考虑温度偏置的锂离子电池参数辨识及SOC估计

作     者：胡照明 

作者单位：烟台大学 

学位级别：硕士

导师姓名：任桂周

授予年度：2024年

学科分类：0808[工学-电气工程] 08[工学] 

主      题：Matlab联合1stOpt 智能优化算法 离线参数辨识 双极化动态热模型 SOC估计 

摘      要：锂离子电池能量密度大、自放电率低、无记忆效应、绿色无污染,在电动汽车中得到广泛应用。精确的荷电状态（State Of Charge,SOC）估计是电池管理系统（Battery Management System,BMS）中最重要的任务之一。SOC是电池当前剩余电量与总电量的比值,SOC不可通过传感器直接测量,只能通过测量电流、电压、温度等参数间接获得。目前较多的研究侧重于SOC估计算法的优化,却忽略温度对模型参数辨识结果与SOC估计的高敏感性,从而导致误差过大。因此,如何能在复杂环境下提升参数辨识以及SOC估计的精确性,仍是目前研究的热点之一。本文以磷酸铁锂电池为研究目标,对考虑温度的电池参数辨识方法进行研究分析,并充分考虑平台期对SOC估计的影响。具体研究内容如下: （1）首先,分析了锂离子电池的充放电特性,为了建立考虑SOC与温度耦合的双极化动态热模型,在实验室对磷酸铁锂电池进行-20℃、-10℃、0℃、10℃、-20℃、35℃下的混合脉冲功率（Hybrid Pulse Power Characteristic,HPPC）放电实验,拟合得到了开路电压（Open Circuit Voltage,OCV）与温度、SOC的关系,并通过Matlab/Simulink完成参数的辨识和模型的搭建。 （2）在参数辨识过程中,为了消除待辨识参数的初始值不准确对锂离子电池模型参数辨识结果的影响,提出了一种粒子群（Particle Swarm Optimization,PSO）优化Matlab联合1st Opt的参数辨识方法,在极化内阻与极化电容的辨识上,充分利用1st Opt强大的全局优化能力获得准确的初始参数值。并将准确的初始值传递给Matlab,经过验证,该方法既解决了Matlab参数辨识的初始化问题,又提高了参数辨识精度;在欧姆内阻（R）的辨识上,研究发现,传统的参数R计算方法是通过端电压的压升（或压降）来计算,由于采样误差以及人为选择压升（压降）的起始点与结束点具有随机性,会影响R的辨识精度,从而引起放电阶段的仿真端电压与真实端电压发生偏离,为了解决上述问题,以SOC的平均误差为目标函数,使用PSO寻找最优的R值,以提高参数辨识的精度和效率。 （3）为了提高SOC估计的精度,考虑温度对电池建模过程的影响,建立了SOC与温度耦合的双极化动态热模型。引入PSO精确获取最优温度偏置,对电池模型的温度输入进行校正。然后,将仿真得到的电池端电压与实验数据进行对比验证。计算结果表明,考虑温度偏置的最大和最小平均误差分别为0.962%和0.007%,而不考虑温度偏置的最大和最小平均误差分别为3.622%和0.109%,证明了所建立模型的精确性。 （4）为了解决磷酸铁锂电池在平台期时SOC估计精度差的问题,对扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法进行改进,提出改进的考虑平台期增益的扩展卡尔曼滤波算法,新算法考虑了平台期增益G对SOC估计的影响,并使用鲸鱼优化算法（Whale Optimization Algorithm,WOA）寻找最优的平台期增益,经过验证,该算法可以在平台期阶段提高SOC的估计精度。为了验证算法的通用性,使用优化后的算法对动态应力测试（Dynamic Stress Test,DST）下的SOC进行估计,最大误差小于0.8%。结果表明,本文所建立的模型在较宽的温度范围内仍具有较高的精度。研究结果为电池参数辨识与SOC估计的相关研究提供了理论参考。