论文部分内容阅读
锂离子电池以其能量密度高,循环寿命长等优势成为电动汽车动力源的主导产品。在动力电池的车载全生命周期中,受环境因素、动态工况及内部特性的影响,电池组一致性逐步恶化。为保障电池安全稳定运行,需采用电池管理系统(BMS)对锂离子电池状态进行实时监测与控制,以延长电池的使用寿命。电池管理系统的一个关键技术是电池荷电状态(SOC)估计,精确的状态估计能避免电池过充/过放对电池造成损坏。因此,本文以一款车用磷酸铁锂电池组为研究对象,研究并设计了车载全生命周期电池管理系统,主要研究工作如下:对磷酸铁锂动力电池的基本工作原理及性能指标进行深入分析,并基于实验设备测试磷酸铁锂电池的动态充放电特性;根据传统SOC定义方法的缺陷,通过分析影响动力电池状态估计的相关因素对SOC定义进行修正。精确的SOC估计取决于建立的电池模型,通过分析传统动力电池模型的优缺点,建立能准确反映内部特性的二阶RC等效电路模型。利用在线辨识和离线辨识两种方法对等效电路模型中阻容器件进行参数辨识,结果证明在线辨识方法具有更高的辨识精度。状态估计的主要思想需结合开路电压法对电压参数进行反馈,本文利用多项式拟合对电池开路电压与SOC关系曲线进行拟合;分析无迹卡尔曼滤波(UKF)和粒子滤波(PF)在状态估计中的基本特性,利用优势互补提出具有估计精度高、收敛速度快的无迹粒子滤波算法(UPF),通过MATLAB仿真对比分析验证联合估计算法的优越性,仿真结果证明本文研究的估计算法在动态工况下SOC估计精度在2.5%以内,收敛时间在200s内。为提高电池管理系统的可移植性,满足不同功率等级的设计要求,提出主从分布式拓扑结构。由多个从机实现单体信息采集与均衡管理,一个主机对数据进行分析处理的控制策略。本文完成主控制板、电压/电流采集从控制板、巡检与均衡从控制板的硬件电路设计,并结合本文研究的估计算法实现管理系统软件设计。通过不同工况的实验对比数据,验证了电池管理系统和SOC估计的可行性与准确性。