论文部分内容阅读
为缓解汽车产业给能源资源和生态环境带来的巨大压力,发展电动汽车已经成为各国能源安全的重要战略措施。动力电池系统(包括电芯和电池管理系统((Battery Management System,BMS)))作为电动汽车的核心部件,电池的荷电状态(State of Charge,SOC)估计及电池的热管理作为电动汽车的核心技术是影响电动汽车整车续驶里程、成本、寿命及安全性的关键指标。本文主要针对动力电池系统中“电、热”这两个核心部分进行研究。通过建立圆柱形18650三元锂离子电池的二阶等效电路模型及电化学-热耦合模型,结合锂离子电池开路电压测试、最大容量测试及自定义动态工况测试等实验,估算车用锂离子电池荷电状态,并对锂离子电池的热性能进行研究。本文简要介绍了课题的研究背景,对电动汽车的发展历史进行概述,并比较分析了几种常用的动力蓄电池的优缺点,指出锂离子电池是较为理想的车用动力电池。对锂离子电池的工作原理、常用的几种建模方式以及锂离子电池荷电状态估计和电池在放电过程中热性能的国内外研究现状进行了分析说明。以美国国家航空航天局(National Aeronautics and Space Administration,NASA)提出的锂离子电池实验数据作为原始数据,通过遗传算法(Genetic Algorithms,GA)优化误差反向传播(Back Propagation,BP)的神经网络模型来完成锂离子电池荷电状态离线估计,结果表明,荷电状态的最大估计误差是4.21%,平均绝对误差为1.70%。使用无迹卡尔曼滤波法(Unscented Kalman Filter,UKF)估算锂离子电池荷电状态,该方法通过改进的最小二乘算法实现锂离子电池等效电路模型中参数在线辨识,再将辨识的参数运用到荷电状态估算中。研究结果表明使用该方法估计锂离子电池荷电状态时,最大估计误差是4.94%,平均绝对误差为1.43%。最后建立三元锂电池的电化学-热耦合模型,并通过锂电池充放电实验验证了模型在电特性上的准确性。对不同放电倍率、环境温度、对流表面系数下锂离子电池热性能进行仿真分析,为动力锂电池热管理系统的研发提供理论支撑。