锂离子电池具有能量密度高、无记忆、电压高、无污染的优点,已经成为电动车动力电池的首选。动力电池作为储能元件,在运行的过程中需要知道其荷电状态(state of charge,SOC)以确定其续航里程。由于电池的SOC是受电池的各个参数变化影响,因此实时估计电池SOC难度比较大,估算精度也不高。本文采用递进式智能估算方法对电池的SOC进行实时估算以提高SOC的估算精度。电动车动力电池使用时需十几节至几百节的单体电池串联,而单体电池的不一致性对电池组的整体寿命和电池组的安全有很大的影响。本文采用单体电池监控与能量转换控制策略来延长电池的使用寿命和保证电池组的安全使用。具体的研究内容如下:1.分析了影响锂离子电池SOC的因素,并测试了这些因素变化对锂离子电池性能的影响权重。在此基础上,比较了现有的锂离子电池的SOC估算方法的优缺点,从而确定采用递进式SOC智能估算方法。2.采用反向传播(Back Propagation,BP)神经网络对其SOC进行估算,并对估算结果进行了误差分析,发现采用BP神经网络估算会出现较大边缘误差。针对此问题,提出用遗传算法对BP神经网络进行优化。经过比较优化前后的估算效果,网络训练收敛速率是优化前的2倍,总体效果提升明显,最终估算误差控制在2.3%以下。为了更精确的估算电池组的SOC,建立了基于遗传算法的卡尔曼滤波估算方法,根据电池动态模型建立状态空间方程组,引入遗传算法设计卡尔曼滤波器。根据前面实验所测数据估计电池的SOC,得到SOC估计值更接近真实值,估算误差不到2%。运用扩展卡尔曼滤波算法进一步估算电池SOC。在原有的戴维宁电池模型基础上,增加了一个电阻-电容电路,得到改善的戴维宁模型。把卡尔曼滤波中的状态方程按一阶泰勒级数展开,得到可估算非线性系统的扩展卡尔曼滤波估算方法。在运算过程中加入了电池健康状态因子,在恒流放电与恒阻放电的条件下,得到的SOC估计值误差低于1.5%,较大地提高了估算精度。3.在虚拟仪器平台上对单排13节锂离子电池组进行管理监控。当单体电池电量不足时,此单体电池被切换出系统,同时用备用电池替换,电池组可继续正常对外供电。通过PCI-6251数据采集卡采集数据,监控管理控制软件由LabVIEW编写,在线估算电池的SOC,界面友好美观。电量不足的单体电池切换出来后,加入能量均衡模块。在电动车运行中,切换出的电池组的单体电池能及时有效地利用电动车的制动能量回收系统及蓄能单元对其进行充电。对13节锂离子电池在恒流放电下的均衡实验表明,电池组均衡效果好,能有效提高锂离子电池组的使用效率。单组锂离子电池组均衡与控制实验完成后,设计了电动车的整车控制系统。对5组13串联电池组的恒流保护控制解决了电动车电池放电过程中电流飙升导致温度失控的问题。超级电容与变频器相结合使电动车可以平稳启动加速,适合在不同的路况中运行。总之,本论文中锂离子能量估算与转换均衡控制应用研究是一步步深入开展的,各项实验检测已经完成,为下一步产业化提供了前期基础。