磷酸鐵鋰電池組SOC估計算法研究.pdf

1、電動汽車的電池管理系統(tǒng)的需要準確了解當前電池組的荷電狀態(tài)(State of charge，SOC)。電池管理系統(tǒng)中的均衡系統(tǒng)以及安全管理系統(tǒng)，都需要使用SOC值判斷電池狀態(tài)以及進行控制策略的設(shè)計。而磷酸鐵鋰電池由于本身特性，其過放電會導(dǎo)致電池產(chǎn)生不可逆轉(zhuǎn)的損傷，過充電會導(dǎo)致電池過熱甚至爆炸，因而對電池管理系統(tǒng)提出了更多的要求。但如何準確測量工況下的磷酸鐵鋰電池的SOC仍然是世界性難題。
　　論文從分析磷酸鐵鋰電池內(nèi)部電化學(xué)反應(yīng)開始

2、，通過設(shè)置在不同SOC狀態(tài)，不同電流工況下的充放電實驗，測取電池模型SOC-OCV曲線，以及歐姆內(nèi)阻，濃差阻抗等動態(tài)參數(shù)，建立出適合用于現(xiàn)代計算機所使用的二階RC等效電池模型，為下一步SOC仿真提供建立模型。
　　在二階RC模型基礎(chǔ)上，本文在實物設(shè)備中實現(xiàn)了擴展卡爾曼濾波SOC估計算法設(shè)計，證明該算法在SOC估計系統(tǒng)中的有效性，并分析其在不同工況下表現(xiàn)的差距，提出了目前所使用的經(jīng)典擴展卡爾曼濾波算法的局限性與不足。
　　針對

3、復(fù)雜工況下磷酸鐵鋰動力電池組SOC估計不準確的問題，本文提出實物電池SOC估計誤差主要來源之一是模型誤差，特別是在復(fù)雜工況下，電池模型誤差影響因素會進一步增加。因此本文提出并實現(xiàn)基于模型信息的噪聲補償擴展卡爾曼濾波算法，一種針對電池組工況特性下卡爾曼濾波方法，該算法基于電池組工況放電特性，提取其特征參數(shù)并進行模式分類，對擴展卡爾曼濾波模型進行不同的噪聲模型數(shù)據(jù)補償，實現(xiàn)優(yōu)化估計。該算法可應(yīng)用在系統(tǒng)測量噪聲模型已知的SOC估計系統(tǒng)中，能有

4、效避免由于多因素所引起的系統(tǒng)狀態(tài)模型誤差而導(dǎo)致的SOC估計發(fā)散或矯正性能差的問題。
　　在實際電池系統(tǒng)中，測量噪聲模型通常處于未知狀態(tài)，同時也容易受到外界干擾而變化。此時噪聲補償擴展卡爾曼濾波算法難以收到良好結(jié)果。本文使用自適應(yīng)濾波算法，使得濾波系統(tǒng)能夠?qū)崿F(xiàn)自動跟蹤外界噪聲模型的變化。同時針對單獨的自適應(yīng)濾波算法在存在SOC初值誤差系統(tǒng)的表現(xiàn)較差的情況，結(jié)合多模型自適應(yīng)濾波理念，實現(xiàn)了多模型自適應(yīng)卡爾曼濾波算法。該算法具有更好的精