基于自放電技術的電動車用鋰動力電池SOC預測算法研究.pdf

1、磷酸鐵鋰動力電池由于其比能量大、循環(huán)壽命長、安全性好、自放電率小以及可以快速充電等特點，被作為新能源汽車的主要動力來源之一，得到非常廣泛的應用。鋰動力電池的荷電狀態(tài)（State of Charge，簡稱SOC）是衡量電池剩余電量的一個關鍵的指標，但是電池組的應用環(huán)境復雜、電池組的劣化程度不一致導致電池組的SOC估算精確度無法滿足實際應用的需要。因此，能夠體現(xiàn)電池劣化程度的鋰動力電池SOC估算方法已經(jīng)成為電池組監(jiān)測在線性能的關鍵技術之一。

2、本文就鋰動力電池自放電電流、交流內阻、劣化程度以及工作溫度等因素對于SOC估算的影響，擴展卡爾曼濾波(EKF)、強跟蹤容積卡爾曼濾波(SCKF-STF) SOC估算策略、電池等效電路模型的不確定性的問題進行了針對性研究，主要包括如下幾個方面的工作:
　　在分析鋰動力電池組SOC影響因素的基礎上，對體現(xiàn)鋰動力電池電化學特性的自放電電流、交流內阻、充放電深度以及壽命等因素與SOC之間的關系進行了全面細致的分析，在進行大量的實驗的基礎上

3、，采用能夠反映鋰動力電池電化學特征的等效電路模型作為SOC估算模型，提出了基于自放電電流、溫度和劣化程度三種因素修正模型的方法。
　　針對由于自放電等因素造成的容量衰減而導致SOC估算精確度不足的問題，對現(xiàn)有的SOC估算方法進行了分析，提出了基于模型修正的擴展卡爾曼濾波(EKF)算法的SOC估算策略。該策略修正了電池由于擱置、老化、工作溫度等條件對與SOC估算的影響，給出了EKF估算SOC算法的實現(xiàn)，并進行了常溫、低溫以及擱置實驗

4、。實驗結果表明:基于模型修正的EKF的估算方法能夠滿足SOC估算的精度要求，且對于電池的劣化程度、電池自放電率及工作溫度的適應能力大大提高。
　　針對低溫下電池組實際放電要求以及電池等效電路模型在低溫下的不確定性的問題，進行實驗研究，根據(jù)實驗數(shù)據(jù)分析模型不確定性所帶來的影響，提出一種基于強跟蹤容積卡爾曼濾波(SCKF-STF)算法的SOC估算策略，并對低溫下電池電壓低于常溫下放電截止電壓時的SOC估算進行了實驗驗證，通過對比EKF

5、算法表明，SCKF-STF算法能夠有效的解決由于等效電路模型不確定性所帶來的SOC估算誤差，消除模型不確定性所帶來的影響。
　　針對鋰動力電池成組后電池壽命和性能下降問題，研究了鋰動力電池成組技術，以及電池電化學特性對于電池成組后電池壽命的影響，在考慮電池物理特性和電化學特性的基礎上提出了一種基于模糊C均值聚類(FCM)的支持向量機(SVM)的電池分類方法，并對抽樣電池的壽命進行了測試，實驗結果表明，該分類方法得到的同一類別電池具

6、有較好的容量衰減一致性以及電化學一致性。
　　針對實際工作條件下鋰動力電池組SOC估算精度不高、實時性較差的問題，根據(jù)電池管理系統(tǒng)（Battery Management System，簡稱BMS）的特點，將BMS采樣的最小點定義為基本電池單元，研究了電池組基本電池單元的充放電特性，建立了基本電池單元的數(shù)學模型，并采用SCKF-STF算法對基本電池單元的SOC進行了模擬工況實驗。實驗結果表明:在電池組充放電操作變換頻繁時，SOC估算