基于平衡电压的电动汽车锂离子电池状态估计方法研究

动力电池的状态参量主要包括电池的电量状态(SOC)、健康状态(SOH)以及功率状态(SOP)三个方面,其分别对应了车辆的当前剩余里程、最大续驶里程以及瞬时加速能力。准确而可靠的电池状态估计是保障电池使用安全、提高电池使用效率、延长电池使用寿命,优化系统能量管理策略的基础。但是,作为电池的隐性状态,电池SOC、SOH与SOP的估计往往要依托于其与电池内部各特征参量之间对应关系的提取或建立,而这一关系又会受到电池工况条件、使用温度、老化程度以及批次差异等多个因素的耦合影响,特别是当电池的老化因素被加入考虑后,其对应关系的建立将依赖于冗繁的前期老化与特性实验,这极大地增加了电池状态估计算法开发与优化的时间成本与社会成本。针对以上问题,本文旨在在不依赖于大量前期老化实验的条件下,实现对电池各状态在整个车用阶段的准确在线估计。为了实现这一目的,本文针对目前应用最为广泛的磷酸铁锂电池,选择电池的平衡电压作为电池状态估计的特征参量。电池的平衡电压即电池内部平衡状态的一种外在表现形式,反映为电池外部电压中的稳定部分,根据其获取方式及对应内部环节的不同,可将其细分为电池的静态平衡电压(即开路电压OCV)、动态平衡电压(DEV)与准平衡电压(QEV)三种类型。利用锂离子电池的容量-电势联合坐标系,分别从理论和实验上分析并证明了电池平衡电压在车用阶段随电池老化的变化规律。研究发现随着电池容量的损失,电池的平衡电压曲线仅体现为其高SOC区域电压平台的逐渐消失,而在整个SOC区间内其与电池SOC的对应关系并不会发生改变。电池平衡电压的这一特征为仅通过对全新电池平衡电压曲线的获取,实现整个车用阶段的电池状态的准确估计提供了理论保障。针对电池在动态工况应用场合下的在线估计问题,选择电池的动态平衡电压(DEV)作为电池SOC与SOH估计的特征参量。一方面,将电池DEV作为SOC的函数,并以曲线上各相变特征点作为区间端点对DEV曲线进行划分,从而建立了“分段同形”的电池平衡电压模型。同时,在这一基本模型的基础上,考虑并加入了温度对DEV曲线的影响,构建了完整的动态平衡电压模型表达式。新模型在不增加计算复杂程度的前提下,提升了对平衡电压曲线的拟合精度以及对工作温度的适应能力。另一方面,考虑到系统状态与参数变化速度的差异性以及其估计过程对预设状态噪声参数的依赖,利用极大似然估计原理,推导得到了基于新息序列统计的状态自适应双扩展卡尔曼滤波算法。在以上两方面研究的基础上,通过对电池动态行为的数学描述,建立了关于电池各性能状态与模型参数的状态空间方程,在仅利用全新电池DEV曲线的条件下,实现了对整个车用阶段中不同温度、不同老化程度条件下的电池SOC与SOH的准确在线估计。针对电池在平稳工况应用场合下的状态估计问题,选择电池的静态平衡电压,即电池的开路电压(OCV)作为电池SOC与SOH估计的特征参量。为了解决OCV需要长时间静置获取的问题,基于对电池开路状态下电压释放行为的实验分析,得到了电池极化弛豫时间与开路时间之间明确的线性关系,并在这一线性关系的基础上,提出了全新的电压释放模型以及电池OCV的快速、在线预测方法。该方法可以通过对电池开路初期电压数据的采集与计算,实现对电压完全释放后的静态OCV的准确预测,将传统20 h的等待获取时间缩短为仅需20 min。同时,通过对方法在不同SOC区域可能引起估计误差的分析,标定了方法的电压适用范围。此外,针对电池SOP的在线估计问题,为实现对动态工况条件下电池瞬时充放电能力的充分利用,使电池在瞬时脉冲过程中始终维持在其峰值工作状态下,本文提出了电池峰值功率的电流-电压联合约束限定条件,并在此基础上实现了对脉冲过程中电流约束与电压约束所占时长以及对应约束条件下电压与电流变化情况的有效预测。从而结合电池模型的全参数在线辨识方法,在不依赖于任何前期实验的条件下,实现了对电池在不同温度与老化程度下的在线SOP估计。