摘要
能源短缺促进了新能源电动汽车的快速发展。电池管理系统（BMS）是新能源汽车的关键部件之一。准确的锂电池荷电状态（SOC）估计是BMS高效稳定运行的重要前提，为电动汽车长时安全运行提供了重要保障。研究高精度的SOC估计算法可提高电池利用率和安全可靠性，有利于突破电动汽车产业化瓶颈。由于锂电池具有的非线性、强耦合等特性，且其内部状态容易受到外界因素的影响。现有的锂离子电池剩余电量估计方法存在诸如精度不高、模型复杂、电流波动影响大、训练数据敏感度高等问题。高精度的SOC估计一直是相关领域的研究热点和难点。本文研究了基于分数阶状态观测器的锂电池SOC估计方法。主要内容包括： 基于电化学阻抗谱图和锂电池的分数阶特性，建立了锂电池的变阶分数阶等效电路模型。提出了一种改进的混沌自适应分数阶PSO算法（CAFPSO）。该算法在PSO算法的基础上，引入混沌序列初始化粒子种群和自适应分数阶速率更新粒子位置。加快了算法的收敛速度，降低了陷入局部最优的可能性。将CAFPSO算法用于变阶等效电路模型的参数辨识，实验结果验证了基于CAFPSO算法的变阶分数阶锂电池等效电路模型具有更高的模型精度。 提出了锂电池分数阶等效电路模型的非同元分数阶状态观测器SOC估计方法。该方法释放了基于卡尔曼滤波SOC估计算法中测量噪声为高斯噪声和噪声协方差已知的假设，克服了模型的不确定性、测量噪声以及外部干扰的影响。基于分数阶比较原理和非同元分数阶线性系统稳定性定理，建立了观测器的设计方法。在美国联邦城市运行工况（FUDS）、北京DST（BJDST）和公路驾驶时间表（US06）三种动态工况以及在三种温度（25℃、0℃和45℃）下，与分数阶扩展卡尔曼滤波SOC估计算法和扩展卡尔曼滤波SOC估计算法进行了对比实验，验证了所提出方法的有效性和先进性。 建立了锂电池变阶分数阶状态观测器SOC估计方法。该方法充分考虑了阶次对SOC的影响，更好的捕捉了电池的变阶分数阶特性。基于变阶分数阶非线性系统稳定性定理，给出了变阶分数阶观测器的设计方法。通过FUDS、BJDST和US06三种工况在三种不同温度下，与非同元分数阶状态观测器、分数阶扩展卡尔曼滤波算法和扩展卡尔曼滤波算法等SOC估计方法进行了对比实验，实验结果表明所设计的变阶观测器方法具有较好的SOC估计精度。
NETL