锂电池状态参数在线估计技术研究

电池管理系统(Battery Management System,BMS)是电动汽车系统中最重要的系统之一,电动汽车的所有电池由电池管理系统统一进行管理,优良的电池管理系统,为电动汽车安全工作提供了重要保证。电池状态参数于电池管理系统甚至其他整车管理系统中扮演着重要的角色,并且是其他系统所需参数的来源。本文主要研究电池管理系统中最关键的描绘电池荷电状态的SOC值和描绘电池使用寿命SOH值。精准的锂电池电池电化学模型有利于精准的估计状态参数。本文主要围绕车用锂离子电池,针对电池管理系统,通过研究电池的电化学机理,并利用电化学模型开发了状态估计算法。由于电池内部化学反应较复杂,模型计算复杂的特点,研究电池机理从而简化电化学模型,并利用简化模型进行参数在线估计。本文首先针对传统电池准二维机理模型进行分析,并与单粒子模型进行比较,分析两种模型的优劣,并针对电池管理系统,结合传统单粒子模型与准二维机理模型,提出一种对单粒子模型的改进模型,将准二维机理模型作为标准,分析模型的可行性。从锂电池的模型出发,针对某种电池机理模型,研究电池的状态参数在线估计,电池的荷电状态为对现有电量所对应一个直观表达式,研究电池的电荷情况,有利于电池的管理系统对工作对象的使用情况进行控制,对于电池系统的管理工作而言,针对单粒子改进模型,采用扩展卡尔曼滤波算法和遗传算法分析电池的荷电状态,并分析结果,结果表明扩展卡尔曼滤波算法和遗传算法皆能较好的估算电池的荷电状态,但由于电化学模型为一个复杂的非线性系统,采取遗传算法结果更精准,误差低于1%。针对常用电池健康情况参数估计方法方式,选取容量作为电池管理系统的健康状态的估计依据,并分析电池机理模型中实际对电池容量产生影响的因素,针对电池的健康状态,选取双水箱模型分析电池的健康状态,并与循环寿命试验结果进行对比分析,验证算法的可行性。结果表明,电池的嵌锂率,电极材料体积分数为电池健康状态的主要影响因素。结合电池管理系统与实际电动汽车工况,将估计算法应用于实际BMS工程,分析通过实验得出的SOC、SOH和仿真得出的SOC、SOH进行比较,验证算法的可行性,性能指标满足系统要求。