全生命周期的電動汽車用電池模型研究.pdf

1、為應(yīng)對環(huán)境和能源問題,電動汽車近年來飛速發(fā)展,其核心技術(shù)之一是電池管理技術(shù),特別是電池電荷狀態(tài)和電池壽命狀態(tài)的估算。
　　當(dāng)前對電池電荷狀態(tài)的估算研究集中于電池建模結(jié)合卡爾曼濾波算法,大多數(shù)研究側(cè)重于電池建模,而忽略卡爾曼濾波算法本身的改進,導(dǎo)致電池狀態(tài)估算精度不足,后續(xù)電池管理無法精細化,電動汽車性能下降。目前對電池壽命狀態(tài)的估算大多通過離線進行,無法形成有效的全生命周期電池管理,不利于電池壽命的延長。電池充電技術(shù)也是電池管理技

2、術(shù)的重要組成部分,其核心是直流變換器或整流器的設(shè)計,除了主電路拓撲結(jié)構(gòu)改進外,更為重要的是控制方法的改進。近年來有學(xué)者提出,充電器控制方法應(yīng)結(jié)合電池電荷狀態(tài)等電池參數(shù)的識別。
　　本文在深入分析卡爾曼濾波算法的基礎(chǔ)上,提出一種本質(zhì)相同、無需初值、基于枚舉的變形算法,并通過引入極大似然估計和遺傳算法,提高該算法的運算效率。改進后的算法,消除了傳統(tǒng)卡爾曼濾波算法中,初值估計、非線性系統(tǒng)、噪聲統(tǒng)計特性未知、建模系統(tǒng)偏差等因素造成的誤差,

3、實現(xiàn)了更精確的電池狀態(tài)估算。同時,該算法可實現(xiàn)高精度的電池參數(shù)識別,用于boost電路精確線性化控制,為電動汽車電池充電。針對boost充電器不同的充電需求,本文提出一種新的精確線性化算法,消除了電壓與電流控制模式切換過程中的波動。
　　論文的主要研究成果如下:
　　1)傳統(tǒng)的卡爾曼濾波算法是一種遞推格式,在初值選取不當(dāng)情況下可能導(dǎo)致收斂緩慢。本文從該算法的原理和推導(dǎo)出發(fā),提出了無遞推的枚舉算法。理論分析表明,枚舉算法無需初

4、值,且計算結(jié)果與卡爾曼濾波算法的收斂值完全一致。枚舉算法雖然運算效率不高,但卻是后續(xù)改進的基礎(chǔ)。
　　2)傳統(tǒng)卡爾曼濾波算法中,非線性系統(tǒng)線性化過程中忽略高次項、噪聲統(tǒng)計特性未知、建模存在系統(tǒng)偏差等因素造成估算結(jié)果存在穩(wěn)態(tài)誤差。本文在枚舉算法基礎(chǔ)上,提出將原有線性最小方差估計改進為極大似然估計,同時引入遺傳算法提高運算效率的方法,不僅基本消除了穩(wěn)態(tài)誤差,而且實現(xiàn)了高精度的電池參數(shù)的在線識別。仿真結(jié)果表明,在系統(tǒng)引入10％隨機噪聲、

5、部分模型參數(shù)引入10%系統(tǒng)誤差情況下,該算法誤差極小,相較于原算法約10%的誤差,精度得到大幅提升,滿足全生命周期電池管理的要求。
　　3)針對boost電路精確線性化控制算法中的負載參數(shù)估算問題,基于改進后的算法,可以獲得更為精確的電池參數(shù)識別。仿真結(jié)果表明,在系統(tǒng)引入10%隨機噪聲、部分模型參數(shù)引入10%系統(tǒng)誤差情況下,改進后的算法實現(xiàn)了對電池參數(shù)中系統(tǒng)誤差的識別,識別誤差極小。
　　4)為解決boost充電器恒壓恒流模

6、式切換時產(chǎn)生的波動或振蕩問題,本文改進精確線性化算法,得到恒壓恒流兩種模式下統(tǒng)一的線性化坐標(biāo)變換。為提高充電器響應(yīng)速度,還對精確線性化后的充電器采用了零極點配置。仿真結(jié)果表明,該控制方法沒有切換過程中的波動或振蕩問題,且響應(yīng)速度很快,可以滿足10Hz脈沖充電要求。
　　5)在MATLAB/SIMULINK環(huán)境下,搭建了電池本體、傳統(tǒng)卡爾曼濾波算法、引入遺傳算法的卡爾曼濾波算法、boost主電路、boost精確線性化控制算法等模塊,