锂电池化成参数的检测与估计技术研究

电池化成是锂电池生产中的一个重要环节,化成的质量对电池的性能起着决定性作用。电池化成设备采用精确的参数检测与估计技术,能够获取锂电池精确的化成参数,实现化成流程的精确控制,从而保证了锂电池的化成质量。锂电池的化成参数主要包括锂电池电压、电流、内阻、温度、烟雾、容量、电池的荷电状态(State of Charge,SOC),其中SOC是根据已知的测量数据估计得出的。SOC是锂电池化成过程之中的关键参数,对电池的性能评估起着重要作用。本文以锂电池化成系统为硬件平台,研究锂电池参数检测相关的一些技术,保证参数检测的准确性,然后从锂电池模型出发,对锂电池SOC的估计算法展开深入研究。本论文的主要的研究内容如下:1.针对锂电池电压和电流采集中存在的干扰问题,本文提出防脉冲干扰滤波与数字低通滤波相结合的滤波方案,能够得到精确的测量值。为了使锂电池设备长期运行都保持较高测量精度,提出锂电池检测通道自动校准方法。在参数精确测量的基础上,研究了化成流程的闭环控制算法与系统分布式控制策略。2.从锂电池的模型出发,对锂电池进行基本性能测试实验,根据实验结果离线辨识模型的参数;为了参数在线估计的要求,采用递推估算算法对模型参数在线辨识。利用扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波以及无迹粒子滤波原理,推导出应用于SOC估计的具体递推算法,并在化成平台上对锂电池进行工况测试实验,仿真对比分析了各种估计滤波算法的估计性能。3.分析SOC估计误差的来源以及改进方法,针对锂电池在化成之中模型参数的时变的特性,研究提出自适应在线估计方案。自适应滤波算法首先估计模型内阻,再将内阻作为SOC估计算法中的已知参量,从而使SOC估计精度进一步提高。对锂电池进行模拟工况实验以及SOC估计算法仿真,对比分析了自适应估计算法与非自适应估计算法的性能,并验证了自适应算法的鲁棒性。4.结合化成数据信息在线估算锂电池总容量,由锂电池实际总容量对SOC的估计过程进行修正,以使其在整个化成周期内都有较高的估计精度。根据化成平台的特点,将SOC自适应估计算法在底层嵌入式平台上实现,同时为了保证数值的稳定性,实现的估计算法采用了求根的形式。