資源描述:
《基于卡爾曼濾波的電動汽車SOC估計.pdf》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、中國電子學(xué)會電路與系統(tǒng)分會第二十一屆學(xué)術(shù)年會論文集基于卡爾曼濾波的電動汽車SOC估計程艷青高明煜徐洪峰(杭州電子科技大學(xué)電子信息學(xué)院浙江杭州310018)摘要:電動汽車的電池管理系統(tǒng)需要一個精確和可靠的電池荷電狀態(tài)(soc)預(yù)測。由于電池組真實的SOC受許多因索如電池溫度、充放電次數(shù)、電池老化等因素的影響,傳統(tǒng)的SOC預(yù)測技術(shù)很難得到精確的結(jié)果。本文以聚合物鋰離子電池組為研究對象,采用卡爾曼濾波遞推算法對電池組SOC進行估算,經(jīng)試驗這種方法能夠獲得蓄電池精確和可靠的SOC預(yù)測值。關(guān)鍵詞:鋰離子電池組;卡爾曼濾波;電動汽車;荷電狀態(tài)(soc)1‘^-‘_—_L1月I
2、J罱能源枯竭和環(huán)境污染已經(jīng)成為當(dāng)前社會急需解決的問題,電動汽車以其獨特的節(jié)能環(huán)保的優(yōu)勢引起越來越多的國家的重視,從20世紀70年代起,西方發(fā)達國家均投入巨資進行電動汽車的商業(yè)化開發(fā)和應(yīng)用。蓄電池是各類電動汽車中最常用的儲能元件,其剩余電量的精確測量在電動汽車的發(fā)展中一直是一個非常關(guān)鍵的問題,因為只有對電池剩余電量進行精確測量才能使駕駛員隨時估計自己的后續(xù)行駛里程,并及時進行充電。電池荷電狀態(tài)SOC(Stateofcharge)描述蓄電池的剩余電量,是電池使用過程中最重要的參數(shù)之一。SOC值的大小直接反映了電池所處的狀態(tài),由此可限定電池的最大放電電流,并預(yù)測電動車的
3、續(xù)駛里程。電池的SOC是不能直接測量的,只能通過測量電池外特性,如電池端電壓U、充放電電流I、內(nèi)阻R、溫度t等參數(shù)來推斷其值的大小。這些參數(shù)與SOC的關(guān)系會隨著電池老化的過程而改變,含有很多不確定因素,而且電動汽車動力電池的工作狀態(tài)及環(huán)境隨電動汽車的行駛而隨機改變,因此電動汽車動力電池SOC的精確估算已成為電動汽車領(lǐng)域的一個難題。2SOC定義蓄電池荷電狀態(tài)SOC(stateofcharge)耳1:I蓄電池所剩電量與電池總?cè)萘康谋龋ǔ0岩欢囟认码姵爻潆姷讲荒茉傥漳芰康腟OC定義為100%,而把電池不能放出能量時的SOC定義為0%,計算公式如下:SOC=eQm—
4、Q(In)】7QmmQf,L夕=fI/.a(chǎn)t(2)式中?Q。為蓄電池最大放電容量,指的是在室溫條件下,電池從完全充電后開始工作一,直到電池完全放電為止,其所能放出的最大安時數(shù)值,表示為標準放電電流和放電時間的乘積;Q(In)為標準放電電流I。下t時間蓄電池釋放的電量。由于SOC受充放電倍率、溫度、自放電、老化等影響,實際使用中要對SOC的定義進行調(diào)整,不同電動汽車對SOC定義的使用形式不一致,最常用的定義為:24中國電子學(xué)會電路與系統(tǒng)分會第二十一屆學(xué)術(shù)年會論文集SOc=soco。f摯∽其中,SOCo為充放電起始狀態(tài),cn為電池的額定容量;i(t)茭tJ電池的瞬時電
5、流(放電狀態(tài)為正,充電狀態(tài)為負);協(xié)為庫倫效率系數(shù),是電池充電放電全過程的平均庫侖效率‘¨。常用的SOC估算策略傳統(tǒng)的電池電量測試方法有密度法、開路電壓法、內(nèi)阻法和安時法等。近年來又相繼研發(fā)出許多對電池SOC估算的新型算法,例如自適應(yīng)神經(jīng)模糊推斷模型【21、模糊邏輯算法模型【31、線性模型法、阻抗光譜法【4J和卡爾曼濾波估計模型算法【5】等。密度法通過對測量電解液的密度值來間接估算蓄電池的剩余電量,此方法已不適用于目前大量使用的密封式電池,而且也不適于實時測量;開路電壓法適用于測試穩(wěn)定狀態(tài)下的電池SOC,在電動汽車行駛過程中不宜單獨使用,通常用作其它算法的補充;內(nèi)
6、阻法是根據(jù)蓄電池的內(nèi)阻與SOC之間的聯(lián)系來預(yù)測Soc,但電池的內(nèi)阻容易受測量線的阻抗或者汽車內(nèi)低頻噪聲的干擾等方面的因素影響,使得測量結(jié)果不夠準確,再加上這種方法比較復(fù)雜,計算量大,因此在實際應(yīng)用中比較困難:安時法通過對電流積分的方法記錄從蓄電池放出的能量或者充入蓄電池的能量,再根據(jù)充放電的起始SOC狀態(tài),就可以計算出蓄電池的SOC。該方法最為直接明顯,而且簡單易行,在短時間內(nèi)具有較高精度,但長時間工作時有較大的累積誤差【6】。各種智能算法和新型算法由于還不是很成熟,有些復(fù)雜算法在中低端單片機系統(tǒng)上難以實現(xiàn),所以在實際應(yīng)用中還不多見,但這是未來發(fā)展的方向。本文以聚
7、合物鋰離子電池組為研究對象,采用卡爾曼濾波遞推算法對SOC進行估算。該方法適用于各種電池,與其他方法相比,尤其適合于電流波動比較劇烈的電動汽車動力電池SOC的估計,它不僅給出了SOC的估計值,還給出了SOC的估計誤差。該方法并不需要一個精確的SOC初值,因為隨著時間的增加,其結(jié)果會迅速接近最優(yōu)值,因此使用起來更加方便。4基于卡爾曼濾波算法的SOC估計卡爾曼濾波器在1960年由ILE.Kalman提出,是一個最優(yōu)化自回歸數(shù)據(jù)處理算法,其核心思想是對動力系統(tǒng)的狀態(tài)做出最小方差意義上的最優(yōu)估計,具體算法見參考文獻[7】??柭鼮V波器用于初始SOC估計時,可將電池描述為由
8、狀態(tài)方程和