电源管理系统设计及参数估计策略研究-系统工程专业论文.docx

摘 摘 要 摘 要 能源危机和环境污染问题的日益加剧使得电动汽车的研究成为汽车研究的 重要方向。通过有效的管理和控制，使得电动汽车动力源—— 电池组的性能和循 环寿命得到显著提升是电动汽车研究的重点。因此，如何构建一套完善的电池组 电源管理系统，以实现对电池组的各种状态的实时获取，进而对其充放电过程的 动态管理是维护电动汽车安全、长效运行的关键。 针对上述问题，本文设计了基于嵌入式实时操作系统的电动汽车电源管理系 统，电源管理系统通过采集电池组的电压、电流、温度等数据，并在电池非线性 状态空间模型的基础上，应用多种衍生的 Kalman 滤波算法，估计出电池组的荷 电状态（State-of-Charge，SOC）、健康状况（State-of-Health，SOH）等重要参数， 进而对电池组的充放电过程进行有效的控制，确保电池组的安全、长效运行。本 文主要的研究和工作如下： 1. 设计了基于分布式无线传感器网络的电池组管理系统 通过 Zigbee 网络对分布于车内各处的电池模块的电压、温度等基础信息进 行采集，并汇集到主控单元内，各采集单元、主控单元均采用基于 UC/OSII 的嵌 入式操作系统，实现数据采集、参数估计、实时控制、实时显示等多任务合理调 度和处理。分布式无线传感器网络使得系统的可扩展性强，配置简单，UC/OSII 实时操作系统确保了各个实时任务的并发处理。在该系统基础上衍生的多款电池 组管理系统产品已经在多款商用车上进行了实际运行。 锂电池 SOC 估计 （a）针对多串电池组的 SOC 估计问题，在单体电池模型基础上，考虑串联 电池组的木桶效应，建立电池组 Vmin 状态空间模型，并在此模型基础上应用扩展 kalman 滤波算法，实现电池组 SOC 的递归估计。通过不同工况下的数据对算法 可靠性进行验证，并与常用的算法进行比较，结果表明 Vmin- EKF 法能对 SOC 的动态值进行准确估计，并对状态量的初值误差和电流输入噪声均有很强的抑制 作用。 （b）锂电池模型的输入变量—— 电流值易产生漂移，从而使得基于 EKF 的 电池 SOC 估计出现较大误差，针对上述问题，将电流输入漂移当成模型的参数， 应用 Joint-EKF 算法，实现状态量 SOC 与电流输入噪声的同步估计。通过与同类 算法相比较，该算法用较小的计算复杂度达到了很好的估计效果，在嵌入式的电 池组电源管理系统上具有很好的适用性。 I II II 锂电池 SOH 估计 分析对锂电池 SOH 产生影响的因素，定义表征 SOH 的两个状态变量—— 电 池内阻和电池额定容量。提出一种基于降阶的 Dual-EKF 算法用于 SOH 的状态 变量估计，将 Dual-EKF 的耦合求解过程进行拆分，分别进行求解。该方法降低 了算法的复杂度，同时具有较高的精确度，通过仿真实验验证了这些优点。 关键词：电源管理系统 动力锂电池组 SOC SOH 扩展卡尔曼滤波 共同扩 展卡尔曼滤波 双扩展卡尔曼滤波 Abstract Abstract PAGE PAGE III ABSTRCT The exacerbation of energy crisis and environmental pollution make the research of electric vehicles an important direction of auto research. The focus should be put on enhancing the function and cycle life of the power source of electric vehicles- the battery pack. Therefore, the key point of ensuring the security and effective operation of electric vehicles lies in building a comprehensive battery management system to realize a real-time detection of the battery information and achieve a dynamic management of the charging and discharging process of the battery. To address the above mentioned problems，this article provides a designation of electric vehicle power management system ba