摘要
锂离子电池的荷电状态（StateofCharge,SOC）与健康状态（StateofHealth,SOH）是电动汽车中电池管理系统的关键性能指标，对电池状态实现准确的估计可以有效提高电池工作效率并降低其事故率，进而保证电动汽车的可靠运行。同时，准确的SOC与SOH可以通过在线交互信息，对信息化多系统融合也起到一定推动作用。因此，在对锂离子电池进行建模后，准确估计其SOC与SOH已成为目前的研究热点，其以新能源汽车高质量发展为起点，目标是实现经济与环保的可持续双循环。本文针对锂离子电池的建模和状态估计问题展开研究，具体内容如下： （1）针对锂离子电池在工作中转为静置状态后，其端电压有缓慢变化的复杂情况，提出了一种可以切换工作模式的改进分数阶模型（ImprovedFractional-OrderModel,IFOM），其在恒相位元件电路中修正了电池的端电压。实验结果表明，所提IFOM在电池切换工作状态后端电压更为准确，对于电池行为的描述更加丰富，保证后续状态估计方法能基于更为可靠的模型。 （2）针对IFOM参数的离线辨识过程，提出了一种内源性免疫算法(EndogenousImmuneAlgorithm,EIA)，其通过结合内源性逆转录策略加强了算法的收敛能力。实验结果表明，所提EIA具有更强的全局优化能力和局部搜索能力，能准确获得IFOM的参数。 （3）针对协同估计对SOC初值与实际容量初值等先验知识较为敏感的问题，提出了一种自适应双平方根容积卡尔曼滤波器（AdaptiveDualSquareRootCubatureKalmanFiltering,ADSRCKF），其第一个滤波器实现SOC和SOH的估计，第二个滤波器根据后向估计形成的老化休眠区对模型参数进行自适应更新。实验结果表明，所提方法的鲁棒性更强，当先验知识存在偏差时依旧能实现准确可靠的协同估计。
NETL