论文部分内容阅读
电动汽车用锂离子电池荷电状态(SOC)作为电动汽车运行时的重要参数，能够为剩余里程预测和能量管理提供必要的数据支持，有效地防止锂电池过充和过放，其准确估计已经成为电动汽车发展的关键技术之一。本文旨在研究锂离子电池SOC的估值算法以提高SOC估算的精确度。本文围绕锂离子电池SOC估算算法主要做了如下几方面的工作：(1)本文介绍了锂电池常用的Thevenin模型和PNGV模型，在常温下建立了磷酸铁锂单体电池的Thevnin模型和电池组的PNGV模型，对Thevenin模型和PNGV模型进行校验，仿真结果表明Thevenin模型和PNGV模型均具有较高的建模精度。(2)本文详细介绍了传统Kalman滤波的扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法，并在建模的基础上，分别设计了单体电池和电池组SOC估算的EKF和UKF算法，在恒流放电的情形下，通过仿真验证，说明了在锂电池SOC估算上，UKF算法比EKF有更高的精确度，并对原理进行分析，随后，对影响滤波精度的SOC初值、过程噪声协方差初值和观测噪声方差进行了分析，结果证明SOC初值、过程噪声协方差初值和观测噪声方差对滤波的稳定性和精度影响重大。(3)本文指出了UKF在估算锂电池SOC时采用的是噪声的先验估计，在整个过程中保持不变会给SOC估算带来估算误差。将自适应控制的思想引入到UKF算法中，形成自适应无迹卡尔曼滤波(AUKF)算法对噪声参数进行自适应调整得到噪声的后验估计，仿真结果表明，AUKF比UKF有着更高的估算精度。通过进一步的研究发现，当AUKF算法处于有色噪声环境下时，滤波精度会降低，甚至会导致滤波发散。针对AUKF仍存在的问题，借鉴GPS导航定位中成功使用的自适应抗差无迹卡尔曼滤波(ARUKF)算法，首次将其应用到锂电池SOC估算上。仿真结果表明ARUKF在有色噪声下依然能够保持较高的估算精度。(4)为了验证在严酷的工况下ARUKF对SOC估算的有效性和精确度，本文在ADVISOR仿真环境下基于UDDS工况完成整车性能仿真，根据得到的仿真数据使用ARUKF算法对SOC进行估计，仿真结果证明，ARUKF在严酷的工况下依旧保持较高的估算精度。