论文部分内容阅读
目前,电动汽车在气温温和地区的示范运行和市场推广都取得了很好的效果,但是在寒冷地区的应用却存在着很大障碍,这由于该地区的温度环境比较恶劣。在低温环境下,动力锂电池的性能将会急剧下降。因此,在低温环境下对电池组进行高效、合理的管理是十分必要的。电池的荷电状态(State of Charge,SOC)是电池管理系统中的重要参数之一。环境温度会对电池特性产生严重影响,使得现有SOC估计算法无法精确估计。随着电动汽车在寒冷地区的普及,电池SOC估计算法迫切需要解决高精度、宽温度范围和多温度工况的兼顾性问题。均衡策略是均衡管理技术中重要的组成部分之一。然而,电池组参数的不一致性将会给现有均衡判据带来误差,进而导致过均衡的问题。随着主动均衡技术的发展,降低过均衡的程度,提高均衡策略的精确性是亟待解决问题。本课题旨在解决宽温度范围下电池SOC的精确估计问题,以及参数不一致条件下电池组均衡策略的精确性问题,为电动汽车在寒冷地区的应用推广提供关键技术和理论基础。本课题主要研究内容如下:为了在不同温度下提高电池模型的精度,对锂电池的温度特性进行研究。设计了电池实验系统和相应的实验内容。定性分析了电池工作温度和电流对容量和库伦效率的影响,为拓宽安时积分法的温度适用范围提供依据。开路电压(Open-circuit Voltage,OCV)是电池SOC估计中的重要特性。通过对比恒温和变温实验下得到的SOC-OCV曲线,分析得出不同温度路径下导致OCV偏移的原因,为实现不同温度工况下SOC的精确估计提供理论基础。对电池组模型参数与温度的关系进行分析,结果表明温度会影响模型参数的离散性,进而增加均衡策略的误判性。针对宽范围变温条件下电池SOC的精确估计问题,提出了一种基于多温度路径OCV-扩展安时的电池SOC估计方法。通过建立多温度路径下SOC-OCV映射模型,实现了不同温度条件下SOC初始值的精确估计。通过建立容量、库伦效率与温度的模型,构建不同温度条件间SOC的转换方程,扩展了传统安时积分法的温度适用范围。实验表明,该方法在变温条件下SOC估计精度较高。温度从-30℃升高至40℃的变温条件下,钛酸锂电池SOC估计最大误差为2.3%,均方根误差为1.0%,与传统的OCV-安时积分方法相比,最大误差降低了8.0%,均方根误差降低了3.3%。针对宽范围恒温条件下电池模型参数及SOC的精确估计问题,提出了一种基于参数估计OCV(Parametric Estimation-based OCV,OCVPE)的多温度电池SOC估计方法。利用新息序列对系统和量测噪声协方差进行实时更新,提高了基于联合扩展卡尔曼滤波的电池模型状态和参数在线估计的精度和稳定性。通过建立OCVPE、SOC和温度的映射模型,减小基于OCVPE的SOC估计系统误差。实验表明,该方法在恒温条件下SOC估计精度较高。在-30℃恒温条件下,钛酸锂电池SOC估计最大误差为3.9%,均方根误差为1.2%,与传统的基于库伦滴定OCV-SOC方法相比,最大误差降低了9.7%,均方根误差降低了8.0%。针对电池组参数不一致条件下均衡策略的精确性问题,提出了一种基于模糊化热力学SOC的电池组均衡策略。通过建立基于热力学SOC的均衡判断依据,实现了电池真实状态达到一致的均衡目标。基于热力学SOC估计误差模型,利用模糊理论实现了消减过均衡的控制策略。实验表明,对于5节串联电池组,在初始最大电压差0.059V条件下,经过均衡电池组最大电压差减小至0.008V,与基于电压的均衡策略相比,最大电压差减小了0.024V。