不同容量锂电池放电曲线拟合系数相关性及剩余容量研究
作者单位:东北石油大学
学位级别:硕士
导师姓名:张利国;刘秀峰
授予年度:2023年
主 题:锂离子电池 剩余容量估计 Thevenin等效电路模型 曲线拟合系数相关性 模糊控制
摘 要:剩余容量估计可根据锂离子电池当前状态下的电压、电流等参数来估计,对于电池管理、电池设计和电池研发等领域具有重要意义。锂离子电池剩余容量估计跟电池的状态参数有关,而电池的状态参数包括电池的荷电状态(SOC)、OCV-SOC(Open circuit voltage-State of charge)曲线等因素。因此本文将围绕这些参数对锂电池剩余容量估计研究如下所述:(1)本文讨论了三元锂离子电池的内部结构和工作原理。选用Thevenin等效电路模型作为锂离子电池等效模型。之后为了确定模型各元件的参数,介绍了离线与在线参数辨识算法,根据实验对比得到在线辨识对于实时变化的动态工况中有着更好地预测精度。采用含自适应遗忘因子的递推最小二乘辨识算法进行模型参数的辨识,通过加入遗忘因子的自适应公式,改善了在线参数辨识算法的快速性与稳定性。(2)为了解决充放电实验获取OCV-SOC曲线花费时间较长的问题,本文设计了一种基于OCV-SOC曲线拟合系数相关性的OCV-SOC曲线的快速获取方法。该方法是根据同一类特定容量电池的拟合关系,搭建OCV-SOC曲线数学模型,通过数学模型直接得到同类电池其它容量电池电压与SOC的拟合关系。实验结果表明:通过该方法得到的OCV-SOC预测值较实际值的最大误差在1.5%左右。(3)针对动态工况下量测噪声的影响,降低锂离子电池剩余容量估计误差,提高电池剩余容量估计精度,采用基于OCV-SOC曲线相关性的指数加权模糊扩展卡尔曼滤波(FEKF)剩余容量估计算法。该方法通过OCV-SOC曲线数学模型,获取剩余容量估计的电池电压等参数,采用模糊控制算法根据系统的状态对量测噪声进行修正。在仿真环境下,通过三种放电工况对剩余容量估计结果进行比较。结果表明,改进的算法有效的避免了噪声的影响,提高剩余容量估算精度。