admin
41078
2025-03-12
0 前言图片来源于网络,如有侵权,请联系删除
针对目前新能源汽车中广泛使用的锂离子动力电池,SOC是分析其在各种操作条件下的性能、确定电池性能随时间退化的重要参数。精确的SOC测量可以为准确地预测电池行为提供保障,使研究人员能够确定提高电池性能和延长电池寿命的方法。因此,研究和开发准确可靠的SOC估计方法对推动新能源汽车的发展和普及至关重要。图片来源于网络,如有侵权,请联系删除
新能源汽车动力电池的SOC估计是确保其安全和高效运行的关键因素。目前,常见的SOC估计方法包括安时(Ampere Hour,AH)积分法、基于电池等效模型的方法、基于电池试验数据等方法。如开路电压法、卡尔曼滤波、神经网络、粒子滤波和状态观测器等。这些算法各有优劣,根据应用场景的不同,研究人员选择适合的算法来提高动力电池SOC估计的精度和效率,从而确保电池的安全运行和最大化使用效率。图片来源于网络,如有侵权,请联系删除
1 研究动态
关于锂离子电池等效阻容模型参数辨识方法和电池荷电状态估计方法,多个研究团队都取得了不同研究进展。
李心月团队针对传统的安时积分法精度低的问题,提出了一种考虑电池容量和效率修正改进的安时积分法来估计电池的SOC。高进团队改进了传统安时积分法,放电初期使用开路电压法估计SOC,放电末期时,使用负载电压对SOC估计值在线校正。
周军团队提出了一种新方法来实现SOC的估计,使用带有遗忘因子的递推最小二乘方法在线获取电池模型参数,提出基于自适应扩展卡尔曼滤波器的在线SOC估计方法。结合不同的工况试验数据验证了此方法的鲁棒性和准确性。针对在非线性系统的突变状态跟踪时,传统无迹卡尔曼滤波跟踪误差较大的问题,郭向伟团队提出了使用自适应渐消无迹卡尔曼滤波(Adaptive Fading Unscented Kalman Filter,AFUKF)估计SOC。
另外还有其他团队研究了一种针对宽温度的荷电状态—开路电压映射改进方法,并且建立了基于支持向量机回归(Support Vector Regression,SVR)的开路电压模型,可以准确捕捉不同温度下电池的行为,提升了SOC估计的稳定性、鲁棒性和初始误差修正能力。
Estiko Rijanto等针对锂离子电池SOC和SOH的估算,提出了一种新的具有最佳多重自适应遗忘因子的递推最小二乘(RLS with Optimum Multiple Adaptive Forgetting Factors,MAFF-RLS)算法,并在城市道路循环工况下进行仿真验证,结果表明,电池模型参数辨识精度和电池荷电状态估计精度都得到了提升。
有外文文献提出采用等效电路模型和递推最小二乘算法的参数辨识,并通过各种电流条件下的试验进行了验证,结果表明提高了电池模型参数和端电压估计精度。
陈阳舟针对无迹卡尔曼滤波UKF算法估计锂电池荷电状态因精度低、稳定性差以及产生的Sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式电池荷电状态估计算法,使得算法的计算复杂度大大降低。
本文以18650型号磷酸铁锂电池作为研究对象,选用二阶RC等效模型,并利用MATLAB联合综合优化计算软件平台(First Optimization,1stOpt)软件进行二阶RC模型的离线阻容参数辨识,得到了不同SOC区段对应的阻容参数值,并对辨识结果进行了精度验证,最后通过放电实验测试数据,采用扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)算法来对不同工况下电池的SOC进行研究和估计。
2 动力电池建模
2.1 动力电池模型
如图1所示,二阶RC模型由内阻、电压源和两个RC环节串联而成,U1和U2分别代表电阻电容R1C1并联环和电阻电容R2C2并联环上的电压。I代表流经电池的电流,Ut为电池输出端电压。
图1 二阶RC等效电路模型
二阶RC模型的准确性和精度相较于内阻模型、戴维南(Thevenin)等效电路模型以及PNGV(Partnership for a New Generation of Vehicles)模型精度更高,复杂程度适中,而且目前应用也更广泛。三阶RC模型精度略有提高,但是更为复杂,应用不方便。综上所述,经过综合对比,本文选择二阶RC等效模型为研究对象。
2.2 二阶RC建模
经过一系列分析,本文通过MATLAB软件的仿真工具(Simulink)对二阶RC等效电路模型进行建模作为本章SOC估计的电路模型。
2.3 SOC-OCV曲线
在估计电池SOC时,SOC-OCV(State of Charge -Open Circuit Voltage,OCV-SOC)曲线的获取是一个非常关键的步骤,其不仅在电...