基于AEKF的鋰離子電池SOC估計研究.pdf

1、開發(fā)資源節(jié)約型，環(huán)境友好型的電動汽車是當(dāng)前全球汽車技術(shù)革命和產(chǎn)業(yè)轉(zhuǎn)型的前沿陣地和技術(shù)制高點。目前，電動汽車中電池的功率密度和循環(huán)壽命是影響電動車發(fā)展的關(guān)鍵因素和技術(shù)瓶頸。電動汽車行駛過程中，電池在復(fù)雜運行工況下會受到間歇性充放電的影響，由于電池具有高度非線性的數(shù)學(xué)模型，因此很難在線準(zhǔn)確辨識電池荷電狀態(tài)(State of Charge，SOC)。本文在考慮車載復(fù)雜噪聲干擾的情況下，研究自適應(yīng)擴(kuò)展卡爾曼濾波算法(Adaptive Exten

2、ded Kalman Filter, AEKF)進(jìn)行電池SOC的實時估算，以優(yōu)化電池工作，提高電池利用率，延長電池使用壽命。
　　首先，論文中采用具有二階 RC濾波的DP等效電路模型建立磷酸鐵鋰電池狀態(tài)空間方程。其次，重點研究 AEKF進(jìn)行電池 SOC的估算，并對其進(jìn)行仿真分析。最后，利用電池測試平臺對于本文提出的算法進(jìn)行試驗研究，實驗數(shù)據(jù)表明：DP等效電路模型具有很高的精度，能夠準(zhǔn)確的跟蹤電池電壓變化；AEKF估算方法可以準(zhǔn)確估

3、計電池 SOC，且其收斂性不受 SOC初值的影響。
　　采用 DP等效電路模型，并基于 AEKF對電池 SOC估算的方法，可以同時實時在線辨識電池模型參數(shù)和SOC。針對電動汽車中復(fù)雜噪聲干擾對于擴(kuò)展卡爾曼濾波算法的影響，本文采用自適應(yīng)濾波方法，降低噪聲干擾對于估算系統(tǒng)的影響。因此，針對電動汽車在功率密度和使用壽命方面不斷提升的需求，開發(fā)一種適用于電動汽車領(lǐng)域的電池 SOC估算方法，對電池的實際應(yīng)用具有非常重要的意義，也會對豐富電動