论文部分内容阅读
近年来,我国的电动汽车工业发展迅速,作为电动汽车的三大核心技术之一的电池管理技术也成为研究的热点。本文主要对电动汽车电池管理系统(Battery Management System,BMS)中荷电状态(State of Charge,SOC)估计及主动均衡控制技术进行研究。首先采用基于双卡尔曼滤波(Dual Extended Kalman Filter,DEKF)算法的SOC估计方法,以此提高动力电池荷电状态估计的精度,防止过充过放对电池组造成损害。基于反激式变压器工作原理设计了主动均衡拓扑结构和均衡控制策略,保证电池组内各电池模组保持较好的一致性,延长车辆的续驶里程和电池的使用寿命,充分发挥电池的性能。具体工作概括如下:(1)动力电池基本特性分析。首先对本文的研究对象锂离子电池的工作原理及其电压特性、内阻特性和容量特性等基本特性进行了分析,为下文的SOC估计和均衡控制技术的研究提供了参考依据。(2)动力电池等效电路建模及电池参数辨识。在对比分析动力电池建模方法的基础上,搭建了电池的2阶RC等效电路模型。分别采用离线辨识和在线辨识的方法对电池在不同荷电状态下的参数值进行了辨识,最后通过模型仿真证明了参数在线辨识的准确性。为后续SOC估计算法的精度验证和均衡控制效果的验证提供了控制对象及仿真平台。(3)动力电池荷电状态估计方法研究。本文针对传统的安时积分法(Ah)中误差累加和扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法中参数在线辨识困难等问题,设计了基于DEKF算法的SOC估计方法。在Matlab环境下完成了算法设计与仿真验证,从而证明了基于DEKF算法的SOC估计方法的优越性。(4)电动汽车动力电池组主动均衡控制技术研究。首先分析了基于反激式变压器的均衡电路工作原理和相关参数设计方法,然后确定了均衡启动判据并设置了均衡启动阈值,最后制定了均衡控制策略。仿真结果表明,该主动均衡控制系统在充电、放电和搁置状态下都能较好的保持电池组的一致性。