放電特性,提取其特征參數(shù)并進行模式分類,對擴展卡爾曼濾波模型進行不同的噪聲模型數(shù)據(jù)補償,實現(xiàn)優(yōu)化估計。該算法可應用在系統(tǒng)測量噪聲模型已知的SOC估計系統(tǒng)中,能有效避免由于多因素所引起的系統(tǒng)狀態(tài)模型誤差而導致的SOC估計發(fā)散或矯正性能差的問題。在實際電池系統(tǒng)中,測量噪聲模型通常處于未知狀態(tài),同時也容易受到外界干擾而變化。此時噪聲補償擴展卡爾曼濾波算法難以收到良好結(jié)果。本文使用自適應濾波算法,使得濾波系統(tǒng)能夠?qū)崿F(xiàn)自動跟蹤外界噪聲模型的變化。同時針對單獨的自適應濾波算法在存在SOC初值誤差系統(tǒng)的表現(xiàn)較差的情況,結(jié)合多模型自適應濾波理念,實現(xiàn)了多模型自適應卡爾曼濾波算法。該算法具有更好的精度與收斂性能,能夠適應更復雜的工況條件。
【關(guān)鍵詞】：磷酸鐵鋰動力電池組 SOC 能量管理 擴展卡爾曼濾波 自適應卡爾曼濾波
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：U469.72
【目錄】：

• 摘要6-7
• 英文摘要7-11
• 第1章 緒論11-19
• 1.1 引言11-12
• 1.2 課題來源12
• 1.3 課題研究意義12-13
• 1.4 鋰電池管理系統(tǒng)的研究現(xiàn)狀13-17
• 1.4.1 鋰電池模型研究現(xiàn)狀14-16
• 1.4.2 SOC估算研究現(xiàn)狀16-17
• 1.5 研究內(nèi)容與結(jié)構(gòu)17-19
• 第2章 磷酸鐵鋰電池性能測試19-30
• 2.1 電池型號選擇19-20
• 2.2 SOC定義20-21
• 2.3 基于Labview的數(shù)據(jù)采集與分析21-23
• 2.4 電池標準充放電曲線23-24
• 2.5 電池容量與倍率特性24-25
• 2.6 溫度對電池性能影響25-26
• 2.7 電池SOC與OCV關(guān)系曲線26-29
• 2.8 本章小結(jié)29-30
• 第3章 磷酸鐵鋰電池等效電路模型30-46
• 3.1 電池等效電路模型簡介30-33
• 3.2 RC模型33-35
• 3.3 一階RC模型參數(shù)辨識35-41
• 3.4 二階RC模型以及參數(shù)辨識41-42
• 3.5 模型驗證42-44
• 3.5.1 恒流放電43-44
• 3.5.2 HPPC TEST放電44
• 3.6 本章小結(jié)44-46
• 第4章 基于擴展卡爾曼濾波算法的SOC估計46-58
• 4.1 SOC估計方法選擇46-48
• 4.2 卡爾曼濾波算法48-53
• 4.2.1 卡爾曼濾波算法簡介48-50
• 4.2.2 基于EKF的二階RC模型狀態(tài)空間方程50-51
• 4.2.3 EKF的初值確定51-53
• 4.3 EKF算法的實驗驗證53-57
• 4.3.1 恒流放電SOC估計及結(jié)果分析54-56
• 4.3.2 SOC初值錯誤下算法收斂性試驗與結(jié)果分析56-57
• 4.4 本章小結(jié)57-58
• 第5章 基于信息融合的噪聲補償擴展卡爾曼濾波算法58-71
• 5.1 電池SOC估計不準確性原因分析58-60
• 5.1.1 狀態(tài)數(shù)學模型不準確問題58-60
• 5.1.2 噪聲估計模型不準確問題60
• 5.2 噪聲補償算法60-64
• 5.2.1 擴展卡爾曼濾波算法分析60-61
• 5.2.2 算法設計61-64
• 5.3 基于Matlab/Simulink仿真模型64-65
• 5.4 基于Matlab/Simulink仿真結(jié)果及分析65-69
• 5.5 本章小結(jié)69-71
• 第6章 基于多模型的自適應卡爾曼濾波算法71-90
• 6.1 自適應濾波算法簡介71-72
• 6.2 自適應卡爾曼濾波算法設計72-84
• 6.2.1 自適應卡爾曼濾波簡介72-75
• 6.2.2 基于Matlab/Simulink仿真結(jié)果75-82
• 6.2.3 結(jié)果分析82-84
• 6.3 基于多模型的自適應卡爾曼濾波算法84-88
• 6.3.1 多模型自適應卡爾曼濾波簡介84-85
• 6.3.2 多模型自適應卡爾曼濾波設計85-88
• 6.4 本章小結(jié)88-90
• 結(jié)論與展望90-92
• 致謝92-93
• 參考文獻93-97
• 附錄97

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 鄒艷碧,高鷹;自適應濾波算法綜述[J];廣州大學學報(自然科學版);2002年02期

2 南金瑞;孫逢春;王建群;;純電動汽車電池管理系統(tǒng)的設計及應用[J];清華大學學報(自然科學版);2007年S2期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 袁閃閃;磷酸鐵鋰動力電池荷電狀態(tài)估算方法的研究[D];重慶大學;2012年

  本文關(guān)鍵詞：磷酸鐵鋰電池組SOC估計算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：478596