论文部分内容阅读
伴随着全球暖化效应、石化能源危机以及日益严格的尾气排放法规,电动汽车技术的发展得到了广泛的关注。作为电动汽车的核心子系统,能量存储系统的研究受到了越来越多的重视,各种不同类型的动力电池被应用于电动汽车中,如铅酸电池、镍氢电池、锂离子电池等。动力电池是一个复杂的电化学系统具有较强的非线性特性,其性能表现受工作电流、环境温度、老化程度等多方面因素的影响,确保动力电池在复杂运行环境下安全高效的工作对提升电动汽车的动力性、经济性和安全性具有重要的现实意义。本论文分别针对动力电池的荷电状态(SOC)与健康状态(SOH)的估计方法以及电池管理系统的设计这两大核心问题进行创新研究,开展的具体研究工作包括:针对电池单体层级的SOC估计问题,把Thevenin等效电路模型与非线性预测滤波算法相结合,提出了基于非线性预测滤波算法的单体动力电池SOC估计方法,用于实现电池模型过程噪声形式未知情况下单体电池SOC的精确估计。设计了一套单体电池测试试验,针对不同的单体电池应用环境对提出的SOC估计方法进行实验验证:基于不同电动汽车循环工况的验证结果表明,该方法对不同的电池负载具有较强的鲁棒性;基于钴酸锂电池和磷酸铁锂电池的SOC估计结果表明,该方法能够适用于不同类型的动力电池;基于不同电池工作温度下的验证结果表明;通过把电池参数与工作温度的函数关系融入SOC估计方法,能够把单体电池的SOC估计拓展到不同的温度范围;在不同模型参数误差情况下,对电池SOC估计精度的分析表明,SOC的估计精度与模型参数误差呈线性相关的关系,模型参数误差越大,SOC估计精度越低。为了显示基于非线性预测滤波算法的单体电池SOC估计方法的优越性,把它与经典的基于扩展卡尔曼滤波算法的SOC估计方法进行比较,分析结果表明,本文提出的方法在估计精度和收敛速率方面都具有明显的优势。针对老化电池单体层级的状态估计问题,考虑了老化电池SOC与SOH的耦合关系,提出了基于双非线性预测滤波算法的老化单体电池SOC与SOH联合估计方法,在SOH估计方面,通过对表征电池SOH的关键参数进行在线估计,实现动力电池容量健康状态(SOH_C)和功率健康状态(SOH_R)的精确预测,在SOC估计方面,通过在线更新电池模型的关键参数,保证在电池的整个生命周期内都保持较高的SOC估计精度。基于一个方形磷酸铁锂电池设计了一套循环寿命测试试验,对提出的联合估计方法进行实验验证,结果表明在动力电池的整个生命周期内联合估计方法都能实现SOC和SOH的精确估计。针对电池组层级的SOC和SOH估计问题,根据电池组不同的拓扑结构和均衡管理策略把电池单体层级的状态定义扩展到电池组层级,并结合电池组SOC和SOH不同的时变特性,提出了基于多时间尺度的动力电池组SOC和SOH估计方法,以宏观时间尺度对电池组的SOH进行估计,以微观时间尺度对电池组的SOC进行估计。以一个基于被动均衡管理策略的串联型磷酸铁锂电池组为研究对象,设计了一套电池组测试试验对提出的方法进行验证,结果表明该方法能够实现电池组SOC和SOH的精确估计并有效的降低电池组状态估计策略的计算量。针对电池管理系统的结构灵活性不足和对拥有不同性能特性的电池模块通用性较差的问题,提出了可变结构电池管理系统的设计概念,并基于这一概念进行了原型样件开发。在该设计概念中,用户能够根据具体的使用需求灵活决定电池组内的电池模块数量,在减小电池组使用成本的同时降低了整车的整备质量,从而提高了电动汽车的动力性和经济性。同时,在传统的主从式结构电池管理系统的基础上,增加了一套电池模块切换系统,用于实现对不同性能电池模块的兼容管理,有效的提升了电池管理系统对不同性能电池模块的通用性。本论文针对电动汽车的动力电池系统,提出了一整套完整的多层级电池状态估计方法,解决了电池单体层级和电池组层级的SOC和SOH估计问题,为制定电池管理系统的状态估计策略提供了理论依据。本论文提出的可变结构电池管理系统的设计概念,能够实现电池组结构的灵活配置并有效的提升电池管理系统对不同性能电池模块的通用性,具有良好的工程应用前景。