锂离子电池荷电状态估计及寿命预测方法研究
现如今全球能源危机与日益严重的环境污染问题推动了电动汽车的发展,而我国是一个富煤缺油少气的国家,伴随着国内汽车保有量的逐年上升,电动汽车的研究也成为我国当下热点之一。为了使电动汽车安全高效的运行,电池作为电动汽车核心,能对其进行有效管理的电池管理系统不可或缺。电池管理系统中荷电状态的准确估算,既能够防止电池过充过放,又能够作为低电量限流阈值还能作为整车控制策略阈值。其中剩余寿命的预测,可以为用户提供电池循环寿命的估计值,从而可以提出更换电池等建议。荷电状态估计及剩余寿命预测对于电动汽车的安全性、可靠性等至关重要。因此本文主要就此开展研究。(1)简要介绍并建立了所需模型。在荷电状态估计过程中,通过模型精准性和复杂性的考虑,选择二阶等效电路模型。通过试验获得模型所需的开路电压和荷电状态关系曲线,并进行离线辨识得到模型参数中的电阻电容;在剩余寿命预测过程中,通过不同的拟合方式拟合电池核定容量衰减的数据,由此建立了三种用于剩余寿命预测的电池老化模型。通过Adj R~2和均方根误差两个指标直观显示数据拟合效果。结果表明,集合模型的拟合效果最好,且集合模型对不同的锂离子电池拟合的适用性和模拟的全局性明显好于另外两种模型。(2)选择适合的算法可以更进一步提高荷电状态估计精度。本文运用自适应无际卡尔曼算法进行了荷电状态估计。通过两种工况,用收敛速度和平均绝对误差进行了估计结果的跟踪精度、收敛时间和鲁棒性的评价,并与扩展卡尔曼算法、无际卡尔曼算法和自适应扩展卡尔曼算法进行了比较。实验结果表明,相比与其他三种算法,自适应无际卡尔曼算法具有更好的精度和更快的收敛速度。最后,在不同运行环境下进一步验证了自适应无际卡尔曼算法的优异的性能。(3)在不同锂离子电池老化模型的基础上,运用粒子滤波算法实时更新模型参数用于寿命预测。通过对比它们预测结果与实际测量值,得到了估计误差。相比与其他两种模型,本文所示的集合模型在整个电池寿命内具有更好的回归特性,仿真结果表明,基于集合模型的估计误差最小,预测效果最好。综上,本论文针对锂离子电池荷电状态估计和剩余寿命预测方面取得了一定的进展,对今后的研究具有一定的工程指导意义。
[关键词]：
荷电状态估计;卡尔曼滤波算法;剩余寿命预测;粒子滤波;老化模型
[文献类型]： 硕士论文
[文献出处]：
湘潭大学2021年
[格式]：PDF原版; EPUB自适应版(需下载客户端)
相关知识
锂离子电池荷电状态估计及寿命预测方法研究
锂离子电池寿命测试与健康状态估计
动态工况下锂离子动力电池荷电状态估计和健康状态预测
电动汽车锂离子动力电池健康状态估计方法研究.pdf
锂离子电池安全状态评估研究进展
电动汽车锂离子电池健康状态估计及容量衰退预测
锂离子电池健康状态估计方法
基于新健康因子的锂电池健康状态估计和剩余寿命预测
=退役锂离子电池健康状态评估方法【钜大锂电】
界面优化提高锂离子电池性能及锂离子电池产业化过程技术研究
网址: 锂离子电池荷电状态估计及寿命预测方法研究 https://m.trfsz.com/newsview1388222.html
