锂离子电池管理系统的设计与SOC估算研究-车辆工程专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hebei University of Technology for The Master Degree of Vehicle Engineering RESEARCH ON THE DESIGN AND SOC ESTIMATION OF LITHIUN-ION BATTERY MANAGEMENT SYSTEM by Pan Baitao Supervisor: Prof. Zhou Zhige March 2015 摘 要 随着电动汽车行业的快速发展，作为纯电动汽车的动力系统，模块化的大型锂离 子电池组被广泛应用。然而成组锂离子动力蓄电池的安全性和使用寿命尚不能满足纯 电动汽车的使用需求。为解决这方面问题，就需要对成组的锂离子动力蓄电池的外特 性参数进行监测，实现对电池内部状态的估算，进而对锂离子电池组实施有效的管理， 提高电池的使用效率和延长电池的使用寿命。这就是电池管理系统（BMS，Battery Management System）最基本的功用。 电池荷电状态（SOC，State Of Charge）作为目前国内外较为流行的衡量电池组 剩余容量的状态描述参数，对其的估算是电池管理系统中重要的一部分。SOC 估计的 准确性是影响整车控制策略的关键因素，但 SOC 的估算受到诸如：充放电倍率、温 度、自放电和循环寿命等很多因素的影响，所以 SOC 估算的准确性在实际应用中很 难得到保证。 因此，本文以锂离子电池管理系统为对象进行了如下研究：首先，在充分学习和 掌握锂离子电池特性和电池管理系统功能需求的基础上，从硬件和软件设计两方面对 电池管理系统的设计实现进行了说明。其次，为了提高纯电动汽车锂离子动力蓄电池 SOC 的估算精度，本文设计了基于卡尔曼滤波法的 SOC 估算策略。为实现该方法， 先应用电动汽车仿真软件 ADVISOR2002 对纯电动汽车 GM-EV1 的整车模型，在 NYCC 和 UDDS 两种实际工况下进行了整车仿真实验。采集了对应工况下锂离子动力 电池组的电压值、电流值和 SOC，并拟合出 OCV-SOC 曲线得到曲线关系方程。再通 过建立锂离子动力蓄电池的一阶 RC 等效电路模型，得到电路关系表达式，作为卡尔 曼滤波算法的系统状态方程和系统观测方程。并应用 ADVISOR 软件仿真中获取的电 池组电压和电流数据，最后借助 MATLAB 软件通过 M 文件的代码编写实现了基于卡 尔曼滤波算法的 5 步递推运算，最终求出电池组不同工况下的 SOC 结果。 在文章的最后，对卡尔曼滤波算法得到的 SOC 结果与 ADVISOR 仿真结果的误 差进行了分析。结果表明卡尔曼滤波法在估算电池组 SOC 时，有效解决了安时积分 法存在的初始误差和累积误差过高的问题。 关键字：锂离子电池；电池管理系统；荷电状态；卡尔曼滤波 I ABSTRACT With the rapid development of the electric vehicle industry, as the power system of pure electric vehicle, modular large lithium-ion battery pack is widely used. However, the safety and service life of lithium-ion battery pack can not meet the demand for the use of pure electric vehicles. To solve these problems, we need to monitor the external parameters of lithium-ion battery back, in order to achieve the estimation of the internal state of the battery. Then implement effective management of lithium-ion battery pack to improve the efficiency of the battery and prolong battery life. This is the most basic function of Battery Management System (BMS, Battery Management System). As a popular description parameter on state of the battery pack capacity in mod