论文部分内容阅读
动力电池作为电动汽车主要能量源,电池管理系统具有监测电池能量状态的功能。本文分析对象为锂离子电池,锂离子电池具有使用寿命长、自放电率低、比能量高等优点,是目前电动汽车广泛应用的电池。电池管理系统对SOC的精确预估是提高电池充电效率的基础,高效充电控制策略是提高充电效率的关键,提高动力电池充电效率可以降低能耗、减少充电时间。本课题组近年来主要对新能源汽车单体电池及电池包的模型搭建、SOC预估、充放电均衡进行了深入研究。基于实验室理论基础及测试平台开展本课题的研究。本文基于改进的模糊逻辑算法,对二阶RC电池模型进行参数辨识。以辨识后的模型参数为基础,利用扩展卡尔曼滤波和无迹卡尔曼滤波对电池SOC进行预估,在两种典型工况下对比预估精度。基于预估得到的SOC进行充电控制策略研究,达到提高电池充电效率的目的。本文主要的研究内容如下:1、分析锂离子电池机理,提取影响电池特性的重要参数。基于本课题组的实验平台,完成电池定性分析。为了达到精确建模和优化充电控制策略的目的,详细分析了锂离子电池的充电特性和极化特性。2、建立了电池等效电路模型,通过电池实验计算得到电池参数。基于样本电池参数,利用决策树算法改进模糊算法规则库。得到电池参数在线辨识结果,其中温度对辨识参数影响较大,而SOC对参数辨识结果影响较小。实验验证算法在线辨识精度较高,计算时间较短。3、基于电池二阶RC模型和参数辨识的结果,通过扩展卡尔曼滤波和无迹卡尔曼滤波对电池SOC预估,搭建两种算法MATLAB/Simulink仿真模型,计算得到仿真结果。并基于两种典型工况对两种算法预估精度进行实验验证,结果表明无迹卡尔曼滤波预估精度较高、稳态误差较小、纠偏时间较短。4、基于无迹卡尔曼预估SOC研究电池充电控制策略。以电池充电过程中的能耗和温升作为评价指标,搭建温升能耗耦合模型,确定SOC分段方式和系数。通过遗传算法优化每段SOC的充电电流,得到优化后的充电控制策略,以优化后控制策略进行充电实验,对比恒流充电控制策略,该策略可减小电池能量损耗。本文的研究内容可以为电池模型参数在线辨识、SOC预估以及充电控制策略提供指导,研究成果对于提高充电效率具有参考价值。