摘要
在当今日益严重的全球能源危机中，电动汽车发展迅速。动力电池是电动汽车的核心部件，一般通过电池管理系统（BatteryManagementSystem,BMS）对电池单元和电池组进行有效监控，而电池状态估计是BMS中最基本的功能之一。电池的状态包括荷电状态（StateofCharge,SOC）、健康状态（StateofHealth,SOH）、功率状态（StateofPower,SOP）等。其中，进行电池SOP估计可以预测动力电池充放电功率的极限能力，评估电动汽车在加速、爬坡等复杂工况的性能，为整车控制策略优化提供可靠依据。准确的SOP估计受限于电池模型和SOC估计的准确性，因此本文以锂离子电池的SOP估计为研究目标，展开以下几个方向的研究： （1）基于电池特性，引入常相位元件（ConstantPhaseElement,CPE）代替整数阶模型中的电容元件，同时为了更好地描述锂离子电池中的扩散动力学，串联一个Warburg元件模拟电池低频段固相中的扩散过程，建立了分数阶模型。然后采用粒子群优化算法（ParticleSwarmOptimization,PSO）辨识得到分数阶模型的参数，最后使用动态工况数据，在不同温度下将分数阶模型与整数阶模型进行对比验证，结果表明分数阶模型在描述电池动态特性方面更具优势。 （2）介绍了自适应扩展卡尔曼滤波（AdaptiveExtendedKalmanFilter,AEKF）算法的原理，注意到算法中采用的新息协方差矩阵是通过窗口大小固定的新息序列估计的，在此过程中默认窗口长度不变，但是由于电池模型和状态估计存在误差，新息序列的窗口长度会发生变化。因此利用最大似然函数检测新息序列的分布变化时刻，实时更新新息序列的窗口长度，对AEKF进行改进。最后在分数阶模型的基础上建立了改进的AEKF算法（ImprovedAdaptiveExtendedKalmanFilter,IAEKF）对锂离子电池进行SOC估计，使用动态工况数据验证，结果表明，IAEKF相较于AEKF能够有效提高SOC的估计精度。 （3）在SOP估计过程中，分别通过电池端电压、SOC和自身特性的限值设定峰值电流的约束条件，基于模型参数和SOC估计值，在多约束条件下得到锂离子电池充放电过程中的持续峰值电流。最后将持续峰值电流代入分数阶模型中得到端电压，估计出锂离子电池的持续峰值功率，构建了基于IAEKF的锂离子电池SOP估计方法，完成了对锂离子电池SOP的预测。使用动态工况数据验证，结果表明在充电过程中，SOP估计的平均误差小于0.12W，最大误差小于9W；放电过程中，SOP估计的平均误差小于0.1W，最大误差小于2W。
NETL