为了应对全球能源短缺与环境污染的挑战,发展以电动车辆为代表的新能源汽车已经成为世界各国的普遍共识。与传统内燃机汽车相比,电动车辆具有清洁、高效、布置灵活和易操控等优点。作为电动车辆的关键部件之一,车载电源系统直接影响车辆的动力性、等效燃油经济性和制造成本,然而,目前包括广泛应用的锂离子动力电池在内的单一车载电源,无法同时满足电动车辆高能量密度和高功率密度的要求。与此同时,超级电容具有功率密度高、内阻小、工作温度范围宽以及循环寿命极长等优点,与燃料电池、动力电池等高能量密度、低功率密度电源具有极强的互补性,以锂离子动力电池与超级电容构成的复合电源系统,能够充分利用两种储能系统的优点,解决锂离子电池的功率困扰和超级电容的能量困扰,展现出良好的应用前景。为了保证超级电容在复杂多变的车辆运行环境下能够安全、可靠和高效地运行,需要对超级电容进行精确地建模、参数辨识以及状态估计。针对以上问题,本文开展的具体研究工作包括:1.搭建了超级电容特性测试平台,提出了一套超级电容测试方法,测试的主要内容包括容量标定、不同温度和SOC状态下的阻抗谱测试、不同温度下车辆标准循环工况和自设计动态工况测试,建立了超级电容测试数据库。2.研究了不同温度和SOC状态下超级电容的阻抗特性。利用搭建的超级电容特性测试平台,测试在不同温度和SOC状态下超级电容的阻抗特性,研究温度和SOC状态对超级电容阻抗特性的影响,深入解析温度以及SOC状态与阻抗之间的关系,确定超级电容高效SOC工作区间,对超级电容系统优化控制具有重要借鉴意义。3.针对超级电容建模,从模型预测精度、模型复杂度以及对未知应用工况的鲁棒性等角度,对现有的三类常用等效电路模型在电动车辆应用条件下的有用性进行了系统地对比研究。首先基于HPPC工况试验数据,利用遗传算法辨识出最佳模型参数,然后,利用车辆标准循环工况和自设计动态工况测试数据对比研究三类常用等效电路模型的优缺点,确定适合电动车辆应用的最优模型结构。4.研究了超级电容模型参数在线估计方法。基于最优模型结构,针对电动车辆应用工况,研究模型参数在线识别方法,提出了基于扩展卡尔曼滤波器的模型参数估计算法,并在不同动态加载工况下验证了算法的有效性。5.在最优模型结构的基础上,提出了基于H_∞状态观测器的超级电容SOC估计器。结合不同温度的动态试验数据,系统地分析在老化、温度变化等条件下算法对模型不确定性的鲁棒性,并与基于卡尔曼滤波器的SOC估计算法进行了比较。6.提出了超级电容分数阶模型。相对于整数阶等效电路模型,分数阶模型具有更高的模型精度和更少的模型参数。本文提出了一种由串联电阻、并联电阻、CPE和Warburg-like单元组成的分数阶模型,基于超级电容动态工况测试数据,利用遗传算法辨识最优的模型参数,并在此基础上,提出了基于分数阶卡尔曼滤波器的SOC在线估计算法。在动态加载条件下,该算法的准确性和有效性得到了验证,对保证超级电容在车辆上安全、可靠和高效运行具有重要意义。7.针对锂离子电池与超级电容构成的复合电源系统,提出了基于多目标优化的系统匹配方法。以降低储能系统成本和重量以及提高电池循环使用寿命为目标,基于小波变换能量管理方法和半经验电池寿命模型,提出了复合电源系统的优化设计方法。