论文部分内容阅读
近些年来电动汽车作为节能环保的代表,引起了越来越多国家的重视。作为电动汽车能量源的电池,其发展直接制约着电动汽车的发展。因此,越来越多的汽车厂家和学者专注于电池管理系统(Battery Management System,BMS)的研发,而在BMS中电池的电荷状态(State of Charge,SOC)代表着汽车的续航里程,是一个极为重要却又难以估算的参数,如何对动力电池的SOC进行准确的估计是电池领域、乃至整个电动汽车领域的重点和难点。针对这一现状,本文围绕车用动力锂离子电池的SOC估算展开研究,搭建了二阶RC电池模型,并设计了相应的SOC估算算法,保障了动力锂电池SOC估算的精度和稳定性,同时对算法模型进行定点化处理,以满足工程应用的要求。首先,从动力锂电池的SOC性能入手,在相关试验的基础上,分析温度和充放电倍率对电池SOC性能的影响。结合实际需求建立二阶RC等效电路模型,在不同温度、充放电倍率下对多个SOC点进行混合动力脉冲能力特性(Hybrid PulsePower Characteristic,HPPC)试验,利用试验数据拟合电池模型的参数。在MATLAB中建立电池模型,通过仿真验证电池模型的精度。其次,在二阶RC电池模型的基础上,分别使用扩展卡尔曼滤波(Extended Kalman Filter,EKF)和中心差分卡尔曼滤波(Central Difference Kalman Filter,CDFK)估算电池的SOC。从理论分析和仿真结果两个方面证明了CDKF算法对SOC的估算效果优于EKF。另外,为进一步减小CDKF算法的线性化误差,本文提出优化迭代中心差分卡尔曼滤波(IterativeCentral Difference Kalman Filter,ICDFK),在CDKF算法的观测信息更新过程中加入了迭代的思想,并在迭代过程中进行Levenberg-Marquardt优化,大大提高了算法的估算精度及稳定性。再次,为了提高算法在单片机中的运行效率,节约工程上的成本,本文创新性的对优化ICDKF算法的SOC估算模型进行了定点化处理,提出了定点化处理策略,并在Stateflow软件中搭建算法模型,验证定点模型的SOC估算效果。最后,进行台架验证,通过Simulink/RTW-EC将优化ICDKF的SOC定点估算模型生成C代码,作为函数嵌入到BMS中。依据国标QC/T897-2011中的SOC测试规则和NEDC循环工况,在台架上对SOC估算精度进行测试。