基于自适应电池模型的ALS-UKF算法SOC估算研究

作     者：郝山 

作者单位：湖北工业大学 

学位级别：硕士

导师姓名：吴麟章

授予年度：2019年

学科分类：0808[工学-电气工程] 08[工学] 0807[工学-动力工程及工程热物理] 

主      题：荷电状态 磷酸铁锂 人工神经网络 无迹卡尔曼 自协方差最小二乘 

摘      要：随着汽车工业的快速发展、国家政策的大力支持以及众多企业的高度关注,开发资源节约型、环境友好型的电动汽车成为了全球汽车技术革命的重要目标。动力电池的功率密度和循环寿命等关键问题,是制约电动汽车产业化的瓶颈。除了电池材料本身之外,准确的电池模型和荷电状态(State of Charge,SOC)估计是改善以上问题的基础。传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)省略泰勒展开式的高阶项并将测量噪声假定为均值为零的高斯白噪声,引入了误差。本文以磷酸铁锂电池为研究对象,通过采用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)结合自协方差最小二乘法(Autocovariance Least Squares,ALS)来减小EKF估算SOC的误差。本文首先对磷酸铁锂(Lithium iron phosphate,LiFePO)电池的工作原理及其基本特性进行了研究,从SOC的定义中分析了影响SOC估算精度的因素,为下文对磷酸铁锂电池的精确建模以及SOC估算奠定基础。对比分析常用的电池等效电路模型的优缺点,结合磷酸铁锂电池的基本特性,选择较合适的一阶等效电路模型进行建模。为了能够对模型参数自适应调整,结合人工神经网络(Artificial Neural Networks,ANN)建立自适应ANN控制器模型,以最佳地适应真实的电池端电压。实验结果表明自适应ANN控制电池模型对模型的预测能力较强,模型误差在10mV以内。然后,基于所建立的电池模型,本文采用UKF结合ALS算法对电池SOC进行估算。UKF利用其无迹变换来避免EKF省略泰勒展开式的高阶项而引入误差,ALS通过计算测量更新中的相关性来估算测量噪声协方差,因此ALS-UKF算法改良了传统的EKF估算SOC存在的问题。实验从恒流放电测试和DST工况测试两个方面,对比了EKF、EKF+ALS、UKF和UKF+ALS四种估算方法的SOC估算结果,UKF+ALS算法估算SOC的平均绝对误差较EKF降低0.02左右。最后,搭建了锂离子电池组的SOC估算平台,并给出了主要的硬件选型和设计过程,以及主要的软件设计流程,针对搭建好的SOC估算平台进行了信息测量测试和SOC估算测试,结果表明所提出的SOC估算方法有效提高了估算精度,具有一定的实际应用价值。