论文部分内容阅读
随着全球电动汽车保有量逐年上升,对电动汽车相关技术的研究也日益成为热点。电动汽车的能量来源为动力电池中的电能,动力电池对电动汽车的性能和安全影响巨大。电池管理系统(Battery management system,BMS)是实现对车载动力电池进行监测和管理的重要部件。而对电池荷电状态(State of charge,SOC)的估计又是电池管理系统的核心和基础功能。由于车载动力电池具有非线性强、车辆运行工况复杂等特点,导致对电池状态的估计十分具有挑战性。本文聚焦电池SOC估计算法,对电池状态与参数联合估计算法进行了深入研究。本文以提高电池SOC估计精度、提高电池SOC估计算法稳定性、减少算法计算量和提高算法在不同温度下的适应性为目标。具体针对动力电池测试、建模与参数辨识,多尺度的动力电池状态与参数联合估计,电池状态与参数联合估计算法稳定性研究,电池模型参数全局敏感度分析和考虑温度影响的电池SOC估算等方面进行了以下研究:(1)搭建了电池测试平台,设计了电池测试流程,建立了电池模型并结合电池测试结果对电池模型参数进行了参数辨识。通过电池模型参数辨识,获得了电池模型参数,为后续算法设计提供支撑。通过电池测试,获得了后续算法验证所需的电池运行工况数据。(2)针对电池状态与参数联合估计,设计了一种多尺度参数自适应SOC估计算法。将对电池开路电压(Open circuit voltage,OCV)的直接估计转换为对OCV多项式拟合参数的估计,将电池OCV这个快时变参数转化为了慢时变参数,实现了包括电池OCV在内的全部电池模型参数的多尺度估算,实现了高精度的电池SOC估计。实验表明,对电池OCV进行估计可以有效的提高电池SOC估计精度。(3)针对电池状态与参数联合估计算法容易出现的发散和失稳的问题,设计了一种基于死区的参数自适应SOC估计算法。分析了电池状态与参数联合估计算法出现发散和失稳现象的原因,以电池模型计算出的端电压与测量的端电压之间差值的绝对值为依据,提出了死区方法,设计了基于死区的参数自适应SOC估计算法。实验表明,通过死区方法的引入,提高了算法的稳定性和估算精度。基于死区的参数自适应SOC估计算法的SOC估算误差能保证在1%以内。(4)研究了每个电池模型参数对电池SOC估计误差的影响,提出了一种针对等效电路电池模型的全局参数敏感度分析方法。采用蒙特卡洛的方法建立了电池模型参数空间,采用扩展卡尔曼滤波算法作为SOC估计的基准算法,以动态工况作为工况输入,计算出每组电池模型参数所对应的电池SOC估计均方根误差。采用相关法和标准回归系数法计算出每一个电池模型参数相对于SOC估计均方根误差的参数敏感度值。结果表明电池内阻和电池OCV为对电池SOC估计误差影响最大的电池模型参数。以参数敏感度分析结果为指导,设计了只对高敏感度参数进行估计的电池SOC估计算法。实验表明,所提出的高敏感度参数自适应SOC估计算法在保证SOC估算精度的同时,减少了算法的计算量。(5)针对温度对电池性能的影响,设计了一种考虑温度的电池SOC估计方法。根据温度对每种电池模型参数影响的特点,采取了不同的处理方法。建立温度对电池容量的拟合公式以及温度对电池OCV的拟合公式,相比于通常采用的查表的方法减少了离线数据的存储。由于电池阻抗受温度、电池SOC和放电倍率等多方面影响,采用参数估计器的方法对电池阻抗进行联合估计来克服温度及其它因素对其的影响,减少了对电池阻抗的离线标定。实现了在不同温度下电池SOC的高精度估计。所提出的考虑温度的电池SOC估计方法在不同温度下的SOC估算最大误差都能保证在2%以内。