电动汽车用锂离子电池荷电状态估计算法的研究-控制科学与工程专业论文.docxVIP

Classified Index: TM912 U.D.C: 621 Dissertation for the Doctoral Degree in Engineering RESEARCH ON STATE OF CHARGE ESTIMATION FOR LYTHIUM-ION BATTERY USED IN ELECTRIC VECHILE Candidate： Xia Qing Supervisor： Prof.Liu Zhiyuan Academic Degree Applied for： Master of Engineering Speciality： Control Science and Engineering Affiliation： School of Astronautics Date of Defence： June, 2011 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 - - I - 摘 要 动力电池的荷电状态(SOC，State Of Charge)是电池不可直接测量的重 要二次量，反映了电池的剩余可用能量，是电动汽车能量优化算法的重要参 数，所以 SOC 估计算法也是电动汽车电池管理系统的关键技术之一。本文 以电动汽车中最常用的锂离子动力电池为对象，以电动汽车的应用为背景， 对 SOC 的估计算法进行了研究，并设计了应用滑模观测器理论的 SOC 估计 方法。 本文首先建立了电池的 Thevenin 等效电路模型，并利用电池恒流放电 实验和脉冲放电实验的实验结果结合非线性最小二乘法对模型参数进行了 辨识，最终得到电池的非线性的状态空间模型。 然后，对建立的电池模型进行了可观性分析，得到模型可观的结论，并 在此基础上，设计了一种能消除抖动的滑模状态观测器。为分析观测器的稳 定性，本文对模型中的非线性项进行了分析，根据其导数有界的特性，利用 拉格朗日中值定理给出了保证观测器收敛的条件，并由此给出了滑模观测器 的参数设计方法。随后，在 Matlab/Simulink 环境下对本文的方法进行了仿 真，并与目前研究最多的扩展卡尔曼滤波 SOC 估计方法进行了比较与分析， 结果表明在电池的建模误差相同的情况下本文设计的滑模观测器估计方法 具有更高的估计精度。 最后，针对电动汽车实际应用中大电流放电时电池可用电量减少的现 象，结合 Peukert 方程，对电池模型进行了修正，并对 SOC 估计算法进行了 改进，使其在电池大电流脉冲放电 时也具有较高的精度。随后，在 Matlab/Simulink 环境下，对改进后的算法进行了仿真并与原估计算法进行 了比较与分析，结果表明，改进后的 SOC 估计算法成功地解决了原算法的 电池可用电量变化的情况下估计误差变大的问题。 关键词 电动汽车，电池荷电状态，滑模观测器 - - II - Abstract State of charge of batteries which can’t be measured directly is an important parameter for a battery, as it indicates the usable charge of a battery, it is an important parameter of the electric vehicle energy optimism algorithm. So SOC estimation method is one of the key techniques of the battery management system. This paper studied an SOC estimation method used to estimate the SOC of Lithium battery used in electric vehicles via sliding mode observer. First, a model based on Thevenin equivalent circuit model was established and the parameter was identified through the nonlinear least square method and battery discharge experiments including const-current discharge and pulse discharge. At last a nonlinear state