基于動力鋰離子電池組荷電狀態(tài)估計(jì)的研究.pdf

1、隨著汽車工業(yè)的迅猛發(fā)展，傳統(tǒng)汽車的廣泛使用在給人們帶來方便的同時，同時也導(dǎo)致了一系列的資源和環(huán)境問題。電動汽車成為各國應(yīng)對資源短缺和環(huán)境污染問題的重要手段。相比鉛酸電池和鎳氫電池，鋰離子電池在記憶效應(yīng)和能量密度上具有巨大優(yōu)勢。鋰離子電池荷電狀態(tài)（State of Charge, SOC）作為電池管理系統(tǒng)的重要參數(shù)，對鋰離子電池健康狀態(tài)（State of Health, SOH）估算，續(xù)航里程估計(jì)和單體電池電量均衡具有重要意義。
　

2、　以SAMSUNG品牌ICR18650-22F型號電池為研究對象，其容量為2200毫安時。首先對其進(jìn)行電池特性測試，分別獲得鋰離子電池的極化電壓特性、電池內(nèi)阻與SOC關(guān)系、開路電壓曲線、電池容量與放電倍率關(guān)系和容量溫度特性，探究電池組SOC的影響因素。然后在MATLAB6.5環(huán)境中基于ADVISOR2002仿真軟件進(jìn)行電動汽車整車建模，整車模型基于美國通用汽車公司推出的一款經(jīng)典電動汽車車型EV1，電池組模塊參數(shù)來自電池特性測試獲得的鋰離

3、子電池參數(shù)。模擬電動汽車在工作在ADVISOR2002中集成的實(shí)際測試工況，采集電池組數(shù)據(jù)，包括電池組電壓、電流和溫度。再然后，對傳統(tǒng)的極限學(xué)習(xí)機(jī)（Extreme Learning Machine, ELM）進(jìn)行結(jié)構(gòu)改進(jìn)，在輸入層與輸出層之間搭建直接通道，以達(dá)到改進(jìn)模型精度的目的。經(jīng)測試，改進(jìn)后的模型誤差在最大值和方差均小于傳統(tǒng)的 ELM模型。最后，在SOC估算方法上，分別研究了EKF、UKF、AEKF和AUKF算法，基于改進(jìn)的ELM模