随着各国对节能减排政策的实施,电动汽车(EVs)的开发和应用引起了广泛关注。为满足行驶过程中动力系统对比能量和比功率的性能要求,动力电池与超级电容组成的混合动力系统提供了改进的方案。在基于模型的混合动力系统能量管理策略设计和状态估计中,电池模型和超级电容模型至关重要。然而,经典模型结构简单,模型参数没有实时更新,不足以描述锂电池和超级电容的动态特性,导致实际应用中误差较大。因此,为了解决上述问题,本文建立了新型的锂电池模型和超级电容模型,并对在线参数辨识算法进行了深入的研究,主要研究工作如下:设计了基于ITS5300的电池测试台架。为了保证测试台架的测量结果准确,对电压和电流这两个基本参数进行精度校准;结合电动汽车动力系统中锂电池和超级电容的容量需求,确定本文的研究对象为锂电池组和超级电容模组;研究锂电池组和超级电容模组性能测试试验为储能部件的特性分析提供理论基础。建立了锂电池组和超级电容模组模型。对单体锂电池和超级电容的工作原理和充放电特性进行具体分析;分析不同模型,建立了能准确描述单体锂电池和超级电容特性的新型等效电路模型;对单体模型与成组模型之间的关系进行公式推导,建立锂电池组和超级电容模组模型。提出了扩展卡尔曼滤波的在线参数辨识算法。在锂电池组和超级电容模组动态过程中采用在线参数辨识算法实时更新和校准模型参数以保持模型精度;将离线辨识的模型参数作为在线参数辨识的参数初始值可以减少参数收敛时间,通过仿真验证了扩展卡尔曼滤波算法的优越性。搭建了锂电池与超级电容混合动力系统的测试台架。将辨识算法嵌入台架的上位机软件中,对辨识算法进行在线仿真实验。同时,在测试台架上进行电动汽车实际工况实验。将本文设计的锂电池组和超级电容模组模型的仿真数据与测试台架的测试数据进行对比分析,实验结果表明UDDS工况下锂电池组和超级电容模组模型的平均相对误差分别在1.61%和2.14%以内,验证了本文提出的模型和算法的精确性和有效性。