论文部分内容阅读
SOC（Sate of Charge）估算是电动汽车电池管理系统六大主要功能之一，SOC值是用于预测电动汽车续驶里程的关键数据，对电动汽车的安全性有着重要影响。本文以SOC估算为目标开展了以下研究工作： 首先，本文对UKF（FilteringKalmanUnscented）算法理论进行了深入的研究，并根据sigma点取点次数的不同对估算效果进行了对比，发现：相比取一次sigma点，取两次sigma点的UKF算法在估算初期能够更快地跟随到真实值附近，不同取点次数估算SOC的整体误差基本相同。UKF算法中的过程噪声和观测噪声的方差Q、R是两个非常重要的算法模型参数，为了获得较高的估算精度和收敛速度，必需选取适合的Q、R值。本文对Q、R对估算结果的影响进行了研究，分析了单独改变Q或者R对SOC估算效果的影响，结果表明：改变Q，R的取值一方面会影响估算值收敛到真实值附近的速度，另一面可能会导致估算值失真，出现SOC大于1的情况。综合考虑，本文所有计算都选取Q=0.0001，R=0.001。 其次，为了更好地探究基于UKF算法的SOC估算模型的估算效果，本文对比了EKF（FilteringKalmanExtend）与UKF在相同条件下的SOC估算效果，发现UKF相比EKF最显著的优势是在初始值存在误差时，能够更快地跟随到真实值附近，其跟随到真实值附近所耗时间是EKF算法所用时间的1/20，且其计算速度相比EKF提高了22.3％。估算模型对迭代初始值以及放电始点的敏感性也是评价模型优劣的重要指标，本文对此进行研究发现：无论是放电始点存在误差还是迭代计算的初始值存在误差，模型都能快速准确地对SOC进行高精度估算。 最后，考虑模型线上估算的适用性，使用相同电池模型参数和算法模型参数对模型在不同温度、不同倍率放电、工况放电以及充电情况下的估算效果进行验证，模型对高温下恒流放电的估算效果很好，最大误差小于3%；低温下，随着温度的降低，模型估算误差增大，在-20℃时最大误差达到80%，但是对模型修正之后最大误差能够控制在6.3%；在大倍率恒流放电时，修正之后模型的估算误差小于5%；在HPPC（zationCharacteriPulse PowerHybrid）试验工况以及DST（Stress TestingDynamic）工况下，模型的估算误差均小于5%；用该模型估算充电过程的SOC最大误差小于6%。