储能锂电池管理系统的研究与设计

作     者：吴杰 

作者单位：中国矿业大学 

学位级别：硕士

导师姓名：徐惠钢

授予年度：2023年

学科分类：0808[工学-电气工程] 08[工学] 

主      题：储能电池管理系统 多新息最小二乘法 电池荷电状态估算 电池健康状态估算 联合估计 

摘      要：锂离子电池本身的特性比较复杂,如果工作中的荷电及健康状态不能得到实时估计,将会导致锂离子电池发生过充、过放等问题,进而引发过温、热失控等安全事故。研究能够对锂电池荷电及健康状态进行准确估算的储能电池管理系统具有重要意义。针对当前储能电池管理系统存在的问题,开展如下研究工作:(1)分析储能锂离子电池的工作原理、技术参数,构建其二阶RC等效电路模型,并通过脉冲放电实验实现对SOC(电池荷电状态)与开路电压的关系标定,进一步对模型参数辨识。其次,利用多新息最小二乘算法(MILS)的多个新息对输出观测值与模型估计值之间的差值进行修正,解决递推最小二乘法辨识精度低、收敛速度慢的问题。相比于递推最小二乘法而言,所研究的MILS算法在电池参数辨识上具有算法精度高、收敛速度快的优点。(2)研究电池荷电与健康状态联合估计问题。研究了具有RTS平滑结构的迭代无迹卡尔曼粒子滤波算法(RTS-IUPF),通过迭代无迹卡尔曼优化粒子滤波算法的建议分布函数,解决了传统粒子滤波算法后期存在粒子贫乏的问题。相比于传统算法,所提出的算法在估计电池荷电状态(SOC)、电池健康状态(SOH)上,算法精度及收敛速度得到提高。(3)选择功能强大、运行速度较快且移植算法方便的TMS320F28035为主控制器,以采集精度高的BQ76940芯片组成的外围电路作为前端模拟信号采集单元,并通过CAN总线实现下位机与上位机之间数据的可靠传输。(4)分析所研究的算法在实际平台上估算的结果。结果表明,估算的电池荷电状态(SOC)的绝对误差不超过1.911%,估算的电池健康状态(SOH)的绝对误差低于4%,综合性能强。该论文有图49幅,表14个,参考文献63篇。