会议论文

下面是小编为大家整理的会议论文,供大家参考。

　电动汽车动力电池剩余电量估算法的研究 李湘江1， 南金瑞2， 杨世文3 1 中北大学， 北京市海淀区中关村南大街理工科技大厦 1321 室， 15364518621，lixiangjiang7011@126.com 2 北京理工大学， 北京市海淀区中关村南大街理工科技大厦 1321 室， 13681410639 nanjinrui@bit.edu.cn 3 中北大学， 山西省太原市尖草坪区学院路中北大学车辆与动力工程系， 13633412189，yangsw@nuc.edu.cn 摘要：

　动力电池是制约电动汽车发展和普及的主要瓶颈， 而电池剩余电量（SOC）

　的精确估计又是电池管理系统中的核心技术。

　为了预防动力电池过充和过放， 延长电池寿命， 需对电池组进行必要的管理和控制， 但前提是必须准确而又可靠地获得电池现存的容量状态参数。所以， 提高 SOC 的精度很有必要。

　不仅如此， 剩余电量的精确估计是电池管理系统对电池进行均衡控制的基础。

　文章对几种剩余电量估算方法进行了比较， 并以卡尔曼滤波法作为对象对 SOC 估算方法进行了探讨。

　关键词：

　动力电池

　电动汽车 电池剩余电量

　电池管理系统

　卡尔曼滤波法 I.

　INTRODUCTION 近几年来， 在能源危机和燃油汽车尾气排放难以治理等客观问题面前， 电动汽车成为汽车行业里面的新宠。

　由于电动汽车能完全避开对石油的过度开采和汽车尾气污染， 电动汽车越来越受到人们的青睐。

　汽车用动力电池组是汽车的能量供应者， 动力电池的好坏直接影响着汽车的续驶里程， 电池组的健康状态决定着电池的使用寿命和安全性。

　这就要求电动汽车用电池需要具备能量密度高、 输出功率高、 寿命长、 充放电效率高、 适用温度范围宽、 自放电低、 负载特性好、 温度存储性能好、 低内阻、 无记忆效应、 可实现快速充电、 安全性高、[1]。

　这就亟需一个可靠的系统来对整个电池模块进可靠性高、 成本低以及可重复使用等特性行实时监测和控制， 于是电池管理系统(BMS) 应运而生。

　电池剩余电量是电池管理系统中的一个重要参数， SOC 的精确估计能防止电池的过充和过放， 对延长电池寿命和对汽车电量剩余里程的估计很有必要。

　本文以卡尔曼滤波算法为基础对电池剩余电量的估计进行研究。

　II.

　CONTENTS [21]主要有放电实验法、 Ah 计量法、 开路电压法、 负载电压法、 内目前 SOC 的估计算法阻法、 线性模型法、 神经网络法、 卡尔曼滤波法、 时间窗口法以及状态空间法等， 各有其优缺点， 一般估计精度均能达到 10％之内， 其中卡尔曼滤波算法的估计精度可以达到 5％之内[22]。

　A

　SOC 估算步骤 论文采用开路电压法和卡尔曼滤波法组合提高 SOC 的估计精度。

　具体步骤如下：第一步， 用开路电压法得到 k 时刻的 SOCk； 第二步， k+1 时刻， 以 SOCk为初值用卡尔曼滤波法使 SOC 迅速向真值收敛， 在 k+1 时刻得到 SOCk+1。

　Vout 图 2 电池模型 由 Kalman 算法原理， 结合安时法和开路电压法得到图 2.1 所示简化的 Thevenin 模型的状态空间模型：

　RI -=-观测方程：-()kOCV kUPkkkUvUSOC+

　 （1）

　其中-()OCV kUkSOC为OCVU对 SOC 的函数关系式； 电流 I， 和端电压 U 分别为系统的输入和输出，i 为电流效率， 取为 l，NC 为动力电池的总容量,

　tD 为时间间隔， 这里取为1 秒， 1/3600 用来实现秒和小时之间的单位换算。

　根据卡尔曼算法进行递推计算：

　状态估计值 ICDIhSOCSOCKNtKiKK)(1

　 (2)

　误差协方差 QPPKK1

　 (3) 卡尔曼增益 RCPCCPKKTKKKTKKK11

　 (4) B SOC 估计的仿真验证 为了验证本文提出的扩展卡尔曼滤波法对锂离子电池 SOC 估计的精确性，在 Simulink 环境中搭建了如图 3.1 所示的扩展卡尔曼滤波法 SOC 估计模型， 模型输入为电池的端电压和工作电流输出电池的 SOC。

　Discrete,Ts =

　1

　s.po werg u icurrentYQaSOCerror

　covariancekalmanfilterSOCikikScope1Scope6.5Qas-+Controlled Current Source+_mBattery<Current (A)><Current (A)><Voltage (V)><SOC (%)><SOC (%)>

　图 3.1 扩展卡尔曼滤波算法模型 利用 Simulink 中 SimPowerSystem 元件库中将 Battery 模块取为锂离子电池模型， 额定容量为 6.5Ah， 额定电压为 3.6V， 最高工作电压为 4.2V。

　用可控电流源作为电池的工作电流， 放电电流为 6.5A， 充电电流为 5A。

　在这个充放电流脉冲下， 电池模型的电压加上高斯白噪声模拟动力电池受到的未知干扰和测量误差， 如图 3.3 所示。

　 图 3.3 含白噪声充放电电流 图 3.4 是电池在受控电流源恒流充放电条件下工作的 SOC 变化曲线， 初始 SOC 为 80%， 仿真持续 1000s， 经历 0~180s 的放电， 180~480s 的静置， 480~600s 的充电， 600~780s 的放电。

　图3.4 为扩展卡尔曼滤波法估计的电池 SOC 值与电池模型输出 SOC 值的比较， 可以看到 SOC 估计值能够快速向 SOC 真实值收敛， 并在真实值附近波动。

　 图 3.4 SOC 估计波形图

　III

　CONCLUSIONS

　 结合开路电压法和卡尔曼滤波法来估算电池剩余电量， 实现了将 SOC 精度提高到 5%以内。

　同时利用 MATLAB 的 SIMULINK 模块搭建了 卡尔曼滤波法 SOC 估计模型， 并将模型输出和卡尔曼滤波输出进行比较， 结果证明实验精度完全符合要求。

　ACKNOWLEDGMENT

　这项研究受到了 北京理工大学南金瑞老师和中北大学杨世文老师的全力支持， 在这里也要感激我的同学们帮助我度过一个又一个技术上的难关。

　REFERENCES 1 姜国权

　电动汽车动力电池管理系统的研究[D]

　 上海交通大学

　2009 2 戴海峰

　电动汽车用动力蓄电池 SOC 估计算法与设计

　同济大学博士学位论文

　2008 3 Sabine Piller, Marion Perrin， Andreas Jossen

　Methods for state-of-charge determination and their applications．

　 Journal of Power Sources

　2001 113-120 4 A.

　Jossen,

　V.

　Spath

　 Reliable battery operation — a challenge for the battery management system

　 Germany

　June 1999

推荐访问:会议论文 会议 论文