论文部分内容阅读
锂离子电池因其较高的能量密度,较长的使用循环寿命以及无记忆特性,成为能量储存系统的主要角色。对于电动汽车为了满足各种循环工况,要求动力源由许多单体电池以串并联或更为复杂的方式组成。为了确保电动汽车电池在运行过程中的安全性,电池管理系统被用来估计及监控电池运行,其最主要的任务是对电池当前的状态进行估计,通常包括电池剩余电量估计及电池健康状态估计,本文主要研究电池组电池剩余电量估计。电池剩余电量不仅反映出从当前状态开始汽车可以运行多久,还可以计算出充电过程中,电池充满电所需要的时间。精确的电池组剩余电量估计,可以防止电池过放过充现象的产生,保护电池、有效的实现控制策略、延长电池的寿命。相比单体电池的剩余电量估计,因为电池组包含许多单体电池,而且各个电池之间电压容量不能保证一致,因此对于电池组剩余电量的定义相当复杂。对于电池组剩余电量估计要满足两方面的要求,首先电池组剩余电量估计值要能反映出电池组整体的可使用容量,其次该估计值在运行过程中不会出现跳变,要有较好的用户体验。本文首先基于自适应扩展卡尔曼滤波算法估计单个单体的电池剩余电量,然后提出了电池组剩余电量估计算法。为了将估计算法应用于电动汽车中,首先在保证精度且计算方便的情况下,一阶等效电路模型被用于电池单体建模,应用遗传算法的方式来辨识电池一阶等效电路模型中各个参数值,然后自适应算法用于估计单体电池的剩余电量。另外,对于电池组剩余电量估计分为两个部分。首先将电池管理系统所采集的单体电池电压进行由高到低排序,选择其中最高及最低电压用自适应扩展卡尔曼滤波进行估计剩余电量,其次将所估计的两个剩余电量,作为电池组剩余电量估计的输入值,在所设计的电池组估计算法中进行分析,通过调整权重因子,最终输出电池组剩余电量值。最后将所实际的电池组剩余电量估计算法用于电动汽车,验证结果表明该算法可以有效地防止电池组出现过充过放,并保证较好的用户体验。