欢迎来到天天文库
浏览记录
ID:36687559
大小:3.75 MB
页数:70页
时间:2019-05-13
《锂离子动力电池剩余容量估计算法研究与实现》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、锂离子动力电池剩余容量估计算法研究与实现重庆大学硕士学位论文(专业学位)学生姓名:许巧巧指导教师:刘和平教授兼职导师:杨金林高级工程师学位类别:工程硕士(电气工程)重庆大学电气工程学院二O一三年五月ResearchandRealizationofStateofChargeEstimationofLi-IonPowerBatteryAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementforProfessionalDegreeByXuQiaoqiaoXuSupervisedbyPro
2、f.LiuHepingPluralisticSupervisedbyYangJinlinSpecialty:ElectricalEngineeringFieldSchoolofElectricalEngineeringofChongqingUniversity,Chongqing,ChinaMay,2013重庆大学硕士学位论文中文摘要摘要为了保证电动汽车安全可靠的行驶,电池管理系统必须提供车载动力电池组实时准确的使用状态信息。电池的剩余容量(StateofCharge,SOC)直接反映电池的荷电状态,为驾驶员提供续航里程信息,是整车控制的重要依据,准确估计SOC是电池管理
3、系统的核心,一直是目前研究的热点和难点。磷酸铁锂动力电池以其优越的动力性能成为电动汽车最佳动力源之一,本文以磷酸铁锂动力电池为研究对象,针对其SOC估计进行了以下研究工作:1.首先阐述并给出了传统SOC定义方法及其存在的不足,然后详细介绍了磷酸铁锂动力电池的反应原理、优缺点和主要特性参数。在此基础上具体分析了温度、充放电倍率、循环寿命和自放电等因素对电池建模即电池主要特性参数的影响,结合电池模型,得出了考虑这些因素后修正的SOC表达式。2.重点分析了电池等效电路模型中表征电池暂态响应的无限RC网络的简化问题。结合相关实验数据,对分别采用一、二、三和四个RC网络的串联来模拟
4、电池暂态响应所带来的模型误差进行了对比分析,综合考虑模型的复杂程度和模型精度,选取二阶等效电路模型作为本文的电池模型是一个很好的解决方案。为了进一步减小模型误差,对电池二阶等效电路模型参数在线辨识方法进行了研究,采用Kalman滤波法在线辨识电池模型参数。3.针对Kalman滤波法由于不合理的噪声假设会影响算法的估计性能,甚至导致算法不收敛,改用了自适应扩展Kalman滤波法并应用于电池二阶等效电路模型来动态的估计SOC。在估计SOC的同时对未知噪声的均值和方差进行实时预测和修正,降低了未知噪声对SOC估计的影响,并对算法的精确性和可行性进行了仿真验证。4.自适应扩展Ka
5、lman滤波法结合电池二阶等效电路模型对电池的SOC估计效果较好,可以满足工程应用的要求。以改装后的纯电动汽车电池管理和监控系统为试验平台对SOC估计算法进行了装车验证。电池管理系统采集电池的电压、电流、温度并估算SOC;监控系统主要用来显示电池的信息并保存历史记录,两者通过CAN总线实现双向通信。基于模块化的编程思想,设计了相应的软件流程图,并通过装车道路试验对算法的适用性进行了验证。仿真和装车道路试验结果表明本文的SOC估计算法能够较精确的估计SOC,符合国家关于电动汽车动力电池SOC估计的精度要求,具有指导工程应用的意义。关键词:磷酸铁锂动力电池,剩余容量(Stat
6、eofCharge,SOC),参数在线辨识,自适应扩展Kalman滤波,装车验证I重庆大学硕士学位论文英文摘要ABSTRACTInordertoensuresafeandreliableoperatingofelectricalvehicles(EVs),thebatterymanagementsystemisneededtoprovidereal-timeandaccurateusagestatusinformationofpowerbatteriesusinginEVs.Battery’sstateofcharge(SOC)offersendurancemileage
7、informationforthedriver,directlyreflectsthebattery’sstateandisanimportantbasisforvehiclecontrol.AccurateestimationofSOCisacorepartofbatterymanagementsystemanditbecomesahotanddifficultspotofresearch.LithiumIronPhosphatePowerBatteries(LiFePO4powerbatteries)havebecomeo
此文档下载收益归作者所有