动力锂电池组状态估计策略及管理系统技术研究

交通领域的能源消耗加剧了全球的能源危机和环境污染,低能耗、绿色环保的电动汽车产业已成为全球交通能源转型的发展方向。锂离子电池具有比能量大、循环寿命长和无污染等优点,必将成为未来电动汽车动力系统的首选。如何提高复杂运行工况下动力锂电池组状态估计的精确性和电池管理的可靠性,已成为提升动力电池组性价比和保障电动汽车安全性能的关键,对电动汽车的应用推广具有重要意义。本文结合国家高技术研究发展计划项目(2009AA11A113),首先针对动力锂电池组进行了荷电状态(State-of-Charge, SOC)建模与估计策略、绝缘阻抗建模与估计算法方面的深入研究,然后结合状态估计研究成果设计了电池管理系统技术方案及其产品,主要工作和研究内容如下： 1、从实际工程问题出发,研究了SOC估计的鲁棒性问题。针对电流漂移噪声和系统参数扰动对SOC估计造成干扰的问题,将SOC和漂移电流值作为系统状态变量,基于组合模型重新构建了SOC估计的工作模型,并将无迹粒子滤波(Unscented Particle Filter, UPF)估计方法应用于该工作模型,实现了SOC和漂移电流的同步精确估计。该方法有效抑制了SOC估计模型在线性化过程中引入的模型误差,并增强了过程非高斯噪声和量测非高斯噪声的抑制作用。通过不同参数扰动下的实验仿真验证了该方法的鲁棒性,并与EKF SOC估计方法、UKF SOC估计方法进行了对比。 2、针对LiFePO4动力锂电池组充放电平台上电压相对SOC变化较小的特点,结合多源信息融合技术,提出了一种SOC估计信息融合架构。该方法首先对充放电过程进行特征提取和模式分类,然后针对特定的模式优化估计模型,在系统运行时根据特征匹配结果切换到适配的估计模型进行优化估计,同时在经验知识和模式分类的基础上融合整车信息、充电信息对电池组系统的关键参数进行在线估计和修正。相对于单一的估计模型,该算法能够对系统状态和参数进行更精确的估计,并且有效抑制了放电平台上SOC估计的抖动。应用实际运行数据进行仿真实验验证了该算法的有效性,并与单一组合模型下的算法进行了比较。 3、针对复杂工况下动力电池组系统与整车电底盘之间绝缘阻抗检测精度下降的问题,基于电池组的内阻模型重新构建了绝缘检测模型,并在该模型基础上提出一种可信度算法(Reliability Algorithm, RA)。该算法根据电池组总电压的变化区间实现检测数据集的可信度度量,并选择可信度最大的二元数据集来估计系统绝缘阻抗,最后使用滑动平均滤波对计算结果进行处理从而抑制量测噪声的影响。在电动汽车整车试验平台上进行的实验及数值仿真结果验证了所提算法的优越性。 4、从整车安全性和可靠性的角度出发,基于控制器局域网络(Controller Area Network, CAN)总线技术设计了动力锂电池组管理系统。管理系统通过电池管理单元对分布于整车各位置的电池模块的电压、温度等单体信息进行采集,然后通过内部CAN总线网络将采集信息上传到中央控制单元以实现电池组状态信息的估计、评价与决策,并结合整车CAN总线系统、充电CAN总线系统实现了电池组的智能充放电控制与功率优化；基于UCOS-Ⅱ实时嵌入式操作系统实现的应用程序设计与编程,确保了各中断和任务的实时响应性能,同时加快了开发和调试的进度。该系统具有良好的可扩展性、可配置性和可移植性,目前已商业化应用于十多款电动汽车产品。