基于無跡卡爾曼濾波的動力鋰電池SOC估計與實現(xiàn).pdf

1、隨著能源危機和環(huán)境污染的問題日益嚴重，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，準確的電池荷電狀態(tài)(State Of Charge，SOC)估算是電池管理系統(tǒng)運行的前提和關(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的估計研究，主要內(nèi)容如下:
　　首先，介紹了鋰電池SOC估計的背景及意義，分析了SOC的估計

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，考慮工程實現(xiàn)的難易以及數(shù)學(xué)算法可以彌補等效模型的精確性，選擇將內(nèi)阻等效電路模型作為鋰離子電池的動力模型，此后進行開路電壓和SOC關(guān)系標定以及內(nèi)阻辨識實驗獲得電池模型參數(shù)并驗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展卡爾曼濾波在解決非線性非高斯隨機系統(tǒng)的狀態(tài)問題有更好的估計精度。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變化進行了MATLAB估算仿真實驗，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