電動汽車動力電池荷電狀態(tài)估計及均衡技術(shù)研究.pdf

1、近年來，我國的電動汽車工業(yè)發(fā)展迅速，作為電動汽車的三大核心技術(shù)之一的電池管理技術(shù)也成為研究的熱點。本文主要對電動汽車電池管理系統(tǒng)(Battery Management System，BMS)中荷電狀態(tài)（State of Charge，SOC）估計及主動均衡控制技術(shù)進行研究。首先采用基于雙卡爾曼濾波(Dual Extended Kalman Filter，DEKF)算法的SOC估計方法，以此提高動力電池荷電狀態(tài)估計的精度，防止過充過放對電

2、池組造成損害。基于反激式變壓器工作原理設(shè)計了主動均衡拓撲結(jié)構(gòu)和均衡控制策略，保證電池組內(nèi)各電池模組保持較好的一致性，延長車輛的續(xù)駛里程和電池的使用壽命，充分發(fā)揮電池的性能。具體工作概括如下:
　　(1)動力電池基本特性分析。首先對本文的研究對象鋰離子電池的工作原理及其電壓特性、內(nèi)阻特性和容量特性等基本特性進行了分析，為下文的SOC估計和均衡控制技術(shù)的研究提供了參考依據(jù)。
　　(2)動力電池等效電路建模及電池參數(shù)辨識。在對比分

3、析動力電池建模方法的基礎(chǔ)上，搭建了電池的2階RC等效電路模型。分別采用離線辨識和在線辨識的方法對電池在不同荷電狀態(tài)下的參數(shù)值進行了辨識，最后通過模型仿真證明了參數(shù)在線辨識的準確性。為后續(xù)SOC估計算法的精度驗證和均衡控制效果的驗證提供了控制對象及仿真平臺。
　　(3)動力電池荷電狀態(tài)估計方法研究。本文針對傳統(tǒng)的安時積分法(Ah)中誤差累加和擴展卡爾曼濾波(Extended Kalman Filter,EKF)算法中參數(shù)在線辨識困難