论文部分内容阅读
近年来电动汽车发展迅速,BMS(电池管理系统)在电动汽车运行时至关重要,电池的SOC(荷电状态)作为BMS的基础,可以直观地反映电动汽车的剩余电量,间接地表明电动汽车的剩余续航里程,同时侧面地影响电动汽车的整车控制策略。然而,SOC并非是一个直接可测的量,电池充放电涉及复杂的化学和物理过程,并且电池系统具有时变和非线性特点,加之车载环境既复杂又恶劣,往往不能精确地采集数据,因此需要采用合适的方法对SOC进行估计。本文对于车载动力锂电池SOC估算方法的研究,首先从动力锂电池的特性测试入手,然后基于测试结果搭建电池二阶RC等效电路模型,最后基于该模型设计SOC估算方法,并进行验证分析。本文在建模方面主要考虑了温度影响和放电倍率影响,克服了以往研究中单一温度或单一放电倍率的局限性;本文在算法改进方面,设计了卡尔曼滤波和安时积分联合估算SOC的方案,有效地解决了实际情况中传感器精度不足的问题。本文主要研究内容包括:1.电池测试。现有研究大多只考虑了单个影响因素,其他影响因素常采用修正系数的方法进行处理,本文选择了NCR18650PF电池作为实验对象,设计了既考虑温度又考虑放电倍率的电池测试方案,完成了不同温度、不同放电倍率下的电池容量测试、脉冲放电测试和OCV-SOC曲线测试,并分析了电池实验数据,为电池建模和模型参数辨识提供了依据。2.电池建模。本文结合电池测试的实验数据,一方面标定了不同温度、不同放电倍率下的电池容量,另一方面辨识了不同温度、不同放电倍率下的电池模型参数,完成了电池建模。经仿真验证,在恒流放电、脉冲放电工况、HPPC(The Hybrid Pulse Power Characterization)工况下,放电前期和中期电池模型输出端电压误差在0.05V以内,在NEDC(New European Driving Cycle)工况下,由于电流切换频繁,模型误差最高达到了0.4V,平均误差仍在0.05V以内,表明本文所建立的电池模型精度较高。3.SOC估计算法改进。本文针对电池模型在放电后期化学反应不稳定导致误差增大的情况,在EKF(Extened Kalman Filter)算法的基础上,考虑了噪声的自适应,于放电后期联合安时积分进行SOC估算。并且完成了SOC估算方案在恒流、脉冲放电工况下的仿真实验,估算平均误差在1%以内,在HPPC和NEDC这两个含有充电的工况下仿真,SOC估算平均误差分别在4%和8%以内,表明本文的SOC估算方案能较好地估算出SOC的准确值。