基于数据模型融合的电动车辆动力电池组状态估计研究

动力电池是电动汽车的技术瓶颈，其状态估计关乎能量管理、循环寿命、使用成本和安全，研究具有理论意义和应用价值。然而，动力电池具有很强的时变非线性，在电动汽车上应用时，又受工况、环境等随机性因素影响，对其状态的实时精准估计具有挑战性。本论文针对电动汽车锂离子动力电池，开展的具体研究工作包括： 搭建了动力电池测试平台、系统设计了动力电池测试方案，基于两类锂离子动力电池建立了完善的动力电池试验数据库，并对动力电池电化学阻抗特性进行了详细分析。结果表明，动力电池的交流阻抗特性对其操作温度和可用容量最为敏感，而对具体的充放电历史和荷电状态不敏感。 针对动力电池的数学建模问题，推广提出了具有通用意义的带有n个RC网络结构的动力电池数学模型，建立了以实施动力电池模型参数辨识、优化和结构复杂度评估等的五步骤动力电池模型参数辨识方法，使用赤池信息量准则解决了锂离子动力电池模型的复杂度与预测精度的权衡问题，具体确定了针对锂离子动力电池的模型结构，得到了准确的模型参数，解决了动力电池的精确建模问题。 针对动力电池模型的参数辨识问题，提出了以估计动力电池实时特性为目标、基于在线测量电压和电流数据驱动的动力电池模型参数辨识方法，实现了在不确定的电池老化状况、应用环境等随机因素影响和不同的电池类型下模型的实时精确预测性能，解决了在实际应用中由于模型参数的固定性造成的推广性难和可靠性差的难题。 针对动力电池的荷电状态估计问题，提出了基于数据与模型融合的动力电池荷电状态(SOC)估计方法，使用开路电压修正SOC估计误差、使用自适应扩展卡尔曼滤波算法设计SOC估计器、使用基于三维空间响应面的开路电压模型等方法，实现了动力电池在不确定操作环境、健康状态和循环工况等影响因素下SOC的精确估计。 针对动力电池的峰值功率能力估计问题，提出了多参数约束动态持续峰值功率能力估计方法。基于动力电池设计电流、电压和功率，SOC操作范围和功率持续输出时间等约束建立了多参数约束动态持续峰值功率能力估计方法，解决了传统方法得到的估计值过于保守或者难以保证动力电池安全的问题。针对不精确SOC值对峰值功率能力估计结果的影响，提出了动力电池SOC和峰值功率能力联合估计方法。 针对动力电池的多状态联合估计问题，提出了多时间尺度自适应扩展卡尔曼滤波算法，解决了动力电池单体可用容量、SOC和峰值功率能力的联合估计难题。以宏观时间尺度估计动力电池可用容量和模型参数等参数、微观时间尺度估计动力电池SOC和峰值功率等状态，使用基于三维空间响应面的开路电压模型实施开路电压对动力电池可用容量和SOC估计误差的实时修正，实现了动力电池多状态的精确在线估计。 针对动力电池组的状态估计问题，提出了基于多时间尺度的多层自适应扩展卡尔曼滤波算法，并应用于串联动力电池组的状态估计。以各单体可用容量和直流内阻参数的不一致性为参数估计目标、以各单体SOC和峰值功率为状态估计目标，实现了动力电池组中各单体参数和状态的联合估计，解决了动力电池组的状态估计难题。 本论文研究提出的多时间尺度自适应扩展卡尔曼滤波算法、多参数约束动态持续峰值功率能力估计方法、基于数据与模型融合的多时间尺度动力电池参数和状态联合估计方法等，解决了可用容量、SOC和峰值功率能力联合估计问题，为电动汽车动力电池的能量管理提供了理论基础；提出的五步骤动力电池模型参数辨识方法和基于多时间尺度的多层自适应扩展卡尔曼滤波算法，解决了动力电池模型复杂度与精度的权衡、参数的更新、动力电池组状态估计的标定和鲁棒性等问题，具有工程应用价值。