电动汽车锂电池soc估算研究

《电动汽车锂电池soc估算研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、捅要随着世界石油危机和空气污染的严重，新能源环保型电动汽车(EV，ElectricVehicle)的研究开发受到了世界各地政府和企业的重视，且逐渐成为汽车行业的主要发展趋势。动力蓄电池组是电动汽车的能量提供者，其各项状态参数不仅是衡量电池性能的主要指标，更是推动电动汽车稳健发展的关键因素。电动汽车电池管理系统(BatteryManagementSystem，BMS)作为动力蓄电池的能量控制管理者，肩负着实时监测和优化整个车载电池各项参数的任务。电池荷电状态(StateofCharge，SOC)的准确估算

2、是BMS的核心内容之一，SOC值同时也是整车控制策略的重要判断依据。本文以磷酸铁锂电池为研究对象，采用扩展卡尔曼滤波算法实现SOC估算。首先，本文介绍了电动汽车的开发背景、发展趋势和车载电池的性能要求，通过分析了磷酸铁锂电池的工作原理和特性，总结出电池SOC估算的难点。从电池SOC定义和电动汽车现实运行工况出发，比较主要的电池SOC估算算法，采用电池联合模型，提出一种基于扩展卡尔曼滤波法的SOC估算策略，并在实验室条件下采集实测数据进行MATLAB仿真验证。该方法避免了常用安时计量法中因积分而存在的长期

3、误差累积的弊端，以安时计量法的表达式作为扩展卡尔曼滤波算法的状态方程，将其优点和扩展卡尔曼滤波算法的长处相结合，进一步提高了估算精度。实验结果表明，本文采用扩展卡尔曼滤波算法所估算的电池SOC值与实测值基本保持一致，能够较为准确的估算电动汽车电池SOC，具有较强的实际应用价值。关键词：电动汽车；SOC估算；卡尔曼滤波；MATLABAbstraetBecauseofoilresourcesshortageandairqualitydegradation，thegovernmententerprisesar

4、oundtheworldarepayingattentiontodevelopmentandresearchofEV(ElectricVehicle)whichhasemergedasthemaintrendinautomobileindustry．Electricvehiclebatteryistheenergyprovider，itsstatusandparametersarenotonlythemainindicatorofbatteryperformancebutalsoakeyfactorin

5、promotingthehealthydevelopmentofElectricvehicle．SOC(StateofCharge)estimationhasalwaysbeenthecorecomponentinbatterymanagementsystem，whichcanprovidejudgmentbasistovehiclecontrolstrategy．ThispapertakestheLiFe04polymerpowerbatteryastheresearchobject，andusesK

6、almanfiltercorrectionalgorithmforbatterypackonlineSOCestimation．First，thispaperdescribesthedevelopmentofelectricvehiclesbackground，trendsandCarbatteryperformancerequirements，throughtheanalysisoftheworkingprincipleandcharacteristicsofthelithiumironphospha

7、te，summeduptheeffectfactorsandstudythedi伍cultiesofonlineaccurateestimation．Aftercomparingsomecommonlyusedmethodsandconsideringtheelectricvehicleenvironment，thispaperproposesanewmethodnamedKalmanfiltercorrectionalgorithmonthebasisofSOCdefinition，andusingm

8、easureddataandMATLABsimulationtoanalyzeunderlaboratoryconditions．ThismethodavoidsthedisadvantagesofA．Hmeasurementmethod，whichiSusedtoreducethemeasurementerror．A．HmeasurementmethodasthestateexpressionofextendedKalmanfiltere