基于无迹变换强跟踪滤波的锂离子电池SOC估计开题报告

 2020-02-10 10:02
1.目的及意义(含国内外的研究现状分析)


目的及意义

为了解决制约汽车产业发展的能源和环保问题,欧洲很多国家和中国先后表态将在不久的将来全面禁售燃油车,并为淘汰燃油车定下明确时间表以及时间规划。主要汽车生产国已将发展电动汽车上升为较高的国家战略,并为其制定了较为细致的研究计划。作为电动汽车的心脏,动力电池的性能直接决定了电动汽车的动力性与续航性能。动力电池及与之匹配的电池管理系统的开发是电动汽车的核心技术,而锂离子电池以其比能量高,自放电率低,无记忆效应和高循环次数等优点成为电动汽车动力电池的首选。

电池SOC是描述蓄电池剩余电量的重要参数,对于蓄电池应用系统意义重大。有电池的SOC作为参考,操作人员便能了解当前蓄电池的剩余容量,以及当前负载下可继续运行的时间或里程;此外,操作人员还可根据当前SOC对电池负载进行权衡、选择及调整,并做出科学合理的决策,这样就可以在保证电池正常工作的同时,最大限度地发挥电池的工作性能。相反,如果没有SOC状态作为参考或者SOC估算误差过大,则很容易对电池本身以及整个用电系统乃至操作人员造成危害。SOC估计是电池管理系统的关键技术之一,精确的估算动力电池SOC可显著地提高电池工作效率,延长其使用寿命,保证其安全可靠运行,为整车能量管理提供依据等。因此,电池的SOC值估算的精确与否对汽车的续航有着关键意义,本文将会提出一个较为可靠的SOC的估算方法。

国内外研究现状

总体来说,国内外关于电池的SOC估计方法大致可分为以下几种:安时积分法,开路电压法,智能估算法和基于模型的估算法。安时积分法是目前电池管理系统上应用较广泛的一种SOC估算方法。该方法通过电流积分来计算剩余电量,简单且易于实现,然而该方法需要精确的初始 SOC值,而且会由于电流漂移的影响而不断累积积分过程的误差。开路电压法则是基于开路电压和SOC之间的关系来估算 SOC,但由于开路电压测试需要将电池静置一段时间,因此该方法不适合SOC的实时在线估计。智能算法如人工神经网络,模糊逻辑和支持向量机也已被用于估计电池SOC,该类方法通过训练大量历史数据进行电池SOC估计,可用于所有类型的电池SOC估计,其估计精度主要依赖于训练数据的数量与质量,同样不利于SOC的在线实时估计。基于模型的估算方法具有在线估计与自修正等特点,成为目前学术界和工业界研究的热点。该类方法基于电池等效电路模型或电化学模型建立电池的状态空间方程,将电流作为输入,终端电压作为输出,SOC等其他参数作为状态变量,再使用滤波器或观测器来估算或修正状态变量。

目前应用较广泛的滤波算法为卡尔曼滤波算法,国内外学者已提出了多种以卡尔曼滤波算法为基础的锂离子电池SOC估计方法:于仲安等采用基于联合扩展卡尔曼滤波法进行锂电池估算,实验结果表明该方法可以有效抑制电流漂移噪声,也可以有效提高计算精度[1]。刘胜永等则是运用基于自适应无迹卡尔曼滤波法,发现了该方法比传统的卡尔曼滤波法更接近于理论值,并能够解决因固定噪声带来的误差问题[2]。魏克新等人同样使用该算法进行了锂离子动力电池状态的估计,产生了同样的效果,同时该方法还能准确地估计出电池的欧姆内阻[3]。罗玉涛等人则是提出了一种扩展卡尔曼滤波与安时积分的组合算法进行了参数识别,通过实验结果表明了该方法可以有效地修正SOC的初始误差[4]

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;