论文部分内容阅读
锂离子电池在电动汽车和储能领域有着巨大的优势，而电池组的高效利用与安全保护离不开电池管理系统(BMS，BatteryManagementSystem)。电池管理系统包括稳定可靠的硬软件、准确实时的电池剩余电量SOC(stateofcharge)算法以及合理高效的均衡管理系统。顶级的电池管理系统未来在硬件上应该具有多通道、高精度的电源管理IC，提高系统性能的同时降低成本；在算法上利用高级的AI芯片，建立深度学习模型进行SOC估算；同时可以进行不同动力电池组的组间均衡。但是单就目前的情况而言，还很难达到这样的技术，因此本文以锂离子电池作为研究对象，进行了如下方面的研究，为BMS未来的发展打下基础：
1．对SOC的定义进行探讨，分析了影响SOC的主要因素，给出了在实际工况中比较适用的SOC定义方式，通过开路电压实验获取了OCV-SOC曲线。
2．基于扩展卡尔曼滤波的SOC估算。本文采用Thevenin电池模型，通过实验确定了模型参数值，提出了基于扩展卡尔曼滤波器的SOC估算策略。最后通过动态电流与脉冲实验进行验证，实验结果表明该算法在整个估算过程中保持较高的精度与鲁棒性，适用于SOC的在线估算。最后指出该算法局限性在于需要精确的电池模型参数、无法避免由于电池老化等因素对模型的误差。
3．基于人工神经网络的SOC估算。现有的神经网络模型往往是采用单隐藏层，同时没有很好的针对老化电池的网络模型。本文针对这样的问题，首先在隐藏层数上进行探究，通过实验对比不同隐藏层模型的估算效果，建立了较为深度的网络结构模型；同时在输入神经元中加入了循环次数(对应老化因子)，对于具有一定衰减的电池，估算精度明显提高；最后通过新标欧洲循环测试(NEDC，NewEuropeanDrivingCycle)实验验证，结果表明算法具有较好的精度与使用价值。最后分析了该算法的不足，并与EKF算法进行了综合比较。
4.搭建系统平台，实现实验数据采集、存储与状态监测的功能。本文以MC9S12XS128作为MCU，配合实时时钟模块、Flash存储模块与CAN通信电路设计系统主控板；以光耦继电器阵列、霍尔传感器、热敏电阻为主要器件搭建数据采集板（电压、电流、温度）；以基于LT3741的DC/DC模块为核心构建电池均衡控制板，实现非耗散型均衡；三大板块构成系统的硬件平台，配合相应的软件启动。再通过CAN通信接口，配合USB转CAN模块与LabView上位机进行连接。
1．对SOC的定义进行探讨，分析了影响SOC的主要因素，给出了在实际工况中比较适用的SOC定义方式，通过开路电压实验获取了OCV-SOC曲线。
2．基于扩展卡尔曼滤波的SOC估算。本文采用Thevenin电池模型，通过实验确定了模型参数值，提出了基于扩展卡尔曼滤波器的SOC估算策略。最后通过动态电流与脉冲实验进行验证，实验结果表明该算法在整个估算过程中保持较高的精度与鲁棒性，适用于SOC的在线估算。最后指出该算法局限性在于需要精确的电池模型参数、无法避免由于电池老化等因素对模型的误差。
3．基于人工神经网络的SOC估算。现有的神经网络模型往往是采用单隐藏层，同时没有很好的针对老化电池的网络模型。本文针对这样的问题，首先在隐藏层数上进行探究，通过实验对比不同隐藏层模型的估算效果，建立了较为深度的网络结构模型；同时在输入神经元中加入了循环次数(对应老化因子)，对于具有一定衰减的电池，估算精度明显提高；最后通过新标欧洲循环测试(NEDC，NewEuropeanDrivingCycle)实验验证，结果表明算法具有较好的精度与使用价值。最后分析了该算法的不足，并与EKF算法进行了综合比较。
4.搭建系统平台，实现实验数据采集、存储与状态监测的功能。本文以MC9S12XS128作为MCU，配合实时时钟模块、Flash存储模块与CAN通信电路设计系统主控板；以光耦继电器阵列、霍尔传感器、热敏电阻为主要器件搭建数据采集板（电压、电流、温度）；以基于LT3741的DC/DC模块为核心构建电池均衡控制板，实现非耗散型均衡；三大板块构成系统的硬件平台，配合相应的软件启动。再通过CAN通信接口，配合USB转CAN模块与LabView上位机进行连接。