论文部分内容阅读
锂离子电池是电动汽车的动力来源,能够有效地解决能源消耗和环境污染问题,在电动汽车中使用越来越广泛。稳定的电池管理系统是控制电池组有效运行的重要手段。荷电状态(State of Charge,SOC)估计作为电池管理系统重要模块之一,准确估计电池荷电状态可以提高电池的安全性能、避免过充和过放延长使用寿命和提高电池利用率。本文主要围绕电池的模型和荷电状态估计展开深入研究。以磷酸铁锂电池为研究对象,分别在时域建立新一代汽车合作伙伴关系(Partnership for a New Generation Vehicles,PNGV)模型和在频域利用分数阶元件建模思想结合分析电化学阻抗谱动力学特征方法确定分数阶模型;结合锂离子电池开路电压实验、混合脉冲功率实验、北京公交车动态应力测试(Beijing Bus Dynamic Stress Test,BBDST)工况等实验,采取扩展卡尔曼滤波算法估计锂电池的荷电状态。首先,论文概述了研究背景、电动汽车发展的未来前景和电池管理系统中荷电状态估计模块。分析汽车中两种锂电池,确定磷酸铁锂电池作为研究对象。详细分析了锂电池的电路模型和估计锂电池荷电状态方法的国内外研究现状。其次,分别建立时域和频域等效电路模型。建立时域PNGV模型时,通过开路电压实验和混合脉冲功率测试离线辨识得出模型中参数与SOC函数关系,在不同SOC处验证模型准确性。结果表明,PNGV模型最大相对误差为2.88%。分析电化学阻抗谱动力学特性,发现SOC对中频区域影响较大。采取分数阶微积分方法和频域拟合分数阶等效元件确定分数阶模型;通过频域拟合阻抗曲线和时域基于(G-L)定义求解系统微分方程结合免疫混合粒子群优化算法,辨识模型分数阶元件参数。在北京公交车动态工况测试(Beijing Bus Dynamic Stress Test,BBDST)动态工况下,模型的误差不超过0.02V,均方根误差、平均绝对值误差和平均相对误差分别为0.66%、0.53%和0.16%。最后,通过离散化系统状态方程和观测方程,代入模型参数设计扩展卡尔曼滤波器。在BBDST动态工况下,基于已建立的两种模型分别运用扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)估计电池的荷电状态,分数阶模型最大相对误差不超过1%,PNGV模型最大相对误差为2.78%。结果表明分数阶建模方法估计SOC精确性高于PNGV模型,有利于提高SOC估计的精度;扩展卡尔曼滤波算法准确性高误差小,可以用作估计SOC实用方法。