《锂离子电池状态估算方法研究与实现》由会员分享，可在线阅读，更多相关《锂离子电池状态估算方法研究与实现（80页珍藏版）》请在金锄头文库上搜索。
1、 电 子 科 技 大 学 UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA 专业学位硕士学位论文 MASTER THESIS FOR PROFESSIONAL DEGREE 论文题目 锂离子电池状态估算方法研究与实现 专 业 学 位 类 别 工 程 硕 士 学 号 201122250417 作 者 姓 名 彭 飞 指 导 教 师 李 辉 教授 分类号 密级 公 开 UDC注1 学 位 论 文 锂离子电池状态估算方法锂离子电池状态估算方法研究与研究与实现实现 （题名和副题名） 彭飞彭飞 （作者姓名） 指导教师 李辉李辉 教授教授 电
2、子科技大学电子科技大学 成都成都 （姓名、职称、单位名称） 申请学位级别 硕士硕士 专业学位类别 工工 程程 硕硕 士士 工程领域名称 电子与通信工程电子与通信工程 提交论文日期 2014.4.29 论文答辩日期 2014.5.29 学位授予单位和日期 电子科技大学 2014 年 6 月 答辩委员会主席 评阅人 注 1：注明国际十进分类法 UDC的类号。 RESEARCH AND REALIZATION OF STATE ESTIMATION FOR LITHIUM-ION BATTERIES A Master Thesis Submitted to University of Electro
3、nic Science and Technology of China Major: Electronic and Communication Engineering Author: Fei Peng Advisor: Pro.Hui Li School : School of Aeronautics and Astronautics 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同
4、志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘 要 I 摘 要 近年来，面对能源危机、环境污染这些日益严峻问题的威胁，世界各国都在加紧研发电动汽车。电动汽车以其优良的节能环保无污染
5、的特点成为未来汽车产业的发展重点。其中，作为电动汽车的动力源的电池成为制约电动汽车发展的瓶颈。电池管理系统(Battery Management System，BMS)作为全面监控和管理电池的关键，通过充放电均衡检测保障电池正常合理工作，能够有效提高电池循环使用寿命，避免不合理使用和降低不必要的风险。其中，电池及电池组剩余电量（State of Charge, SOC）和健康状态（State of Health, SOH）的在线估算是电池管理系统合理高效运行的关键。研究具有较高精度的 SOC 及 SOH 估计算法对于电池管理系统而言是极其重要的，它能够为延长电池寿命、提高电池利用率等提供有效的
6、支持。 本文以锂离子电池状态估算算法为主要研究内容，在分析了现有 BMS 研究水平的基础上，结合锂离子电池本身的特点进行锂离子电池管理算法的研究和实现。论文首先通过对电池模型的研究介绍， 选择二阶RC等效电路模型并通过MATLAB建立了锂离子电池非线性模型并进行了参数辨识，结合实验数据验证了所建模型的有效性。然后通过对现在几种常用的电池荷电状态（SOC）估算算法的优缺点进行分析，基于所建立的锂离子电池二阶模型研究了基于扩展卡尔曼滤波的锂离子电池 SOC 估算算法，采用 Simulink 对 SOC 估算算法进行仿真验证。对于锂离子电池健康状态，通过对实验数据的深入分析，提出了一种双脉冲 SOH
7、 的快速检测算法。最后，根据对锂离子电池 SOH 的估算采用粒子滤波（Particle Filter）算法对锂离子电池剩余使用寿命进行了预测在 MATLAB 中进行代码实现和仿真，与实验数据进行对比验证，达到了较好的预测精度。 本文通过对锂离子电池剩余电量及健康状态估算方法的研究，以及对电池寿命的预测算法的实现，结合试验数据进行对比，达到了较好的估算精度，为锂离子动力电池在电动汽车及储能系统中的应用奠定了技术基础。 关键词：关键词：锂离子电池，SOC，SOH，扩展卡尔曼滤波，粒子滤波 ABSTRACT II ABSTRACT In recent years, the face of the e
8、nergy crisis and the threat of these increasingly serious environmental pollution problems, around the world are stepping up research and development of electric vehicles. Electric vehicles with its excellent energy saving and pollution-free characteristics become the focus of future development of
9、the automobile industry. Among them, battery as the power source for electric vehicles to become a bottleneck restricting the development of electric vehicles. Battery Management System (BMS) as a key comprehensive monitoring and management of the battery, charge and discharge and the balance tests
10、guarantee reasonable battery normal work, can effectively improve the useful life of the battery, to avoid improper use and reduce unnecessary risk. Among them, the battery and the State of Chaerge (SOC) and State of Health (SOH) online estimate is the key point of battery management system efficien
11、t operation. Research has high SOC and SOH estimation accuracy of the algorithm for the battery management system is extremely important, and it can provide effective support for extended battery life and improve battery efficiency and the like. In this paper, the main research content is the lithiu
12、m-ion battery state estimation algorithm, on the basis of the analysis of the existing BMS research level, combined with the characteristics of the lithium-ion battery research and realize their own lithium-ion battery management algorithms. Firstly, through the study of battery model introduction,
13、select second-order RC equivalent circuit model and through the establishment of a lithium-ion battery MATLAB nonlinear model and the effectiveness of the experimental data parameter identification and the model is verified. Then by now several common battery state of charge (SOC) estimation algorit
14、hm to analyze the advantages and disadvantages of lithium-ion batteries based on second-order model established to study the estimation based on the extended Kalman filter (EKF) algorithm lithium-ion battery SOC , using Simulink SOC estimation algorithm for the simulation . Lithium-ion battery healt
15、h, through in-depth analysis of the experimental data, we propose a two-pulse-method SOH detection algorithm. Finally , based on estimates of the lithium-ion battery SOH using Particle Filter (PF) algorithm for the ABSTRACT III remaining useful life of lithium-ion batteries were predicted for code implementation and simulation in MATLAB comparison with experimental data validation, to achieve a better predi
