電動汽車動力電池關(guān)鍵狀態(tài)參數(shù)估算建模和實現(xiàn).pdf

1、隨著環(huán)境污染的壓力日益增大，電動汽車作為新能源的后起之秀代表著汽車行業(yè)節(jié)能、環(huán)保的發(fā)展方向。動力電池作為純電動汽車的核心零部件，它的各項關(guān)鍵參數(shù)都對其自身的發(fā)展有著不可磨滅的作用。本文是對純電動汽車用的三元材料鋰電池的關(guān)鍵狀態(tài)參數(shù)進(jìn)行相關(guān)估計，其中對動力電池關(guān)鍵參數(shù)估計所做的工作主要有以下幾個方面：
　?。?）系統(tǒng)剖析了動力電池的電化學(xué)模型和等效電路模型的優(yōu)勢及不足之處。根據(jù)實際需求選定戴維南等效電路模型作為本課題使用的動力電池模

2、型。在戴維南等效電路模型的基礎(chǔ)上完成了模型參數(shù)的辨識，并得到了這些模型參數(shù)與SOC的擬合曲線及多項式函數(shù)關(guān)系。利用模型參數(shù)與SOC的多項式函數(shù)對戴維南等效電路模型進(jìn)行建模，對模型在1C恒流放電及HPPC循環(huán)試驗下進(jìn)行仿真和分析，驗證戴維南等效電路模型的可行性及精度。
　?。?）詳細(xì)分析了擴展卡爾曼濾波算法的原理，并在一階戴維南等效電路模型的基礎(chǔ)上來實現(xiàn)該算法對SOC的估算。對SOC估算算法在MATLAB平臺中進(jìn)行建模仿真，檢驗了算

3、法模型在不同充放電電流情況下的SOC估算精度。由于采用卡爾曼濾波算法進(jìn)行SOC估算會有龐大的浮點運算，為提高算法的運行效率對算法進(jìn)行了改進(jìn)，將浮點型算法進(jìn)行定點化處理并搭建定點模型，有效提升了算法的運行效率。
　?。?）總結(jié)了動力電池在標(biāo)準(zhǔn)充電規(guī)程時電壓曲線的特點，利用充電電壓曲線的特點建立自適應(yīng)的電壓曲線模型，在該模型的基礎(chǔ)上選取了3個修正系數(shù)對電壓曲線進(jìn)行修正。完成該模型下的模型參數(shù)辨識，并對自適應(yīng)的電壓曲線法進(jìn)行了建模仿真以

4、及定點化處理，檢驗了該算法對SOH估計的實際可行性。
　　（4）搭建SOC參數(shù)測試環(huán)境，將SOC的定點化模型進(jìn)行自動代碼生成并下載到對應(yīng)的 MCU當(dāng)中。定點化模型所生成的代碼大大提高了算法的運行效率，降低了卡爾曼濾波算法對硬件的要求，最后在不同工況下對SOC估計的精度進(jìn)行實際驗證。在實際1C恒流放電工況和1C恒流充電工況中，頂層 BMU的 SOC估算能夠快速收斂到真實值附近，最大誤差保持在5％以內(nèi)具有較好的精度。在模擬電動汽車實際