随着电动汽车的发展,动力电池技术和电池管理系统的开发越来越多地受到人们的关注。车用锂电池的工作实质是一个复杂的电化学反应过程,易受环境温度、循环使用次数等因素的影响。自电动汽车问世以来,制约电动汽车发展的四个基本问题(续航里程短、充电慢、充电难和电池安全)一直未得到根本解决。而欲解决该系列问题,首当其冲应当解决电池管理系统中电池荷电状态和健康状态的准确估算等问题。为此,本文构建了考虑环境温度和循环使用次数影响的改进型电池模型。最后,基于扩展卡尔曼滤波器和自适应扩展卡尔曼滤波器提出了适用于车用锂动力电池的SOC/SOH协同估算策略,同时开展了相关的仿真和实验研究。具体研究内容如下:(1)锂离子电池建模。根据对电池温度特性实验研究和电池循环寿命特性实验研究的数据分析可知,环境温度的变化和循环次数的变化都将影响电池的对外特性。从而建立了两种模型即:考虑环境温度影响的二阶RC等效电路模型;考虑循环次数影响的二阶RC等效电路模型。(2)锂离子电池模型参数辨识与仿真验证。模型建立后,分别应用指数函数拟合法和递推最小二乘算法识别温度模型和循环模型的参数;接着通过多项式函数拟合分析了参数随环境温度和循环次数的变化关系;最后,在MATLAB/Simulink环境搭建两种模型并输入所识别的参数,验证了模型的准确性。(3)基于扩展卡尔曼滤波算法的SOC估算。在考虑环境温度影响的二阶RC等效电路模型基础上,应用EKF算法,估算得到不同环境温度下的SOC。并将估算结果与试验结果比对,证明了无论是低温、中温还是高温,基于本模型的SOC估算要相比于传统2RC-ECM的SOC估算更加准确。(4)基于自适应扩展卡尔曼滤波算法的SOC/SOH协同估算。在考虑循环次数影响的二阶RC等效电路模型基础上,应用AEKF算法,估算得到不同循环次数下电池SOC和SOH。通过误差对比分析,证明了该协同估算方案能够更精确地跟踪电池的SOC和SOH。