基于可變參數(shù)電池模型的閉環(huán)SOC估計方法研究.pdf

1、能源和環(huán)境問題己成為當今世界發(fā)展的重要議題，作為節(jié)能環(huán)保代表，電動汽車以其低污染零排放和較低使用成本等優(yōu)勢倍受廣大消費者的青睞。作為電動汽車的主要動力來源，動力鋰電池已成為近些年研究的熱點。動力鋰電池荷電狀態(tài)(State-of-Charge，SOC)直接反映電池剩余容量的多少，并在一定程度上反映電動汽車的續(xù)航里程。SOC的準確估計對實現(xiàn)電池電量的有效管理和續(xù)航里程的準確預(yù)估、避免電池過充和過放具有重要意義。本文以電動汽車車用動力鋰電池為

2、研究對象，從電池模型和濾波算法兩大主要影響因素出發(fā)，對電池SOC估計進行研究。
　　本文首先通過對常用電池模型工作原理及其優(yōu)缺點的分析，選擇易進行模型參數(shù)辨識實驗、物理意義明確的Thevenin模型作為研究對象。針對常用Thevenin模型模型參數(shù)固定，適用范圍有限的問題。結(jié)合電池在實際工作過程中內(nèi)阻的變化規(guī)律，建立模型參數(shù)受溫度T和SOC影響的可變參數(shù)Thevenin模型。為在保證電池模型精度的同時又使電池模型不至于特別復(fù)雜，文

3、章利用基于中心復(fù)合設(shè)計（Central Composite Designs，CCD）的實驗設(shè)計(Design of Experiment，DOE)方法和最小二乘法對模型參數(shù)進行辨識;濾波算法的準確性對保證SOC的估計精度具有重要作用，隨后文章通過對常用濾波算法的應(yīng)用原理的分析，針對系統(tǒng)噪聲影響較大時對算法估計精度的影響，提出了一種改進的無跡卡爾曼粒子濾波(Improved Unscented Kalman Particle Filter

4、，IUPF)算法。將系統(tǒng)狀態(tài)噪聲和量測噪聲兩者同時引入到采樣點中，對其進行對稱采樣處理，同時將其引入到算法計算過程當中以保證算法的精度。在可變參數(shù)Thevenin模型基礎(chǔ)上所采用的IUPF算法，在保證模型適用范圍的同時減小了噪聲對系統(tǒng)估計精度的影響。
　　本文選定同類型同一批次多個9A·h圓柱形磷酸鐵鋰動力電池單體作為研究對象，以充放電柜和高低溫箱為實驗條件，在不同工況下分別進行多次充放電實驗。實驗及仿真結(jié)果表明，基于IUPF算法