论文部分内容阅读
自21世纪以来,能源与环境问题已成为关系到全人类福祉的重要议题,各国政府为了建立本国的清洁可再生能源体系,对于环境友好型和几乎零排放的新能源储能锂电池的研发与推广应用也越来越重视。与其他电池相比,锂电池拥有极高的能量密度、较长的循环寿命和性能可靠等优势,使得锂电池几乎成为了目前所有新能源用电设备的储能载体。但是,锂离子电池的化学性质比较活泼,对环境变化较为敏感,因此需要锂电池管理系统(Battery-Management-System,BMS)来对电池的状态进行有效的控制与管理。电池荷电状态(State-Of-Charge,SOC)估算是锂电池管理系统的核心技术之一,准确的SOC估算是整个电池管理系统正常运转的前提条件,并且对电池的使用寿命和用电设备的续航性能的提升都有着十分重要的意义。在此背景下,本文开展了一系列的关于锂电池SOC估算方面的研究工作。本文首先介绍了锂电池SOC估算和电池管理系统研究的背景和意义,阐述了锂电池内部的电化学特性和锂电池有关技术参数对于电池性能的影响。在理解锂电池的工作特性的基础之上,分析了锂电池各种数学模型的优缺点,同时在SOC估算算法的工程实现难易程度与模型性能之间进行权衡,最后本文选择二阶RC等效电路模型作为锂电池SOC估算的数学模型。为了提高二阶RC模型的SOC估算精度和效率,本文提出了利用MATLAB软件的系统辨识工具箱(System Identification ToolboxTM)来进行锂电池模型参数辨识的方法,并且利用MATLAB软件对辨识出的锂电池模型的参数进行了仿真验证工作,仿真结果表明该辨识方法精度较高,能够很好地模拟锂电池的工作特性。其次,考虑到锂电池模型的非线性特性,必须要有一个精度高和鲁棒性足够好的算法才能做到对SOC的精确估算。本文通过分析和验证各种锂电池SOC估算算法的性能,最后确定由无迹卡尔曼滤波(Unscented Kalman Filter,UKF)改进而来的奇异值分解卡尔曼滤波(Singularly Valuable Decomposition Kalman Filter,SVD-KF)算法作为本文SOC估算的算法,该算法结合之前确定好的锂电池二阶RC等效电路模型,以电池的当前SOC和两个极化电压作为系统状态变量,利用无迹变换(Unscented Transform,UT)进行系统状态的非线性传递,并结合观测方程和卡尔曼增益来修正先验估计值,由此得出系统状态的后验最优估计值。本文利用SVD-KF算法框架,在MATLAB中搭建了相应的数学模型,利用自定义工况,完成了对SVD-KF算法的仿真验证工作,结果证明该滤波算法能够很好地跟踪锂电池SOC,且SOC估算的稳定误差精度控制在3%以内。最后,为了验证SVF-KF算法的性能,本文设计了一个基于i.MX6UltraLite芯片的锂电池管理系统硬件平台,该管理系统能够同时测量12路锂电池电压,具有简单的被动均衡功能、充放电保护功能和通信功能等。本文以该硬件平台为基础,进行了嵌入式Linux操作系统在该平台的移植工作,并且完成了系统数据采集子模块、SOC估算子模块、均衡子模块、系统过流过压欠压保护子模块和通信子模块等子模块的软件编程工作。最后,利用交叉编译工具链将编译设计好的电池管理系统软件程序编译下载至硬件平台,并开展SVD-KF算法的工况验证试验。