基于無跡卡爾曼濾波的動力鋰電池SOC估計(jì)與實(shí)現(xiàn).pdf

1、隨著能源危機(jī)和環(huán)境污染的問題日益嚴(yán)重，各國政府對零排放和新能源的電動汽車的研發(fā)越來越重視。對電池狀態(tài)進(jìn)行控制和管理的電池管理系統(tǒng)是電動汽車發(fā)展需要突破的關(guān)鍵技術(shù)之一，準(zhǔn)確的電池荷電狀態(tài)(State Of Charge，SOC)估算是電池管理系統(tǒng)運(yùn)行的前提和關(guān)鍵，對電池使用壽命的提高和整車性能的提升都具有重要意義。為此本文開展動力鋰電池SOC的估計(jì)研究，主要內(nèi)容如下:
　　首先，介紹了鋰電池SOC估計(jì)的背景及意義，分析了SOC的估計(jì)

2、現(xiàn)狀、定義以及影響因素。在了解動力鋰電池的工作原理基礎(chǔ)上，考慮工程實(shí)現(xiàn)的難易以及數(shù)學(xué)算法可以彌補(bǔ)等效模型的精確性，選擇將內(nèi)阻等效電路模型作為鋰離子電池的動力模型，此后進(jìn)行開路電壓和SOC關(guān)系標(biāo)定以及內(nèi)阻辨識實(shí)驗(yàn)獲得電池模型參數(shù)并驗(yàn)證該模型能較好的模擬電池特性。
　　其次，由于電池等效模型的開路電壓與SOC關(guān)系是高度非線性的函數(shù)，無跡卡爾曼濾波算法相比擴(kuò)展卡爾曼濾波在解決非線性非高斯隨機(jī)系統(tǒng)的狀態(tài)問題有更好的估計(jì)精度。為此本文基于電

3、池的內(nèi)阻模型，采用基于無跡卡爾曼濾波算法實(shí)現(xiàn)非線性條件下鋰電池SOC的估算。該算法將電池模型的內(nèi)阻和SOC作為狀態(tài)參數(shù)，通過無跡變換來處理均值和協(xié)方差的非線性傳遞，在此基礎(chǔ)上采用卡爾曼濾波的框架，完成鋰電池SOC的估算的方法。通過對自定義充放電工況的SOC變化進(jìn)行了MATLAB估算仿真實(shí)驗(yàn)，結(jié)果證明無跡卡爾曼濾波在該模型下能很好估算電池SOC，同時彌補(bǔ)模型的誤差。
　　最后搭建系統(tǒng)硬件平臺，該平臺主要有STM32最小系統(tǒng)、充放電保