基于扩展卡尔曼滤波的锂电池SOC估计及仿真建模分析

目录

摘 要...................................................................................... 2

第一章 绪论........................................................................ 5

1.1  研究课题背景....................................................... 5

1.2  国内外发展概况................................................... 6

1.3  课题的研究意义................................................... 7

1.4  课题的研究内容及章节安排............................... 7

第二章 锂电池特性及SOC估算方法.............................. 8

2.1  常用动力蓄电池比较........................................... 9

2.2  磷酸铁锂电池工作原理..................................... 10

2.3  SOC 的定义....................................................... 11

2.4  SOC 的影响因素............................................... 11

2.5  常用的 SOC 估计方法..................................... 12

2.5.1  直接测量法...................................................... 12

2.5.2  数据驱动法...................................................... 13

2.5.3  模型基础法...................................................... 15

2.4  小结..................................................................... 17

第三章 基于扩展卡尔曼滤波算法的SOC估计............ 17

3.1  SOC估计方法选择............................................ 18

3.2  卡尔曼滤波算法................................................. 20

3.3  等效电路模型..................................................... 22

3.4  本章小结............................................................. 22

第四章 扩展卡尔曼滤波锂电池SOC估计建模仿真.... 23

4.1  引言..................................................................... 23

4.2  扩展卡尔曼滤波锂电池SOC估计模型........... 23

4.3  仿真结果分析..................................................... 28

4.4  总结..................................................................... 30

第五章 总结...................................................................... 30

参考文献............................................................................ 32

致    谢............................................................................ 32

摘 要

由于国内人民生活水平的提高，科技不断地进步，控制不断地完善，不可再生能源消耗严重，甚至殆尽，从而促使新能源汽车及锂电池成为行业的主导，各国政府都在积极推动交通工具驱动系统的改变。其中，电动汽车是一种有效手段。电动汽车中，动力电池是能够影响电动汽车性能的重要因素之一。电池能量的储存与释放通过电池内部的化学反应完成。电池管理系统(Battery Management System, BMS)主要承担监测、管理动力电池的任务，对电池工作状态的监测尤为重要。电动汽车 BMS 的主要任务包括电池荷电状态(State of Charge, SOC)的估计，准确的 SOC 估计是电动汽车安全、有效行驶的前提。锂电池技术成为现阶段一处亮丽的风景线，由于其拥有成熟的开发技术，成本相对较小，几乎无污染的优势，使得在新能源电池行业具有很高的前景，成为世界各国关注的焦点。同时，因为动力电池受外界环境的影响，存在可变性、随机性以及不可控制性较强，因此能够准确估计锂电池SOC值至关重要。

电动汽车的电池管理系统的需要准确了解当前电池组的荷电状态（state of charge，SOC）。电池管理系统中的均衡系统以及安全管理系统，都需要使用SOC值判断电池状态以及进行控制策略的设计。而磷酸铁锂电池由于本身特性，其过放电会导致电池产生不可逆转的损伤，过充电会导致电池过热甚至爆炸，因而对电池管理系统提出了更多的要求。但如何准确测量工况下的磷酸铁锂电池的SOC仍然是世界性难题。

在RC模型基础上，本文中实现了扩展卡尔曼滤波SOC估计算法设计，证明该算法在SOC估计系统中的有效性，并分析其在不同工况下表现的差距，提出了目前所使用的经典扩展卡尔曼滤波算法的局限性与不足。

关键词：锂电池；SOC估计；卡尔曼滤波

Abstract

Due to the improvement of domestic people's living standards, continuous progress of science and technology, continuous improvement of control, non-renewable energy consumption is serious, even almost exhausted, which makes new energy vehicles and lithium batteries become the leading industry, governments of all countries are actively promoting the change of vehicle drive system.Among them, electric vehicle is an effective means.In electric vehicle, power battery is one of the important factors that can affect the performance of electric vehicle.Battery energy is stored and released through chemical reactions inside the battery.Battery Management System (BMS) is mainly responsible for the monitoring and Management of power batteries, especially for the monitoring of Battery working state.The main task of electric vehicle BMS includes the estimation of the State of Charge (SOC) of the battery. Accurate SOC estimation is the premise for the safe and efficient driving of electric vehicles.Lithium battery technology has become a beautiful landscape at the present stage. Because of its mature development technology, relatively small cost and almost pollution-free advantages, it has a very high prospect in the new energy battery industry and has become the focus of attention from all countries in the world.At the same time, because the power battery is affected by the external environment, it has strong variability, randomness and uncontrollability, so it is very important to accurately estimate the SOC value of lithium battery.

The battery management system of electric vehicles needs to accurately understand the current state of charge (SOC) of the battery pack.The equilibrium system and the safety management system in the battery management system need to use the SOC value to judge the battery state and design the control strategy.However, due to the characteristics of lithium-iron phosphate battery, its overdischarge will lead to irreversible damage to the battery, and overcharging will lead to overheating and even explosion of the battery, thus putting forward more requirements to the battery management system.But how to accurately measure the SOC of lithium iron phosphate batteries under working conditions is still a worldwide problem.

Based on the second-order RC model, this paper designs the Extended Kalman Filter SOC estimation algorithm in the physical equipment, proves the effectiveness of the algorithm in the SOC estimation system, analyzes the performance gap under different working conditions, and puts forward the limitations and deficiencies of the classical Extended Kalman Filter algorithm currently used.

Key words: Lithium batteries；SOC estimation；Kalman filter

第一章 绪论

1.1  研究课题背景

在国家的大力扶持下，新能源汽车的技术蓬勃发展，一线城市新能源汽车的销量也突飞猛进。由于纯电动汽车具有噪声低、污染小、结构简单、易于维护等优点，逐渐成为新能源汽车发展的主要方向。但是电动汽车的动力电池目前尚未达到理想状态，车辆的续航能力和动力都无法与传统汽车相比。因此，制约电动汽车发展的关键技术在于动力电池。同时随着国内外科学技术和社会的发展进步，新如今家家户户都开始买电动汽车，对动力电池的研究成为当今时代特别的景观。然而，由于社会动力电池需求急剧增加，动力电池SOC估计越来越受人们的关注。动力电池为汽车的行驶提供动力，是电动汽车发展必不可少的物质条件。人类文明诞生以来，能源短缺问题一直是社会发展过程中不可回避的问题，随着社会的进步，这一问题越来越受到越来越多人的关注。从英国的工业革命幵始到世纪的电子产业革命，社会的每一次高速发展和腾飞都离不开充足能源的持续供应[1]。作为二十一世纪的我们，对新能源汽车动力电池行业有自己独特的见解和好奇心，更希望能够探索动力电池SOC估计等研究方向，为其尽一份自己的绵薄之力。但是伴随着人们的生活条件和经济水平不断改善，社会对动力电池电荷估计的准确性要求也在急剧增加，特别是大中及沿海城市，新能源汽车比较普遍的地方。

近年来，由于不可再生燃料化石燃料如石油等资源正在不断地好之殆尽，同时致使全球环境严重污染，生态平衡严重失调，给世界各国人民带来了极大的威胁。近几年，环保问题逐渐被人们重视起来，如全球气温上升、大气污染等。值得高兴的是，随着科学技术和控制技术的不断革新，动力电池不管是在功能上还是在技术上都得到了前所未有的的发展和提高，逐渐变成当今社会人们必不可缺的日常工具，从而改善了人们的生活方式。

现在我国的动力电池SOC估计的技术已经得到了前所未有的进步，SOC估计的智能化越来越好，性能也趋向完美，以目前的技术来达到对动力电池SOC估计是完全可以实现的，随着国外动力电池SOC估计性能上的提高，而且性价比很高，不需用花费很大的成本[2]。随着控制技术的发展和SOC估计技术的革新，动力电池的性能和功能越来越智能化，我们要逐步实现动力电池SOC估计的精准化是当今社会的发展方向，引领动力电池新的航向。

但是由于SOC不能够通过仪器直接测量得到，并且由于电池工作条件的复杂多变性，以及电池电压和电流均呈现非线性变化，准确的估算SOC显得极为重要。然而目前工业上使用的SOC估算算法无论是精度还是实用性都有待提高，因此研究一套准确实用的SOC估算算法对延长电池寿命和促进电动汽车发展都显得极为重要。本文基于实验数据建立锂电池的等效电路模型，通过对卡尔曼滤波算法的进一步改进提出一种新型的SOC估算算法，该算法不仅大幅度提升了SOC的估算精度，而且计算简单，方便实用[3]。

1.2  国内外发展概况

据估计，全世界掌握动力电池SOC估计核心算法的有很多，世界各国都针对不同类型的动力电池核心技术展开相应的研究。二十世纪以来，由于中东石油战争，引发了全球的石油危机，以及环境保护相关政策的要求，新能源动力电池才得以迅速发展。在充电设备充足的地区，新能源汽车已经占到汽车销售总量的百分之五十以上[4]。现如今，动力电池SOC估计技术不断创新，准确度更高、对环境影响更小，从而逐渐被一些国家新能源行业所重视。

最近几年的时间里，动力电池技术，特别是SOC估算技术得到全面的发展，做动力电池的公司数量也越来越多，逐渐迎来了一个新的高潮。根据全球新能源理事会发布的全球全球动力电池发展统计数据显示，在过去的五年全球动力电池市场规模扩大了几乎五倍左右。中国的新增产量和总装量排在世界第一位，，创造了新的纪录。

由于电池内部电化学反应极为复杂，而且影响SOC的因素又多，所以如何估计电池SOC的准确值，就成为了限制电池管理系统发展的障碍。

完整版论文及建模仿真请点击如下链接下载：

https://download.csdn.net/download/weixin_45905610/80134989