磷酸铁锂动力电池荷电状态估算方法的研究

在当今节能减排和低碳社会的国际化背景下，电动汽车作为一种清洁的耗能产品已经成为当前研究的热点课题。电池作为电动汽车的动力源直接制约着电动汽车的发展。磷酸铁锂动力电池具有使用安全、比功率大、循环寿命长、绿色环保等优点，因此成为电动汽车动力源的最佳选择。电池剩余容量（State of Charge,SOC）的准确估算是提高电池使用效率、增加电池寿命的前提，也是电池管理系统研究的重点和难点。为了能准确估算电池的SOC，论文主要做了以下工作： 论文从磷酸铁锂电池的原理和工作特性入手，分析了电池的电压、内阻、容量特性和电池容量的各种影响因素。在此基础上针对传统SOC定义不能适应动态工况，且根据此定义获取的SOC-OCV关系曲线不能适用于电池的整个循环寿命阶段的局限性，使用了动态SOC的定义，并用实验证明了动态SOC定义的准确性。 在相同的SOC点，不同的静置时间下得到的电池开路电压（Open CircuitVoltage, OCV）不同，而且如果电池的静置时间不够长，电池电压的滞后现象不会完全消失，因此会产生充电条件下的SOC-OCV关系曲线和放电条件下的SOC-OCV关系曲线不重合的现象。如果不考虑静置时间的影响将会造成较大的SOC估算误差，针对这种情况，论文使用了考虑静置时间的SOC-OCV关系，从而可以实现任意静置时间下电池SOC的快速、准确校正。 扩展卡尔曼滤波算法（Extended Kalman Filter, EKF）估算的准确性依赖于电池模型的准确性，论文在分析比较不同电池模型基础上，选择了二阶RC模型作为论文的等效电路模型，该模型具有普遍的适用性，改变模型参数可以适用于多种电池。论文利用改进的混合脉冲实验来计算电池模型的参数，并通过仿真和实验的对比证明了二阶RC模型的准确性。在对电池进行SOC估算时，论文使用了扩展卡尔曼滤波和开路电压法、安时积分法结合的方法，并对该方法做了进一步的研究，且通过仿真验证了该方法的可行性和准确性。 了解电池的工作特性，进行电池模型的参数辨识需要以大量的前期实验分析为基础。论文根据实验要求，搭建了能满足实验需要的电池实验平台，该实验平台也可看作一个简单的电池管理系统。在此电池平台基础上，论文进行了扩展卡尔曼滤波算法的软件设计，并用实车循环行驶实验验证了算法能较好的跟踪估算电池的SOC。