论文部分内容阅读
动力电池作为电动汽车的唯一动力源,其健康状态直接影响到整车性能。为了保证动力电池长期高效的工作状态,有必要对电池的健康状态进行监测,实时了解电池使用情况和状态,为电池的监测或诊断提供依据,及时更换老化单体,延长整体使用寿命;有助于保证车辆续航里程,提高动力性以及稳定性等。因此,有必要对电池健康状态进行准确估计和监测,进而实现寿命预测。在电池健康状态估计和预测的研究中,以电池单体为主,整体研究甚少,并且为提高微乎其微的估测精度而融入了大量复杂优化算法和冗杂的实验数据进行跟踪学习,反而牺牲了状态估计的实时性大大增加了估计的时间,给实际应用带来了困扰。本文为权衡二者关系,在兼顾实时性要求的同时着力提高电池SOH状态估计和预测准确性为目的展开研究。其主要研究内容包括:(1)系统分析影响电池性能的主要结构;从影响电池SOH内外两方面因素进行总结,分析影响电池SOH的主要因素。通过对各SOH评价指标进行权衡比较,最终确定以电池内阻作为评价指标进行电池SOH的研究。(2)综合比较单体Rint、Thevenin、PNGV以及动态Massimo Ceraol四类典型电气模型的优劣;从适应性和准确性角度,以Massimo Ceraol动态模型为基础,建立电池组SOH二阶电池组等效电路估计模型;同时利用递推最小二乘法对电池模型进行参数辨识。(3)考虑电池内阻变化具有高度非线性且动态变化明显不易跟踪等特点,不利于基本粒子滤波算法进行跟踪预测;通过算法的改进——风险敏感粒子滤波;在二阶等效电路模型下进行电池组各电池内阻的跟踪预测。(4)提出风险敏感粒子滤波算法的电池寿命预测方法。以人口增长模型为基础,建立电池容量衰退模型;以此确立基于容量衰退模型和风险敏感粒子滤波算法的电池寿命预测框架。仿真结果表明,所提出的基于二阶等效电路模型和风险敏感滤波的电池SOH估计方法,以及所提出的基于容量衰退模型和风险敏感粒子滤波算法的电池寿命预测框架都满足估计精度要求和预测准确性要求,且实时性较好。