电动汽车用锂离子电池SOC估算方法研究

随着环境污染问题的日益严重,以及传统化石能源的日益短缺,全世界各国都非常重视电动汽车的发展,电动汽车三电系统等关键零部件的设计和制造也成为了研究重点。电池荷电状态(SOC)是电动汽车电池管理系统中一个极其重要的评价指标,SOC作为电池的一个内在参数,获得精确的SOC值是非常困难的。而动力电池作为电动汽车的动力源,准确估计SOC对防止电池过充、过放以及延长电池的使用寿命具有非常重要的意义。本文以18650锂离子电池为研究对象,开展了锂离子电池SOC估算方法的研究,为实现电池管理系统SOC精确估算提供参考,论文的主要工作如下:(1)结合实验数据对锂离子电池的电压特性、内阻特性、循环寿命以及容量特性进行了研究,并分析了放电倍率、温度、自放电和电池老化这四种因素对锂离子电池SOC的影响,揭示了锂离子电池SOC估算不准确的原因。(2)利用仿真和实验验证相结合的研究方法,设计了静态容量测试实验、OCV-SOC快速标定实验和DST动态压力测试实验,根据实验数据采用递推最小二乘法对戴维南电池模型参数进行了参数辨识并进行了模型验证。结果表明,电池模型仿真结果与实验数据之间的平均相对误差很小,该电池模型能够很好的反应锂离子电池的工作特性。(3)提出了基于容积卡尔曼滤波(CKF)的SOC估算算法,建立了电池模型状态方程和测量方程,并利用DST实验数据对扩展卡尔曼滤波(EKF)算法、无迹卡尔曼滤波(UKF)算法和CKF算法进行了SOC估算仿真对比。结果表明,CKF算法在执行时间较EKF算法增加不多的情况下估算SOC的误差最小,精度最高。(4)对CKF进行了优化,提出了基于自适应平方根容积卡尔曼滤波(ASRCKF)的SOC估算算法,将平方根滤波引入CKF,同时引入基于电池模型输出电压残差序列的协方差匹配思想对过程及测量噪声协方差矩阵进行自适应估计,利用DST和UDDS实验数据对CKF算法和ASRCKF算法进行了仿真对比。结果表明,ASRCKF算法比CKF算法更稳定,精度更高,收敛性更好。