磷酸鐵鋰電池建模及其荷電狀態(tài)估計(jì)算法研究.pdf

1、鋰電池自問(wèn)世以來(lái)就以其良好的充放電性能且無(wú)記憶效應(yīng)被廣泛應(yīng)用于手機(jī)、電動(dòng)車或者其它電氣設(shè)備。本文以磷酸鐵鋰電池作用研究對(duì)象，為深海作業(yè)機(jī)器的電池儲(chǔ)能系統(tǒng)提供可靠及精確的荷電狀態(tài)估計(jì)值(State of Charge，SOC)，并將此估計(jì)值作為能量管理系統(tǒng)的重要?jiǎng)幼髦笜?biāo)。磷酸鐵鋰電池具有自放電現(xiàn)象弱、能量密度大和化學(xué)結(jié)構(gòu)穩(wěn)定等優(yōu)點(diǎn)。由于鋰離子脫嵌過(guò)程中，鋰電池端電壓穩(wěn)定在3.2V附近，因此磷酸鐵鋰電池充放電特性曲線的中部存在非常長(zhǎng)的平臺(tái)期

2、，而在充放電開始或者結(jié)束處其電壓會(huì)突升或者突降，使得該特性曲線呈現(xiàn)強(qiáng)烈的非線性特征。
　　計(jì)算荷電狀態(tài)的普遍方法是利用安時(shí)積分法，該方法容易受到荷電狀態(tài)初始誤差和過(guò)程誤差的干擾而使得估計(jì)值精確度降低。磷酸鐵鋰電池荷電狀態(tài)值對(duì)電池能量管理系統(tǒng)的有效性起到關(guān)鍵作用，考慮到卡爾曼濾波算法可以很好降低初值誤差和過(guò)程噪聲對(duì)狀態(tài)量估計(jì)值的影響，故將卡爾曼濾波算法應(yīng)用于磷酸鐵鋰電池荷電狀態(tài)估計(jì)過(guò)程中。由于卡爾曼濾波框架對(duì)模型精確度要求較高，因此

3、本文基于Labview搭建電池性能測(cè)試平臺(tái)，獲得磷酸鐵鋰電池充放電數(shù)據(jù)，利用實(shí)驗(yàn)法提取SOC和電池等效電動(dòng)勢(shì)(Voltage ofOpen Circuit,Uoc)數(shù)據(jù)特征，使用Curvefit Toolbox對(duì)二者關(guān)系進(jìn)行擬合并得到描述其非線性特征的函數(shù)表達(dá)式。根據(jù)實(shí)驗(yàn)數(shù)據(jù)，基于MATLAB/SIMSCAPE平臺(tái)搭建二階RC等效電路電池模型，以SIMSCAPE提供的Parameter Estimation Toolbox對(duì)等效電路中的

4、RC參數(shù)進(jìn)行估計(jì)，建立了與實(shí)際電池充放電特性匹配的等效電路模塊。
　　在已建立的磷酸鐵鋰電池RC等效電路基礎(chǔ)上，建立相應(yīng)的狀態(tài)空間模型。使用擴(kuò)展卡爾曼濾波器(Extended Kalman Filter,EKF)對(duì)電池荷電狀態(tài)進(jìn)行估計(jì)，EKF估計(jì)結(jié)果可以很好地在荷電狀態(tài)具有初始誤差的情況將SOC估計(jì)值收斂于真值。針對(duì)深海探測(cè)器在加速時(shí)要求電池瞬時(shí)大功率放電而導(dǎo)致SOC突變的情況，采用強(qiáng)跟蹤擴(kuò)展卡爾曼濾波器(Strong Track

5、ing Extended Kalman Filter,STEKF)實(shí)現(xiàn)電池的SOC估計(jì)，從而使得濾波器可以很好地跟蹤荷電狀態(tài)實(shí)際值。為增強(qiáng)STEKF算法穩(wěn)定性，本文引入特征值分解對(duì)STEKF中的狀態(tài)量先驗(yàn)估計(jì)值誤差協(xié)方差陣計(jì)算方式進(jìn)行修正，得到性能更好的濾波器。
　　對(duì)于連續(xù)物理系統(tǒng)中各處信號(hào)變化速率不同的情況，本文利用多采樣率控制策略對(duì)EKF和STEKF進(jìn)行改進(jìn)，經(jīng)理論推導(dǎo)分別得到輸入多采樣率擴(kuò)展卡爾曼濾波算法、輸入多采樣率強(qiáng)跟