基于強跟蹤卡爾曼濾波的車用鋰電池SOC估計算法的研究.pdf

1、隨著能源短缺及環(huán)境污染問題的日益凸顯，新能源電動汽車逐漸受到了人們的關注，而電池管理系統(tǒng)作為電動汽車的重要組成部分也成為各大汽車廠商及學者的研究熱點。電池荷電狀態(tài)SOC是電動汽車電池管理系統(tǒng)實現(xiàn)高效管理的關鍵性能指標，它相當于傳統(tǒng)汽車的油量表，直接反應電池的剩余電量，其估計精確與否不僅直接關系到電池管理系統(tǒng)的整體性能，而且也是電動汽車能否商業(yè)化的一個重要因素。由于電池在不同工作狀態(tài)下的動態(tài)特性呈現(xiàn)高度非線性特性，反應過程相當復雜，所以精

2、確估計其值存在困難。國內外對SOC估計精度問題處在研究階段，仍然存在一定不足，找到一種合適的方法來提高SOC估計精度對電動汽車的發(fā)展具有至關重要的意義。
　　本文以鋰電池作為研究對象，利用Matlab軟件，在試驗數(shù)據(jù)基礎上，完成電池建模、參數(shù)辨識及SOC估計仿真等工作。所作具體工作如下:
　　首先，分析了放電倍率、溫度及循環(huán)次數(shù)對電池容量的影響，確定放電倍率對鋰電池可用容量的補償關系。然后通過脈沖放電試驗及間歇充放電試驗分析

3、鋰電池回彈電壓特性及開路電壓特性，并根據(jù)響應電壓曲線指導后文對鋰電池的建模。
　　其次，通過比較電池電化學模型、神經(jīng)網(wǎng)絡模型及等效電路模型，選擇二階RC模型作為電池等效電路模型，并結合安時積分方程建立電池的狀態(tài)空間模型?？紤]到模型參數(shù)時變的特點，通過HPPC試驗數(shù)據(jù)，采用指數(shù)擬合的方法分別對不同SOC時刻的阻抗參數(shù)進行辨識。在Matlab/Simulink中搭建電池模型，驗證電池模型及辨識參數(shù)的準確性。
　　最后，基于電池系

4、統(tǒng)的非線性特點，首先采用可用于非線性系統(tǒng)狀態(tài)觀測的擴展卡爾曼濾波算法實現(xiàn)鋰電池SOC估計，并與傳統(tǒng)的安時積分算法估計SOC的效果進行對比，仿真結果表明，擴展卡爾曼濾波算法相比安時積分法具有更好的消除累積誤差及修正初始誤差的能力。然后基于擴展卡爾曼濾波算法依賴電池模型精度和跟蹤突變能力差的缺點，論文提出一種強跟蹤卡爾曼濾波算法，在擴展卡爾曼濾波算法基礎上，通過引入次優(yōu)漸消因子，強行使輸出殘差序列保持正交，提高狀態(tài)突變及模型不確定情況下算法