基于数据驱动的锂离子电池SOC估计及均衡技术研究.pdfVIP

摘要

科技进步和能源转型使电动汽车行业快速发展，也给电动汽车中关键的电子

系统提出了难题与挑战。电池管理系统（BatteryManagementSystem,BMS）是电

动汽车电子系统的重要组成部分，具有监控信息、能量管理、故障处理等功能。电

池荷电状态（StateofCharge,SOC）预测算法和电池组均衡电路是BMS的核心技

术，优秀的预测算法和高效的均衡电路为BMS能量管理奠定了基础。结合上述需

求和研究热点，本文以电池组为研究对象，针对BMS关键技术进行研究，包括SOC

预测算法及均衡电路。主要的研究内容如下：

首先，研究了SOC预测算法。由于SOC无法直接用传感器采集，针对SOC

难以实时精确预测的痛点，本文构建了一种基于数据驱动的三层堆叠融合回归器

（Triple-layerStackingRegressor,T-SR）。为了验证模型的优越性，同时训练并优化

了多种机器学习模型，将T-SR模型与6种机器学习模型在动态测试数据集上进行

预测。结果显示T-SR模型在所有测试数据集上的平均均方根误差小于0.6%，在6

种机器学习模型中表现最优，展现了T-SR模型优秀的预测精度和稳定性。

其次，研究了电池组均衡电路。由于电池的不一致性造成的电池组短板效应严

重影响汽车续航里程，针对均衡电路成本、效率、速度三点要求，本文以成本较低

的电感型均衡拓扑为出发点，先对Buck-Boost均衡器基本原理进行公式推导和仿

真分析，提出了一种改良电路结构以提升均衡速度。然后针对效率问题提出了基于

冗余原理的均衡器，仿真结果表现出其具有较高的能量传输效率。为了均衡效率和

速度两方面要求，将两种均衡装置结合提出了双模式均衡拓扑。本文对不同模式阈

值下的双模式均衡拓扑进行仿真分析，实现了均衡效率和速度最大化。

最后，为了验证本文提出的SOC预测算法和均衡拓扑结构的实际效果，搭建

了对应的电路系统实验平台。进行了充电、放电、静置状态下的实验验证，双模式

均衡电路能有效降低电池组电压差并可以延长放电时间44.2分钟，实验结果证明

了所提方案的有效性和准确性，并通过对比，验证了电路方案综合效果较优。

关键词：锂离子电池，电池管理系统，荷电状态预测，电池均衡电路

ABSTRACT

Therapidadvancementoftechnologiesandthegrowingdemandforanenergy

utilizationstrategytransformationhaspromotedtheswiftgrowthoftheelectricvehicle

(EV)industry,providingbothchallengesandopportunitiesforelectronicsystemswithin

EVs.TheBatteryManagementSystem(BMS)standsoutasavitalcomponentoftheEV

electronicsystem,providingfunctionalitiessuchasinformationmonitoring,energy

management,andfaulthandling.ThebatteryStateofCharge(SOC)estimationalgorithm

andbatterypackequalizationcircuitrepresentthecoretechnologiesofBMS,layingthe

groundworkforefficientenergymanagement.Thethesisfocusesonthekeytechnologies

ofBMS,specificallySOCestimationalgorithmsandequalizationcircuits.Thedetailed

studyisasfollows:

Firstly,adata-driventriple-layerstackingregressionmodel