現(xiàn)如今全球能源危機與日益嚴重的環(huán)境污染問題推動了電動汽車的發(fā)展,而我國是一個富煤缺油少氣的國家,伴隨著國內汽車保有量的逐年上升,電動汽車的研究也成為我國當下熱點之一。為了使電動汽車安全高效的運行,電池作為電動汽車核心,能對其進行有效管理的電池管理系統(tǒng)不可或缺。電池管理系統(tǒng)中荷電狀態(tài)的準確估算,既能夠防止電池過充過放,又能夠作為低電量限流閾值還能作為整車控制策略閾值。其中剩余壽命的預測,可以為用戶提供電池循環(huán)壽命的估計值,從而可以提出更換電池等建議。荷電狀態(tài)估計及剩余壽命預測對于電動汽車的安全性、可靠性等至關重要。因此本文主要就此開展研究。(1)簡要介紹并建立了所需模型。在荷電狀態(tài)估計過程中,通過模型精準性和復雜性的考慮,選擇二階等效電路模型。通過試驗獲得模型所需的開路電壓和荷電狀態(tài)關系曲線,并進行離線辨識得到模型參數(shù)中的電阻電容;在剩余壽命預測過程中,通過不同的擬合方式擬合電池核定容量衰減的數(shù)據(jù),由此建立了三種用于剩余壽命預測的電池老化模型。通過Adj R~2和均方根誤差兩個指標直觀顯示數(shù)據(jù)擬合效果。結果表明,集合模型的擬合效果最好,且集合模型對不同的鋰離子電池擬合的適用性和模擬的全局性明顯好于另外兩種模型。(2)選擇適合的算法可以更進一步提高荷電狀態(tài)估計精度。本文運用自適應無際卡爾曼算法進行了荷電狀態(tài)估計。通過兩種工況,用收斂速度和平均絕對誤差進行了估計結果的跟蹤精度、收斂時間和魯棒性的評價,并與擴展卡爾曼算法、無際卡爾曼算法和自適應擴展卡爾曼算法進行了比較。實驗結果表明,相比與其他三種算法,自適應無際卡爾曼算法具有更好的精度和更快的收斂速度。最后,在不同運行環(huán)境下進一步驗證了自適應無際卡爾曼算法的優(yōu)異的性能。(3)在不同鋰離子電池老化模型的基礎上,運用粒子濾波算法實時更新模型參數(shù)用于壽命預測。通過對比它們預測結果與實際測量值,得到了估計誤差。相比與其他兩種模型,本文所示的集合模型在整個電池壽命內具有更好的回歸特性,仿真結果表明,基于集合模型的估計誤差最小,預測效果最好。綜上,本論文針對鋰離子電池荷電狀態(tài)估計和剩余壽命預測方面取得了一定的進展,對今后的研究具有一定的工程指導意義。   

[關鍵詞]：

荷電狀態(tài)估計;卡爾曼濾波算法;剩余壽命預測;粒子濾波;老化模型

[文獻類型]： 碩士論文
[文獻出處]：

湘潭大學2021年

[格式]：PDF原版; EPUB自適應版(需下載客戶端)

相關知識

鋰離子電池荷電狀態(tài)估計及壽命預測方法研究
鋰離子電池壽命測試與健康狀態(tài)估計
動態(tài)工況下鋰離子動力電池荷電狀態(tài)估計和健康狀態(tài)預測
電動汽車鋰離子動力電池健康狀態(tài)估計方法研究.pdf
鋰離子電池安全狀態(tài)評估研究進展
電動汽車鋰離子電池健康狀態(tài)估計及容量衰退預測
鋰離子電池健康狀態(tài)估計方法
基于新健康因子的鋰電池健康狀態(tài)估計和剩余壽命預測
=退役鋰離子電池健康狀態(tài)評估方法【鉅大鋰電】
界面優(yōu)化提高鋰離子電池性能及鋰離子電池產(chǎn)業(yè)化過程技術研究

網(wǎng)址: 鋰離子電池荷電狀態(tài)估計及壽命預測方法研究 http://www.u1s5d6.cn/newsview1388222.html