電動汽車BMS的SOC估算與均衡控制策略研究.pdf

1、電動汽車作為新能源汽車發(fā)展過程中最具有前景的一種汽車，主要是以動力電池作為動力驅(qū)動源，比傳統(tǒng)汽車環(huán)保性更好，能源消耗更低，并且其動力源可再生。影響電動汽車發(fā)展的最重要的因素是動力電池組的電池管理系統(tǒng)(BMS)，而本文主要針對電池管理統(tǒng)中的動力鋰電池的荷電狀態(tài)(SOC)估算以及動力鋰電池組的不一致性進行深入的研究。主要研究內(nèi)容如下:
　　首先，本文研究了動力鋰電池的基本特性，主要是電氣特性和性能參數(shù)。在分析了動力鋰電池的基本特性基礎(chǔ)

2、上，對目前國內(nèi)外的動力鋰電池的等效模型的優(yōu)缺點進行了詳細分析和比較，詳細地了解了卡爾曼濾波算法以及擴展卡爾曼濾波算法的適用性，如卡爾曼濾波算法針對線性信號具有非常好的估算作用，而擴展卡爾曼濾波算法則是通過對卡爾曼濾波算法的改進使其能夠針對非線性信號能夠進行準確的估算應(yīng)用。針對動力鋰電池的不一致性的原因以及不良后果進行了詳細分析，并體現(xiàn)出了均衡控制的必要性，詳細分析了目前幾大類均衡控制方案的優(yōu)缺點。
　　然后，本文根據(jù)對動力鋰電池的

3、不同等效模型的優(yōu)缺點分析，提出了一種改進的PNGV動力鋰電池等效模型，并利用零輸入、零狀態(tài)響應(yīng)分析并結(jié)合最小二乘辨識的方法對模型參數(shù)進行辨識。為了驗證卡爾曼濾波以及擴展卡爾曼濾波的實用性，利用Matlab/Simulink與Advisor進行聯(lián)合仿真，將提出的等效模型識別的參數(shù)植入仿真模型當中，再將卡爾曼濾波以及擴展卡爾曼濾波算法運用到Advisor仿真軟件當中進行試驗驗證。通過仿真實驗的結(jié)果可知，改進的PNGV模型結(jié)合擴展卡爾曼濾波算

4、法的SOC估算的精度很高，誤差很小，對非線性的SOC估算效果明顯。
　　最后，針對動力鋰電池組的均衡控制的必要性并結(jié)合目前均衡控制策略的分析，提出一種基于Buck-Boost雙層能量轉(zhuǎn)移的均衡控制策略，并針對提出的均衡策略的均衡過程進行了詳細的分析。為了實現(xiàn)其均衡真實的效果，針對均衡控制系統(tǒng)的各個模塊進行電路模塊軟硬件的設(shè)計，硬件部分主要有電源電路、電壓測量電路、電流測量電路、溫度測量電路、均衡電路等;軟件部分主要是利用LabVI