基于GNL模型自适应无迹卡尔曼滤波的电池荷电状态估计

作     者：郭玉威 

作者单位：华北电力大学(北京) 

学位级别：硕士

导师姓名：颜湘武;王彤

授予年度：2019年

学科分类：0808[工学-电气工程] 080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0807[工学-动力工程及工程热物理] 

主      题：荷电状态估计 GNL电路模型 自适应无迹卡尔曼滤波 自放电内阻 

摘      要：随着能源危机的不断加剧和城市大气污染的日益严重,电动汽车的发展受到我国高度重视,对电动汽车的核心部件动力电池的性能提出越来越高的要求。同时,电动汽车退役动力电池的数量逐年指数级递增,实现退役动力电池规模化梯次利用已刻不容缓。动力电池荷电状态(state of charge,SOC)精确实时在线估计是保证电动汽车安全有效运行以及实现电池梯次利用的关键技术。本文首先根据动力电池发展现状选取了磷酸铁锂电池为研究对象,介绍锂电池工作原理并对电池的容量、内阻以及电压三个特性参数进行分析,之后通过不同模型对比选取了精度最高的GNL电路等效模型,对老化电池工作特性反映更精确。并根据间歇恒流放电实验数据对GNL电路等效模型相关参数进行辨识,为电池荷电状态估计提供模型基础。为准确估计电池荷电状态,对GNL等效电路模型的状态空间方程利用矩阵二次型方法进行离散化,采用将无迹卡尔曼滤波算法和双扩展卡尔曼滤波算法思想相结合的自适应无迹卡尔曼滤波算法,以无迹卡尔曼滤波器估算SOC同时利用另一个独立的无迹卡尔曼滤波器估算模型参数,彼此循环迭代更新,实现SOC的自适应估计。在间歇恒流工况和变电流工况下以老化电池为实验对象对算法和模型进行了对比验证,结果表明GNL等效电路模型比二阶RC等效模型能够准确模拟电池工作过程,满足实际仿真精度需求;自适应无迹卡尔曼滤波算法与双扩展卡尔曼算法相比受初值影响较小,计算时间短,并且抗波动能力强,满足了荷电状态实时在线估计的实际需求。基于自主研发的ECVTS测试系统的硬件结构以及对应的BMS功能,使用Visual C#编程语言将本文所使用的自适应无迹卡尔曼滤波算法估计SOC编入在线监测界面中,实现动力电池SOC的在线监测。