當前電動汽車相關技術飛速發(fā)展,電池荷電狀態(tài)(State of Charge,SOC)估算作為電動汽車動力電池管理系統(tǒng)的重要組成部分,受到國內外科研人員的廣泛關注。為解決現(xiàn)有電池SOC估算結果精度低和穩(wěn)定性差的問題,本文通過研究充電電壓曲線融合雙卡爾曼濾波的關鍵技術,以提高電池SOC估算精度和穩(wěn)定性。本文主要從LiFePO₄電池特性、電池等效模型搭建和參數(shù)辨識、電池SOC估算三個方面開展研究,并通過新威測試平臺對電池SOC估算方法的可靠性進行了驗證。首先,本文對LiFePO₄電池特性進行深入研究。探索了電池開路電壓與荷電狀態(tài)關系曲線求取方法,并對該關系曲線的特性進行分析,研究了電池靜置時間及誤差適應性對開路電壓法修正電池SOC初始值的影響。其次,參考電池外部非線性特征及實際可行性建立了LiFePO₄電池等效電路模型,對比離線和在線辨識參數(shù)結果,證明了模型參數(shù)在線辨識的必要性和卡爾曼濾波算法參數(shù)辨識的優(yōu)越性。以卡爾曼濾波算法為基礎,結合雙卡爾曼濾波聯(lián)合估算電池SOC,結果表明該方法估算誤差在3%以內,同時通過設定參數(shù)初始偏差...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景
    1.2 磷酸鐵鋰電池特征
    1.3 電池管理系統(tǒng)概況
    1.4 電池SOC估算研究現(xiàn)狀
    1.5 本文的研究內容
第二章 鋰離子電池特性分析
    2.1 開路電壓與荷電狀態(tài)曲線意義
        2.1.1 開路電壓及荷電狀態(tài)定義
        2.1.2 開路電壓與荷電狀態(tài)曲線意義
    2.2 開路電壓與荷電狀態(tài)曲線獲取方法討論
    2.3 開路電壓與荷電狀態(tài)曲線分析
    2.4 極化電壓分析
    2.5 本章小結
第三章 基于雙卡爾曼濾波聯(lián)合估算電池SOC
    3.1 電池模型建立
    3.2 模型參數(shù)離線辨識
    3.3 模型參數(shù)在線辨識
    3.4 雙卡爾曼濾波算法聯(lián)合估算
    3.5 參數(shù)誤差對估算結果影響分析
        3.5.1 初始SOC偏差
        3.5.2 初始參數(shù)值偏差
        3.5.3 電池容量偏差
    3.6 本章小結
第四章 基于充電電壓曲線融合卡爾曼濾波估算電池SOC
    4.1 電池管理系統(tǒng)采集信號分析
    4.2 信號噪聲對SOC估算的影響
    4.3 充電電壓曲線特性分析
    4.4 基于充電電壓曲線融合卡爾曼濾波估算電池SOC
    4.5 本章小結
第五章 總結和展望
    5.1 工作總結
    5.2 后期展望
參考文獻
致謝
攻讀學位期間參加的科研項目及學術成果



本文編號：3983521