鋰電池荷電狀態(tài)、健康狀態(tài)以及功率狀態(tài)的聯(lián)合在線估計(jì)算法.pdf

1、鋰電池在交通工具、電網(wǎng)、移動(dòng)設(shè)備中被大量應(yīng)用。然而在汽車領(lǐng)域，由于汽車使用環(huán)境差異極大，因此，鋰電池作為它的一種主要?jiǎng)恿?lái)源，不但需要在一些復(fù)雜的外部條件，而且需要在這些苛刻的使用條件下甚至是在遭受破壞時(shí)，保證駕駛者以及乘客的安全。在這一過(guò)程中，要保證電池的安全使用，并提供更好的電池管理策略，需要對(duì)電池自身狀態(tài)進(jìn)行估計(jì)。
　　常見(jiàn)鋰電池狀態(tài)描述變量有荷電狀態(tài)(State of Charge，SoC)、電池的健康狀態(tài)(State o

2、f Health，SoH)以及電池的功率狀態(tài)(State of Power，SoP)。三者分別描述電池可持續(xù)對(duì)外供電或受電的能力、電池剩余使用壽命以及電池即時(shí)對(duì)外進(jìn)行輸出電能或接受電能的能力。雖然目前對(duì)于這三個(gè)狀態(tài)量的在線估計(jì)有大量的估計(jì)算法，但是汽車內(nèi)部嵌入式系統(tǒng)有限的計(jì)算能力限制了對(duì)諸多算法的使用。
　　針對(duì)這一問(wèn)題，給出一種聯(lián)合性算法，在統(tǒng)一使用改進(jìn)后的Randle電池模型的基礎(chǔ)上，對(duì)三個(gè)狀態(tài)量進(jìn)行在線估計(jì)。
　　對(duì)于

3、電池模型，一種標(biāo)準(zhǔn)化的迭代最小二乘算法被用于對(duì)電池模型參數(shù)進(jìn)行識(shí)別并避免了最小二乘算法中，由于協(xié)方差矩陣反復(fù)迭代而導(dǎo)致的數(shù)據(jù)溢出問(wèn)題。而識(shí)別的電池參數(shù)則被用于直接估計(jì)電池的健康狀態(tài)。
　　由于實(shí)際情況中，噪聲的功率以及其對(duì)應(yīng)的協(xié)方差矩陣是難以獲知的，因此，一種帶有自適應(yīng)噪聲協(xié)方差矩陣的拓展卡爾曼濾波(Extended Kalman Filter，EKF)算法被用于電池進(jìn)一步的SoC在線估計(jì)。估計(jì)過(guò)程中，電池開(kāi)路電壓(Open Ci

4、rcuit Voltage，OCV)也被作為狀態(tài)變量歸并入迭代過(guò)程中。
　　其次，結(jié)合電池模型以及改進(jìn)后EKF算法中的狀態(tài)方程，一種基于多限制條件下峰值功率的估計(jì)算法被給出。其計(jì)算過(guò)程涵蓋對(duì)電壓電流以及電池SoC處于極限狀態(tài)下的峰值功率計(jì)算。其結(jié)果結(jié)合電池額定功率被最終用于SoP的估計(jì)。
　　三個(gè)部分的算法的準(zhǔn)確性均有仿真實(shí)驗(yàn)加以驗(yàn)證。最后，硬件實(shí)現(xiàn)的電池?cái)?shù)據(jù)采集卡配合BTS-5V300A設(shè)備通過(guò)實(shí)驗(yàn)對(duì)電池模型參數(shù)識(shí)別算法以