鋰離子電池荷電狀態(tài)在線估計技術(shù)研究.pdf

1、隨著電池研發(fā)技術(shù)的發(fā)展，以鋰離子電池為代表的高品質(zhì)蓄電池已經(jīng)廣泛應(yīng)用于各行各業(yè)，為了確保蓄電池安全、高效運行，電池管理系統(tǒng)（Battery Management System,BMS）一直以來都是研究熱點。電池荷電狀態(tài)（State of Charge,SOC）估計作為BMS的基礎(chǔ)、核心功能，受到諸多因素耦合影響以致難以準(zhǔn)確估計。本文以鋰離子電池為實驗對象，考慮充放電倍率與環(huán)境溫度等影響因素，研究SOC在線估計算法，主要內(nèi)容有：
　

2、　（1）研究了電池等效電路模型，完成了參數(shù)離線辨識。通過大量實驗研究了開路電壓（Open Circuit Voltage,OCV）的“滯回效應(yīng)”以及電池實際容量變化規(guī)律，應(yīng)用1stOpt工具擬合得到了OCV-SOC關(guān)系曲線以及庫倫效率系數(shù)的非線性函數(shù)關(guān)系。
　　（2）針對無跡卡爾曼濾波（Unscented Kalman Filter,UKF）對電池模型敏感并且容易受到不確定噪聲干擾的問題，本文研究了利用遞推最小二乘法（Recurs

3、ive Least Squares,RLS）和最優(yōu)無偏極大后驗法（Maximum a Posterior,MAP）改進的UKF算法。首先，通過Thevenin模型得到狀態(tài)空間方程。緊接著，利用RLS算法實現(xiàn)模型參數(shù)自適應(yīng)。隨后，利用最優(yōu)無偏MAP法實現(xiàn)噪聲協(xié)方差在線估計。最后，設(shè)計了包含簡單工況和復(fù)雜工況在內(nèi)的物理實驗，實驗結(jié)果表明該算法SOC估計精度較傳統(tǒng)UKF而言有了很大提高，魯棒性能出色，復(fù)雜度適中，適合對算法復(fù)雜度有嚴(yán)苛要求的應(yīng)

4、用場合。
　?。?）為了進一步提升估計精度，針對傳統(tǒng)UKF面臨的問題本文提出了另一個解決策略：利用卡爾曼擴維法和協(xié)方差匹配法（Covariance Matching,CM）改進的UKF算法。該算法利用擴維法實現(xiàn)模型關(guān)鍵參數(shù)在線更新，利用CM法實現(xiàn)噪聲協(xié)方差自適應(yīng)。為此設(shè)計了參數(shù)敏感性實驗，甄別了影響SOC估計程度最大的模型參數(shù)。算法驗證實驗的結(jié)果表明，該算法魯棒性能和實時性稍有降低，但是估計精度和穩(wěn)定性有了進一步提高，適合對精度要