锂电池状态估计SOC的关键算法研究与建模开题报告

全文总字数：2988字

1. 研究目的与意义（文献综述）

随着能源问题和环境问题的日益突出，人类迫切地需要发展清洁高效的新能源来解决对传统能源的过度依赖。在汽车领域，电动汽车产业的发展壮大无疑是顺应时代发展的大势所趋，而电池作为电动汽车的心脏，电池技术对于电动汽车的发展至关重要。锂电池以其循环寿命长，自放电速率小，能量高，无记忆效应等优点在电动汽车领域得到了广泛的应用。为了保证锂电池的安全，可靠，高效运行，就需要对电池的工作状态进行估算，准确建立电池管理系统。锂电池的荷电状态(SOC)直接反映了剩余电量。只有准确估计电池SOC，才能避免锂电池过充和过放电的行为，使电池处于良好的工作状态。

目前，国际上对于锂电池SOC估算的方法主要有开路电压法、安时积分法、神经网络法、卡尔曼滤波法等。开路电压法通过测量电池的开路电压进行SOC估算，需要电池长时间保持静置，无法实现在线检测。安时积分法是在已知电流的初始条件下进行积分处理。该方法对SOC的初始值有较高的要求，短时间内可以对实现剩余电量的准确估算。但是由于是开环预测，忽略了电流检测和电池老化导致的电池容量衰减，因此会导致累计误差--的不断增大。神经网络法需要大量的样本数据采集以及科学的训练方法才能使估算结果有较高的精度。卡尔曼滤波法根据采集到的电压电流数据，通过递推算法得到SOC的最小方差估算，有较高的精度且解决了因初值不准确和累计误差导致估算结果精度差的问题。但是它对于电池模型的依赖性很强，需要建立合适的电池模型才能实现高精度估算。

2. 研究的基本内容与方案

在锂电池的实际工作过程中，充放电是一个复杂的非线性过载，SOC的估算精度受多种因素影响，主要有环境温度、充放电倍率、自放电、电池老化等。综合考虑各种因素影响，本文采用扩展卡尔曼滤波算法对锂电池SOC进行估算。为了准确估计锂电池的剩余电量，薛要建立合适的锂电池等效模型。目前国际上常用的锂电池等效模型有：Rint模型、Thevenin模型、PNGV模型、GNL模型等。采用EKF进行估算时，要求电池模型具有以下特点：（1）能较好地体现电池的动态性能；（2）阶数不能太高。Rint模型精度不高，且不能很好地体现锂电池充放电过程的特性。Thevenin模型只能表示瞬态响应，无法描述电池的直流响应及预测放电时间。PNGV模型在Thevenin模型的基础上增加了一个电容来描述负载电流的时间累计产生的开路电压变化，弥补了Thevenin模型的缺陷。基于PNGV模型的扩展GNL模型，在一定程度上提高了精度，但是模型复杂，计算困难。故PNGV等效电路模型对锂电池进行建模。采用HPPC法对PNGV模型的各项参数进行辨识。根据 PNGV模型的状态方程的输出方程在 Matlab/Simulink 中建立相对应的EKF锂电池SOC估算仿真模型。在脉冲充放电和UDDS动态工况下对算法进行测试验证。

3. 研究计划与安排

1-2周，完成开题报告和文献翻译，完成开题答辩；

3-4周，熟悉卡尔曼等滤波算法及原理的原理；

5-8周，熟悉matlab软件使用方法，搭建锂电池pngv模型并辨识各项参数；

4. 参考文献（12篇以上）

[1]谢中灿.扩展卡尔曼滤波在锂电池soc估算中的应用[j].化工设计通讯,2018,44(11):141-143 160.

[2]安治国,孙志昆,张栋省,郭敬谊.基于等效模型扩展卡尔曼滤波锂电池soc估算[j].重庆交通大学学报(自然科学版),2019,38(02):133-138.

[3]苏盛,陈金富,段献忠.全球暖化与电力系统的相互影响综述[j].电网技术,2010,34(02):33-40.