摘要
在如今新能源时代，新能源汽车的地位日益提高，逐渐得到越来越多客户的喜爱和认可。锂电池作为新能源汽车重要的能量来源，其中电池管理系统（BatteryManagementSystem，BMS）是对锂电池进行安全监督管理，保障整车能够稳定、安全、高效的持续运行。锂电池荷电状态（StateOfCharge，SOC）的估计作为BMS主要任务之一，其主要目的是能够实现SOC精准估计，有效防止电池在充放电过程中出现过充和过放，是确保电动汽车安全且高效行驶的前提。因此本文针对锂电池精确建模以及SOC精准估计方面展开研究。 本文首先介绍了锂电池的工作原理以及参数特性，并对锂电池进行性能实验测试进而分析锂电池的动态特性。实验测试是基于所搭建的锂电池测试平台展开研究，实验内容包含锂电池容量测试、不同倍率下恒流放电测试、开路电压测试、以及不同动态工况测试，并记录实验过程中锂电池测试的电压和电流数据。 其次实现SOC精准估计的前提需要建立精准的锂电池模型，为提高模型的准确度，本文基于分数阶微积分理论基础，构建分数阶锂电池等效电路模型。而模型的准确性重点在于参数辨识结果的准确性，本文采用粒子群优化算法对模型参数进行辨识。仿真结果表明分数阶模型精准度比整数阶模型精准度更高。 然后针对SOC估计方法展开了深入研究，分析传统的扩展卡尔曼滤波以及分数阶扩展卡尔曼滤波的优缺点，进而在扩展卡尔曼滤波基础上提出改进型自适应衰减扩展卡尔曼滤波，分别结合整数阶模型和分数阶模型实现SOC估算。最后在不同动态工况和不同SOC初始值下进行验证，实验结果表明改进型自适应衰减扩展卡尔曼滤波结合分数阶模型比整数阶模型实现SOC估算精度更优，不仅明显的提高了SOC估算精度而且还显著提高了收敛速度。 最后分析并阐述了基于扩展卡尔曼滤波以及分数阶扩展卡尔曼滤波这类算法存在矩阵运算量大，算法效率低的缺陷，不利于算法在主控芯片中实时运行。因此引入分数阶状态观测器实现SOC估算，在传统分数阶Luenberger观测器基础上提出了新型分数阶滑模观测器估算SOC算法，并采用Lyapunov直接法设计估计量增益，保证了误差系统在一定假设条件下的稳定性和鲁棒性。实验结果表明新型分数阶滑模观测器能在不同工况条件下保持很好的估算精度和收敛速度。
NETL