关键词：锂动力电池;;SOC估计;;电池模型误差;;扩展卡尔曼滤波;;H~∞滤波
摘 要：全球汽车产业高速发展,大量燃油车辆排放的汽车尾气所带来的能源短缺、环境污染等问题日益严重。电动汽车采用车载电池系统为动力源、电机驱动车辆行驶,具有节约能源、减少废弃物排放、噪音低等优点,有效解决全球面临的两大问题,具有非常广阔的发展前景。汽车向电动化发展,车载动力电池是电动汽车主要核心技术,为整车提供所需的全部功率和能量,为了将电池寿命最大化和保证汽车安全行驶,对其有效管理至关重要。其中,电池荷电状态(State-of-Charge,SOC)是电池管理系统(Battery Management System,BMS)中重要参数之一,如何快速准确地进行SOC的估计是目前研究的重点以及难点。本文针对电动汽车锂电池SOC的估算算法展开研究,并对锂电池组进行硬件和软件设计。(1)首先介绍了电池的工作原理,并对电池的特性进行了分析,目前锂离子动力电池具有自放电小、循环特性好、可快速充放电、能量效率高等优点,本文选用锂电池作为研究对象。又对常见的电池等效电路模型进行分析与比较,采用PNGV等效电路模型对电池SOC进行估算。(2)其次针对传统基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的SOC估计方法存在以下缺陷:需要建立精确的电池模型,且系统噪声要服从高斯白噪声。本文对该算法进行改进,提出了一种基于模型误差EKF-HIF算法的SOC联合估计方法。利用BP神经网络(Back Propagation Neural Network,BPNN)预测电池模型误差,并推导扩展卡尔曼滤波(EKF)和H~∞滤波(H Infinity Filter,HIF)算法流程,同时分析了两种算法之间的关系。根据模型误差选择不同算法,当模型误差较小时,采用EKF算法进行荷电状态估计;而当模型误差较大时,采用HIF算法进行荷电状态估计。(3)本文对单体磷酸铁锂电池进行HPPC测试实验,根据测试数据对电池模型参数进行辨识,通过最小二乘法拟合的方法可得到各参数与SOC的函数关系。然后对锂电池组进行硬件和软件设计,主要设计模块有DSP2812主控制电路,电流等参数采样电路,均衡控制电路,保护机制与报警电路,数据通讯电路等。(4)最后为了验证所建立电池模型的准确性以及提出的电池荷电状态联合估计方法的有效性,通过搭建Simulink仿真平台进行验证。在恒流、脉冲、变流三种不同工况下对电池放电,实验结果表明PNGV模型能够反应锂电池的动态状况;将基于EKF-HIF的SOC联合估计方法与传统基于EKF的SOC估计方法相比较,通过仿真验证了该联合算法有效消除由于较大模型误差和测量噪声而引入的SOC估计误差,表明所提方法具有较高的准确性和良好的收敛性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取