电动汽车电池管理系统的设计_毕业设计.doc

电动汽车电池管理系统的设计 1 绪论 1．1 研究背景 随着经济的发展，汽车的拥有量也在急剧增加。目前，市场上以燃油汽车为主，燃油汽车的不断增加，不仅加剧了环境的污染，也严重的威胁到了能源安全，使用替代能源将成为汽车的重要发展方向。 电动汽车（EV,Electric Vehicle）[1]，作为清洁、高效、智能的汽车，可有效的解决环境和能源问题，是燃油汽车理想的替代品。目前，电动汽车尚不如燃油汽车技术完善，而制约电动汽车推广的最主要问题是动力电源的寿命短，使用成本高，电池储容量小。因此电池组的有效管理对电动汽车的发展具有重要意义，而准确估算电动汽车电池SOC，可以提高动力电池的能量效率，延长电池的使用寿命。而影响SOC准确计量的因素很多，其中开路电压、自恢复效应、温度、充放电电流、老化程度等都与SOC密切相关，本课题将对电动汽车电池SOC进行估算研究。随着电动汽车的推广应用，将减少对石油资源的依赖以及减少环境污染。 1．2 动力电池SOC的定义 电池荷电状态SOC（State of Charge）[2]是一个相对量，表示电池目前的剩余电量与电池的额定电量的比值。是描述电池状态的一个重要参数。通常把一定温度下的电池充电到不能再吸收能量的状态，定义SOC为1；而将电池再不能放出能量的状态，定义SOC为0。 SOC的理想定义和实车环境下的SOC的计算方法是有差别的。从能量的角度定义SOC： （1-1） 其中，E1为已放出能量，E0为总的可用能量。 （1-2） 其中、、分别为描述放电倍率、环境温度和循环工作次数的参数。 从电量的角度定义SOC： （1-3） 日本本田公司电动汽车EV plus定义SOC： （1-4） 剩余容量=额定容量-净放电量-自放电量-温度补偿容量 （1-5） 由于SOC受很多因素的影响，所以不同的电动汽车对SOC的定义使用形式也不一样。 1．3 动力电池的估算方法 目前SOC估算方法有：放电实验法、Ah计量法、开路电压法、负载电压法、内阻法、线性模型法、神经网络法、卡尔曼滤波法[3]。 1.3.1 放电实验法 放电实验法采用恒定电流进行连续放电，放电电流与时间的乘积为剩余电量。该方法适用于所有电池，但是需要大量的时间，电池进行的工作也要被迫中断，所以放电实验法不适合行驶中的电动汽车，可用于电动汽车电池的检修。 1.3.2 Ah计量法 如果充放电起始状态为SOC 1= x o，那么当前状态的SOC为： （1-6） Cn为额定容量；I为电池电流；为充放电效率。 1.3.3 开路电压法 开路电压法在数值上接近电池的电动势。MH/NI电池和锂离子电池的开路电压与SOC关系的线性度不如铅酸电池好，但在充电初期和末期可根据对应关系估算SOC。该方法需要电池长时间静置，而电池恢复稳定需要几个小时甚至十几个小时，测量不方便，所以只适用于电动汽车驻车状态。 1.3.4 负载电压法 电池放电开始瞬间，电压迅速从开路电压状态进入负载电压状态，在负载电流保持不变时，负载电压随SOC变化的规律与开路电压随SOC的变化规律相似。该方法能够实时估算SOC值，但实际应用时，剧烈波动的电池电压给负载电压应用带来了困难。 1.3.5 内阻法 内阻是电池内部化学反应的表现，也是反映电池寿命的重要指标。电池内阻有交流内阻和直流内阻之分，它们都与SOC有密切关系。电池交流阻抗可用交流阻抗仪来测量，受温度影响很大。实际测量中，将电池从开路状态开始恒流充电或放电，相同时间里负载电压和开路电压的差值除以电流值就是直流内阻。准确测量电池单体内阻比较困难，这是内阻法的缺点。 1.3.6 线性模型法 该方法是基于SOC变化量、电流、电压和上一个时间点SOC值，建立的线性方程： （1-7） （1-8） 为当前时刻SOC值，为SOC变化量，U和I为当前时刻的电压和电流值，为系数。 1.3.7 神经网络法 神经网络具有非线性的基本特性，具有并行结构和学习能力，对于外部激励，能给出相应的输出，它可以模拟电池的动态特性，估算其SOC值。神经网络法适用于各种电池，但是需要大量参考数据进行训练，估计误差受训练数据和训练方法的影响很大。 1.3.8 卡尔曼滤波法 卡尔曼滤波法的核心思想，是对动力系统的状态做出最小方差意义上的最优估算，应用于电池SOC估算，电池被看成动力系统，SOC是系统的内部状态。卡尔曼滤波法是近年才开始的，该方法适用于各种电池，尤其适用于电流