電動汽車動力鋰電池組參數(shù)估計研究.pdf

1、隨著能源的使用速度越來越快，特別是石油資源的枯竭已經(jīng)可以預(yù)期了。新能源汽車，特別是電動汽車的發(fā)展引起了人們越來越多的關(guān)注，新能源汽車的使用不止可以緩解能源危機，由于它的幾乎零污染的特性，對環(huán)境保護的重要性也不言而喻。而作為電動汽車的心臟，動力電池組和它的電池管理系統(tǒng)(batterymanagement system，BMS)也就自然而然地成為了最近這些年的研究熱點，其中的電池組荷電狀態(tài)（State of Charge，SOC）以及健康狀

2、態(tài)(State of Health，SOH)的估計更是研究中的重點。
　　本文我們首先介紹了新能源汽車的基本概況，分析了BMS在電動汽車中功能、BMS在國內(nèi)外的發(fā)展概況和發(fā)展趨勢，說明了它在電動汽車中的關(guān)鍵作用，然后我們重點對電池管理系統(tǒng)中的SOC估計進行了研究，先介紹了電動汽車發(fā)展至今所涌現(xiàn)出來的若干動力電池的SOC估計方法，對這些方法的優(yōu)缺點都進行了分析，最后我們分析得到卡爾曼濾波算法在SOC中的應(yīng)用，使得這項研究取得跨越式的

3、發(fā)展，讓電動汽車在行駛過程中的動態(tài)參數(shù)估計成為可能，但是隨著研究的深入，卡爾曼濾波算法的一些缺點也暴露了出來。進一步引入了對卡爾曼濾波算法的改進以及雙重擴展卡爾曼濾波算法(Dual EKF)的運用，解決了卡爾曼濾波算法不能同時預(yù)測系統(tǒng)的狀態(tài)和其內(nèi)部參數(shù)的缺點，提高了SOC估計的精確性和靈活性。
　　然后我們分析了各種因素對于電池組性能的影響，例如，電池內(nèi)阻的動態(tài)變化、電池組中各電池單元的不一致性、電池組所處的環(huán)境溫度以及電池組的老