基于優(yōu)化ICDKF的動力電池SOC估算研究.pdf

1、近些年來電動汽車作為節(jié)能環(huán)保的代表，引起了越來越多國家的重視。作為電動汽車能量源的電池，其發(fā)展直接制約著電動汽車的發(fā)展。因此，越來越多的汽車廠家和學者專注于電池管理系統(tǒng)（Battery Management System，BMS）的研發(fā)，而在BMS中電池的電荷狀態(tài)（State of Charge，SOC）代表著汽車的續(xù)航里程，是一個極為重要卻又難以估算的參數(shù)，如何對動力電池的SOC進行準確的估計是電池領域、乃至整個電動汽車領域的重點和難

2、點。
　　針對這一現(xiàn)狀，本文圍繞車用動力鋰離子電池的SOC估算展開研究，搭建了二階RC電池模型，并設計了相應的SOC估算算法，保障了動力鋰電池SOC估算的精度和穩(wěn)定性，同時對算法模型進行定點化處理，以滿足工程應用的要求。
　　首先，從動力鋰電池的SOC性能入手，在相關試驗的基礎上，分析溫度和充放電倍率對電池SOC性能的影響。結(jié)合實際需求建立二階RC等效電路模型，在不同溫度、充放電倍率下對多個SOC點進行混合動力脈沖能力特性（

3、Hybrid Pulse Power Characteristic，HPPC）試驗，利用試驗數(shù)據(jù)擬合電池模型的參數(shù)。在MATLAB中建立電池模型，通過仿真驗證電池模型的精度。
　　其次，在二階RC電池模型的基礎上，分別使用擴展卡爾曼濾波（Extended Kalman Filter，EKF）和中心差分卡爾曼濾波（Central Difference Kalman Filter，CDFK）估算電池的SOC。從理論分析和仿真結(jié)果兩個方

4、面證明了CDKF算法對SOC的估算效果優(yōu)于EKF。另外，為進一步減小CDKF算法的線性化誤差，本文提出優(yōu)化迭代中心差分卡爾曼濾波（Iterative Central Difference Kalman Filter，ICDFK），在CDKF算法的觀測信息更新過程中加入了迭代的思想，并在迭代過程中進行Levenberg-Marquardt優(yōu)化，大大提高了算法的估算精度及穩(wěn)定性。
　　再次，為了提高算法在單片機中的運行效率，節(jié)約工程上