电池管理系统荷电状态估计与均衡技术研究
这是一篇关于电池管理系统,荷电状态估计,扩展卡尔曼滤波,主动式均衡,双向反激变换器的论文, 主要内容为电动汽车中,电池管理系统(Battery Management System,BMS)作为连接动力电池与整车系统的纽带,在保证动力电池可靠运行,提升电动汽车安全性能与续航里程方面作用巨大,而电池荷电状态(State of Charge,SOC)估计精度低与电池不一致性问题成为制约BMS发展的瓶颈。本文以锂离子动力电池为研究对象,研究了基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的电池SOC估计方法,以及基于双向反激变换器均衡拓扑的主动式均衡方案,旨在提升BMS的估计精度和均衡效率。本文的主要工作如下:(1)开展了锂离子电池建模研究,为EKF算法提供了电池模型基础。采用二阶RC等效电路对电池进行建模,基于电池混合功率脉冲特性(Hybrid Pulse Power Characteristic,HPPC)测试数据完成电池模型参数的离线辨识。通过仿真验证了电池模型精度,仿真结果表明,模型参数辨识结果较为准确,该模型具有较高精度。(2)使用基于二阶RC模型的EKF算法估计电池SOC。开展了基于EKF算法的SOC估计仿真实验,结合电池测试数据,验证了EKF算法的估计性能。仿真结果表明,EKF算法具有较高的SOC估计精度。(3)开展了锂离子电池主动均衡系统研究。以电池组电压一致性为均衡目标,采用基于双向反激变换器的主动式均衡拓扑,结合所设计的充放电工况下的均衡策略,实现了电池组电压均衡。对均衡拓扑的工作模式、控制方法和电路参数进行了详细设计,并通过仿真验证了设计的合理性。(4)搭建了12节锂离子电池的BMS管理系统,开展SOC估计方法和主动均衡系统的实验研究。基于实验平台进行了SOC估计实验、均衡拓扑性能和均衡策略可行性验证实验。实验结果表明EKF算法的最大SOC估计误差小于5%,且主动均衡方案能够将电池组充放电结束时的电压极差分别控制在2m V和4m V。所研究的SOC估计方法及主动式均衡方案能够提高BMS的SOC估计精度和均衡效率。
高倍率锂电池荷电状态均衡策略研究
这是一篇关于磷酸铁锂电池,电化学模型,荷电状态估计,锂电池均衡的论文, 主要内容为磷酸铁锂电池在电动汽车、新能源发电、电磁弹射等高倍率应用领域具有很好的前景。在保证电池储能系统安全高效运行方面,电池管理系统具有重要作用,能够实现电池荷电状态估计、电池均衡、重要参数监控等功能。电池模型的准确性直接影响管理系统的性能,本文提出一种新型高倍率磷酸铁锂电池电化学模型,旨在解决磷酸铁锂电池等效电路缺乏物理意义、高倍率特性描述不准确等问题,进而进行SOC估计及均衡控制。首先,提出磷酸铁锂电池改进多粒子模型,通过分析磷酸铁锂电极材料的特殊导电性质,将磷酸铁锂粒子的两相性与多孔电极理论相结合,正极采用四种不同粒径的粒子建模,负极采用粒径相同的粒子建模,并对高倍率条件下液相锂离子浓度分布和液相电势分布做拟合近似求解,得出了电池的输入输出关系。其次,分析磷酸铁锂电池内部的锂离子转移机制,基于改进多粒子模型建立状态方程,采用降阶方法提升状态方程的可观测性,实现了磷酸铁锂电池荷电状态估计。为提升状态估计算法的实用性,在频域利用帕德近似将改进多粒子模型与等效电路模型等效,求出等效电路模型参数。为降低电压平台区对估计结果的影响,分析进入电压平台区的SOC变化特征,求取修正尺度因子,采用安时积分结果修正了自适应状态估计算法,最大误差仅为0.04,实现了锂电池SOC的准确估计。再次,提出一种基于SOC的磷酸铁锂电池主动均衡策略,对磷酸铁锂电池电压和SOC作为均衡变量进行了对比分析,证明基于SOC的均衡方法具有更高的可靠性。设计了磷酸铁锂电池组静态和动态SOC均衡策略,验证了所提SOC主动充电均衡策略的有效性,克服了电池单体容量不一致的“木桶效应”,各锂电池单体SOC差异仅为0.01,提高了电池容量利用率。最后,搭建了基于STM32F103控制芯片的磷酸铁锂电池组均衡实验平台,对硬件电路和软件程序进行详细设计,在恒流充放电工况下对提出的两种磷酸铁锂电池SOC估计算法进行了对比研究,在静态和动态恒流充电工况下对提出的SOC主动充电均衡策略进行了实验验证。
高倍率锂电池荷电状态均衡策略研究
这是一篇关于磷酸铁锂电池,电化学模型,荷电状态估计,锂电池均衡的论文, 主要内容为磷酸铁锂电池在电动汽车、新能源发电、电磁弹射等高倍率应用领域具有很好的前景。在保证电池储能系统安全高效运行方面,电池管理系统具有重要作用,能够实现电池荷电状态估计、电池均衡、重要参数监控等功能。电池模型的准确性直接影响管理系统的性能,本文提出一种新型高倍率磷酸铁锂电池电化学模型,旨在解决磷酸铁锂电池等效电路缺乏物理意义、高倍率特性描述不准确等问题,进而进行SOC估计及均衡控制。首先,提出磷酸铁锂电池改进多粒子模型,通过分析磷酸铁锂电极材料的特殊导电性质,将磷酸铁锂粒子的两相性与多孔电极理论相结合,正极采用四种不同粒径的粒子建模,负极采用粒径相同的粒子建模,并对高倍率条件下液相锂离子浓度分布和液相电势分布做拟合近似求解,得出了电池的输入输出关系。其次,分析磷酸铁锂电池内部的锂离子转移机制,基于改进多粒子模型建立状态方程,采用降阶方法提升状态方程的可观测性,实现了磷酸铁锂电池荷电状态估计。为提升状态估计算法的实用性,在频域利用帕德近似将改进多粒子模型与等效电路模型等效,求出等效电路模型参数。为降低电压平台区对估计结果的影响,分析进入电压平台区的SOC变化特征,求取修正尺度因子,采用安时积分结果修正了自适应状态估计算法,最大误差仅为0.04,实现了锂电池SOC的准确估计。再次,提出一种基于SOC的磷酸铁锂电池主动均衡策略,对磷酸铁锂电池电压和SOC作为均衡变量进行了对比分析,证明基于SOC的均衡方法具有更高的可靠性。设计了磷酸铁锂电池组静态和动态SOC均衡策略,验证了所提SOC主动充电均衡策略的有效性,克服了电池单体容量不一致的“木桶效应”,各锂电池单体SOC差异仅为0.01,提高了电池容量利用率。最后,搭建了基于STM32F103控制芯片的磷酸铁锂电池组均衡实验平台,对硬件电路和软件程序进行详细设计,在恒流充放电工况下对提出的两种磷酸铁锂电池SOC估计算法进行了对比研究,在静态和动态恒流充电工况下对提出的SOC主动充电均衡策略进行了实验验证。
电池管理系统及其荷电状态估计算法研究
这是一篇关于快速原型控制器,电池管理系统,等效电路模型,卡尔曼滤波,荷电状态估计的论文, 主要内容为随着全球能源危机日益严峻,环境污染问题日益突出,全球整车厂和零部件供应商将更多目光投注于新能源汽车产业。电池管理系统(Battery Management System,BMS)作为新能源汽车三电核心技术之一,有着较为重要的技术发展地位。BMS发展水平直接影响纯电动汽车性能与安全。传统BMS控制器开发流程开发周期长、代码编程复杂,科研工作者无法将工作重心放到算法开发工作。基于以上背景,本文以Simulink软件和RTW代码生成工具进行快速原型控制器的软件开发工作,对BMS控制策略进行开发验证。BMS的荷电状态(State of Charge,SOC)算法是其核心状态估计算法之一,本文对SOC算法进行Simulink仿真研究。本文将汽车行业V字型开发流程和规范应用于电池管理系统功能开发中,完成了BMS的快速原型控制器软件开发与部分功能验证。通过将双极化(Dual Polarization,DP)等效模型与带遗忘因子递推最小二乘(Forgetting Factor Least Recursive Square,FFRLS)在线参数辨识算法和自适应扩展卡尔曼滤波(Adaptive Extended Kalman Filter,AEKF)算法结合,完成对BMS的SOC估计算法仿真研究。本文主要完成了以下工作:(1)对BMS系统架构选型,针对集成式系统架构与分布式系统架构特点,选择分布式系统架构作为本文BMS系统架构。基于BMS使用需求对BMS进行功能需求定义,在Simulink中对BMS软件进行应用层控制策略开发。(2)搭建DP等效电路仿真模型,利用FFRLS在线参数辨识算法对DP模型进行参数辨识,采用HPPC、UUDS、US06实验数据,通过DP模型端电压仿真结果验证电池模型仿真精度。(3)采用AEKF算法与FFRLS算法结合仿真估算SOC值,提高了SOC估算精度和鲁棒性,满足了BMS的SOC估算精度要求。(4)对BMS软件各模块功能进行策略模型测试验证,通过对电池箱体结构设计和电池模组连接方式设计以及高低压回路电气元件选型安装完成对电池箱硬件测试平台的搭建。通过标定实验对BMS软件进行功能验证,将应用层软件通过RTW生成嵌入式C代码,借助CCP标定协议以及Me Ca测量标定上位机工具,搭建了测量标定实验系统,对软件的各功能模块进行硬件标定验证与观测。
动力锂电池荷电状态估计研究
这是一篇关于荷电状态估计,极限学习机,灰狼优化算法,分数阶等效电路模型,无迹卡尔曼滤波算法的论文, 主要内容为随着能源和环保问题的日益突出,电动汽车以其低噪音和零排放等优点而受到全社会的广泛关注和深入研究。作为电动汽车的核心部件之一,锂离子动力电池由于其具有能量密度高、安全性能好的优势而成为当前电动汽车的主流动力源。电池荷电状态(State of charge,SOC)是表征锂电池剩余电量的参数,也是电池管理系统中最重要的性能指标之一。本文概述了当前动力电池的发展现状及其电池管理系统的关键技术,进一步归纳了锂电池建模和SOC估算方法的国内外研究现状及其特点。围绕锂电池SOC估计方法的核心---电池建模和估算方法两方面进行了研究讨论,主要研究工作如下:首先,并根据电池性能测试实验平台设计了电池单体测试流程,进行恒流放电工况、脉冲放电工况以及动态模拟工况下的测试。为了提高电池SOC的估计精度,提出一种基于改进灰狼算法(IGWO)优化极限学习机(ELM)的锂电池SOC估计方法。通过引入Tent混沌映射、收敛因子非线性递减和高斯变异算子和贪婪选择策略,构建一种具有良好全局寻优性能的改进灰狼算法,并利用该算法优化极限学习机的隐层参数,建立起基于IGWO优化ELM的锂电池SOC估计模型;并将仿真实验数据,以及实际实验数据应用于该模型,进行锂电池SOC估计,结果表明该SOC估计模型具有较高的估计精度和可靠性能。动力锂电池是一个复杂的电化学系统,传统整数阶电池模型无法准确表征系统的动态特性。基于电池电化学阻抗谱和分数阶微积分理论,依据二阶RC等效电路模型结构,建立动力电池分数阶RC等效电路模型,并采用灰狼算法进行模型参数辨识。基于该分数阶模型设计分数阶无迹卡尔曼滤波器用于估计动力电池SOC,并与UKF滤波算法进行比较。通过多种动态工况下实验验证,结果表明所提出的分数阶电池模型在不同工况下均保持较高的精度,具有很好的鲁棒性。同时,基于分数阶模型的FUKF估计算法在多种工况下都具有较高的SOC估算精度,且比基于整数阶模型的估计精度更高。在FUKF的基础上,提出一种ELM网络和FUKF相结合的动力锂电池SOC估计方法。将FUKF算法迭代过程中的估计误差作为ELM网络的输出,卡尔曼滤波增益、状态估计误差和端电压预测误差作为输入,离线训练ELM网络,然后将训练成功的ELM网络用于补偿FUKF算法的估计误差。通过电池动态工况实验数据验证,结果表明,与ELM模型和FUKF算法相比,所提出的基于ELM-FUKF的SOC估计方法具有良好的鲁棒性能,能有效提高电池SOC估计精度。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈 ，原文地址：https://bishedaima.com/lunwen/55490.html
