论文总字数：20092字

摘 要

随着纯电动汽车等设备的广泛应用，电池的电量估算已成为越来越重要的课题。目前已有很多估算方法被提出，但都有各自的缺陷。本文针对磷酸铁锂电池的荷电状态（SOC）估计，提出了一种基于扩展卡尔曼滤波的安时-卡尔曼交替运行估计算法。首先，分析选择了戴维南模型作为等效电路模型。然后通过充放电实验测量电流、电压，分析了磷酸铁锂电池的放电特性，并用递推最小二乘法进行了电池内阻、极化电阻等参数的辨识。同时，进行了仿真放电实验，测量开路电压并拟合了开路电压与SOC值的函数曲线。利用仿真实验，对比分析了安时积分法和卡尔曼滤波算法各自的特点。然后结合这两种算法，用电池开路电压确定SOC初值，交替使用安时积分和扩展卡尔曼滤波法，以此修正估算误差。实验结果显示，所提出的安时-卡尔曼交替运行算法能消除安时法的累积误差,既能使安时积分法的估算结果更加精确，也降低了使用复杂矩阵运算的时间，适合于实际应用。

关键词：荷电状态（SOC）估算、卡尔曼滤波、参数辨识、安时积分

ABSTRACT

In this thesis, a state-of charge(SOC) estimation method of lithium iron phosphate battery was proposed based on Extended Kalman Filter(EKF)-Ampere Hour(AH) alternant algorithm. First, Thevenin model was chosen to be the equivalent circuit model of the battery. Then, a discharge experiment was proposed, while the current and terminal voltage were measured. The characteristic of the battery in this process was then analysed. Then, the battery parameters including ohmic resistance and polarization resistance were identified using recursive least-square algorithm. By simulation, discharge experiment was done, and the Uoc-SOC curve was depicted with measured data.

By simulation experiments, the characteristics of AH and EKF algorithm were analysed respectively. Then the two algorithm were combined. In the proposed method, the initial SOC value was determined by open-circuit voltage of the battery, and this value is passed to the AH module. The estimation is mainly based on AH method, while the EKF method is used intermittently to correct the estimation value of the Ampere-hour integral.

Finally, the proposed method is evaluated with error calculation. The result exhibits that AH-EKF alternant method can eliminate the accumulated error by AH integral, so it not only improvs the accuracy in AH estimation, but also simplifies the calculation in EKF. Thus it is useful in practical application.

KEY WORDS: state-of-charge, Kalman Filter, parameter identification, ampere-hour integral.

目 录

摘 要 I

ABSTRACT II

第一章 绪论 1

1.1选题背景 1

1.2 SOC估算常用方法 1

1.3 本文的研究目的和主要研究内容 2

第二章 磷酸铁锂电池的模型和参数辨识 4

2.1磷酸铁锂电池模型的选择 4

2.2磷酸铁锂电池充、放电实验 5

2.3磷酸铁锂电池参数辨识 8

2.4本章总结 9

第三章 安时法、卡尔曼滤波法SOC仿真分析 10

3.1 SOC的定义 10

3.2 安时积分法 10

3.3扩展卡尔曼滤波法 11

3.4安时法、卡尔曼滤波法比较 13

3.5本章总结 14

第四章 磷酸铁锂电池的模型和参数辨识的仿真研究 15

4.1卡尔曼滤波法SOC估算研究现状 15

4.2本文算法概述 16

4.3安时积分法与卡尔曼滤波法交替运行的时间设置 17

4.4安时积分法和卡尔曼滤波法混合仿真模型的实现 17

4.5仿真结果分析 19

4.6本章小结 21

第五章 结论与展望 22

5.1研究内容总结 22

5.2研究展望 22

参考文献 24

致 谢 25

第一章 绪论

1.1选题背景

随着化石燃料的日渐消耗以及全球环境的恶化，各个国家逐渐开始重视新能源的发展和应用。电能是最常用、稳定，也是最容易获得的清洁能源。目前各大公司已经设计和制造出大量油电混合动力的汽车和纯电动汽车，并以它们作为未来的方向。对于纯电动的汽车、船舶等设备，它们常常使用多个电池形成电池组作为动力来源。电池组中的各个电池单元互相影响，形成一个复杂的系统。设备运行时，常常是电池组中的各个电池单元一起放电，但由于用电情况的复杂性，各个电池可能有不同的电量，因此电量多的电池需要给电量少的充电，各电池之间需要电量均衡。因此，这些电池和电池组必须有一个科学的管理和保护系统。在电池管理系统（Battery Management System）中，电池荷电状态（State of Charge, SOC）的估计,也就是电池剩余电量的估计，是最核心、最重要的功能之一。首先，电动汽车和船舶能够行驶的剩余里程需要通过估算SOC值来实现。其次，SOC估算能用于防止电池过度充电或放电，形成对电池的永久性损伤。电池和电池组在充电和放电时，通常需要设定相应阈值。如果电池的电量很低，则放电电流不能太大，防止系统的电压降低至停车电压，甚至导致之后无法充进电；如果电池充电时电量太低，也不能在短时间内使用太大的充电电流，而应该限流充电直到正常的电量范围。这些都以电池SOC的估计为基础。最后，整个车辆或船舶系统的用电都由电池组提供，因此必须有一个总体的用电控制方案。通过对电池组SOC的估算，能保证优先级高的用电器能正常工作，比如制动系统；而优先级低的用电器，如空调、音响等，在电池组电量较低时必须停止工作。

1.2 SOC估算常用方法

剩余内容已隐藏，请支付后下载全文，论文总字数：20092字