车用动力锂电池荷电状态与健康状态估计研究.pdf

摘要 摘 要 近年来，随着能源的过度开采和消耗，世界能源短缺和环境污染越来越严 重，为了应对这一问题，各国积极开展纯电动汽车汽车的研究。动力锂电池作为 纯电动汽车的最佳核心储能动力源，其关键技术的发展远远不能满足纯电动汽车 的需要，严重制约了纯电动汽车的发展，其中，影响电动汽车能量管理系统了两 个重要指标主要有两个，一个是动力锂电池荷电状态 （State of Charge, SOC ）， State of Health, SOH SOC SOH 另一个是健康状态 （ ），准确的估计 和 可以提高 电池的安全性及使用寿命，同时使得电动汽车获得更优的性能。因此，本课题以 车用动力锂电池为研究对象，针对锂电池SOC 和SOH 估计方法展开研究。 首先，建立动力锂电池模型及参数辨识。经过对比现有的电池模型，选择二 阶RC 等效电路模型作为锂电池模型，辨识其模型参数，包括开路电压与SOC 的关系函数，电池的内阻，RC 网络参数等。并且根据实验数据对比，验证模型 的有效性。 其次，基于滑模观测器的锂电池SOC 估计设计及仿真验证。为了降低动力 电池模型误差，提高SOC 估计算法的抗干扰能力以及SOC 估计精度，在滑模观 H∞ SOC 测器的基础上加入 滤波算法，设计基于改进滑模观测器方法的 估计算 法，该方法通过实时更新SOC 估计误差协方差矩阵，进而调节观测增益矩阵， 进而提高估计精度。 - SOH 然后，基于小波 粒子滤波的锂电池 估计设计及仿真验证。为解决因模 型的不确定性导致估计精度降低的问题，提高估计算法的运算速度，基于粒子滤 波算法，采用小波变换思想对粒子权重进行分解，进而去掉重复及无关粒子，该 方法既能保证估计精度，同时提高估计算法的速度。 最后，基于扩展卡尔曼滤波 （Extend Kalman Filter, EKF ）的SOC 和SOH 联 合估计设计及仿真验证。由于单一的估计忽略了SOC 和SOH 的关系，针对锂电 池SOC 和SOH 联合在线估计问题，从而导致不精确的SOC 值会使SOH 的估计 受到影响，因此，本文提出一种基于联合估计算法的SOC 和SOH 估计方法，此 方法不受SOC 初值的影响，从而提高估计精度。 关 键 词：锂电池；荷电状态；健康状态；滑模观测器；粒子滤波；扩展卡尔 曼滤波 论文类型：应用基础研究 I 目录 目 录 第1章 绪论1 1.1 研究背景及意义 1 1.2 锂电池发展趋势2 1.3 国内外研究现状 3 1.3.1 电池模型研究现状3 1.3.2 电池SOC 估计研究现状5 1.3.3 电池SOH 估计研究现状6 1.4 本文主要研究内容 8 2 第 章 锂电池建模与参数辨识 11 2.1 引言 11 2.2 电池模型分类 11 2.2.1 Rint 模型 11