论文部分内容阅读
纯电动汽车动力电池组荷电状态(State Of Charge,SOC)估算是电池管理系统(Battery Management System,BMS)的重要内容之一,提高电池组SOC的估算精度有利于电池组充分发挥其性能,也能防止单体电池过充过放。目前车企普遍采用开路电压-安时积分法来估算电池组的SOC值,这种估算方法对SOC初始值的修正不够准确且无法解决此次校正与下次校正之间的电流时间积分误差问题。卡尔曼滤波结合安时积分法应用在SOC估算上能实时的对SOC值进行修正,具有较高的估算精度。电动汽车行驶工况不稳定,本文选择动态特性较好的戴维南模型作为动力电池的等效模型,其阶数选择一阶。考虑到温度和放电倍率对锂离子电池容量的影响,在参数辨识阶段,对标称容量5Ah,标称电压3.2V的磷酸铁锂电池在不同温度下进行脉冲特性循环试验(Hybrid Pulse Power Characteristic,HPPC)并进行模型参数辨识。将辨识参数代入电池模型中,以HPPC工况电流作为输入,将电池模型输出电压曲线与该工况下实际电压曲线进行对比分析模型精度。在估算单体电池SOC时,以电池模型状态空间方程和安时积分SOC估算公式为基础,在SOC估算公式中计入温度、放电倍率和电池衰老等容量修正因子,将电池模型和SOC估算公式改写为卡尔曼滤波算法的状态更新方程和观测方程的形式并进行离散化处理,滤波算法通过MATLAB平台实现。以电流作为输入,运行该程序,可以得到单体电池SOC估算曲线。在估算电池组SOC值时,记录各单并电池的电压值并计算电压均值,以该均值电压值和实时的电流值作为估算模型的输入,并在放电终止电压和充电终止电压处对电池组SOC值进行0和100%的定义。验证电池组SOC估算值时,以24串2并电池组作为试验对象,分别以恒流和变电流进行放电试验,并对算法得到的电池组SOC曲线进行分析。结果表明,卡尔曼滤波结合安时积分法在对单体电池SOC估算时对SOC值具有较好的实时地修正作用。在估算整车动力电池组SOC时,本文选用的估算策略既能客观反映电池组的容量,也能防止单体电池的过充和过放,且电池组SOC曲线较为平滑,符合工程应用的要求。