摘 要

电动汽车的主要能量来源就是车载电源，电动汽车动力性能的强劲与否以及充满电后汽车所能行驶的里程数的多少与车载电源的各项性能相关联。由于锂离子电池的能量密度相对于其它电池比较高，充电时间也比较快并且电池的自放电较少，所以在当今电池的研究中受到极大的重视。在电动汽车中可以利用电池管理系统（BMS）不断优化锂电池的各项指标，并且在电动汽车行驶过程中可让驾乘者直接观察到电池剩余容量，就需要准确的提供电池的荷电状态（SOC）。和传统的燃油车不同，电池的荷电状态（SOC）不能利用传感器直接测量读数，而是要利用SOC估算方法对其进行估算。

本篇文章的研究对象是锂离子电池，通过研究锂离子电池的结构、性能和原理，掌握其内在特征，并详细列举分析了三种较为常见的SOC估算方法：Ah积分法、扩展卡尔曼滤波算法（EKF）、无迹卡尔曼滤波算法（UKF）。结果表明：在1C恒流放电工况下，Ah积分法的估算精度达到了5%，但在人为设定与实际SOC初始值相差较大的初始值时，Ah积分法估算产生了比较大的误差，说明其不具备鲁棒性；扩展卡尔曼滤波算法估算精度达到4%，并且展现了较好的鲁棒性；无迹卡尔曼滤波算法估算精度达到了3%，并且鲁棒性也比较好。在文章的最后部分分析了电流、电压、参数误差等因素对SOC估算精度的影响：充放电电流大小的变化，会使电池的实际容量产生变化，进而对SOC估算精度造成影响；开路电压与SOC之间有固定的映射关系，因此被用于SOC估算中；电池的放电电压以及放电容量受温度的影响而变化，所以造成在实际的应用中温度因素会影响到SOC的判断；参数的精确与否，将直接导致电池SOC估算精度。

关键词：锂离子电池；SOC估算；影响因素；

Abstract

The main energy source of the electric vehicle is the on-board power supply. The power performance of the electric vehicle is related to the performance of the on-board power supply. Because the energy density of lithium ion battery is higher than other batteries, the charging time is faster and the self-discharge of battery is less, so the research of lithium ion battery has received great attention. In electric vehicles, the battery management system (BMS) can be used to continuously optimize the indicators of lithium battery, and during the driving process of electric vehicles, the driver can directly observe the remaining battery capacity, so it is necessary to accurately provide the charged state (SOC) of the battery. Unlike conventional fuel vehicles, a battery's state of charge (SOC) can't be measured directly by a sensor, but can be estimated using a SOC estimation method.

The research object of this paper is the lithium ion battery. By studying the structure, performance and principle of the lithium ion battery, the intrinsic characteristics of the lithium ion battery are mastered, and three common SOC estimation methods are listed and analyzed in detail: Ah integration method, extended kalman filter algorithm (EKF) and traceless kalman filter algorithm (UKF). The results showed that the estimation accuracy of Ah integral method reached 5% under the constant current excurrent condition of 1C. However, when it was artificially set as the initial value with a large difference from the actual initial value of SOC, the estimation error of Ah integral method was relatively large, indicating that it did not have robustness. The estimation accuracy of the extended kalman filter algorithm is up to 4%, and it shows good robustness. The estimation accuracy of the trackless kalman filter algorithm is up to 3%, and its robustness is better. In the last part of this paper, the influence of current, voltage, parameter error and other factors on SOC estimation accuracy is analyzed. The change of charging and discharging current will change the actual capacity of the battery, thus affecting the accuracy of SOC estimation. There is a fixed mapping relationship between open circuit voltage and SOC, so it is used in SOC estimation. The discharge voltage and discharge capacity of the battery change under the influence of temperature, so the temperature factor will affect the judgment of SOC in the practical application. The accuracy of parameters will directly lead to the accuracy of SOC estimation.

Key Words：lithium-ion battery；SOC estimation；influencing factor

目录

第1章 绪论 1

1.1 课题研究的背景及意义 1

1.2 SOC估算方法研究现状 2

1.3 课题研究的内容 4

第2章 锂离子电池的结构与基本原理 5

2.1 锂离子电池的结构及工作原理 5

2.1.1 锂离子电池的结构 5

2.1.2 锂离子电池工作原理 6

2.1.3 锂离子电池发展历程 7

2.2 锂离子电池衰退的内、外因素 7

2.2.1 电极材料的衰退 8

2.2.2 电池容量的衰退 8

第3章 锂离子电池的实验方法与工作特性 9

3.1 实验测试方案 9

3.1.1 容量测试实验 10

3.1.2 恒流放电测试实验 10

3.1.3 HPPC循环工况测试实验 10

3.1.4 DST循环工况测试实验 11

3.2 锂离子电池的基本特性 11

3.2.1 电池的温度特性 11

3.2.2 电池的开路电压特性 13

3.2.3 电池的内阻特性 14

3.2.4 电池的倍率特性 16

第4章 基于Ah积分法的电池SOC估算方法 18

4.1 Ah积分法估算算法的构建 18

4.2 Ah积分法估算建模 18

4.3 Ah积分法估算结果分析 19

4.4 基于Ah积分法的SOC估算误差校正 20

4.4.1 Ah积分法参数的修正 21

4.4.2 对初始值SOC₀的修正 21

4.4.3 对库伦效率进行修正 22

4.4.4 对老化因素进行修正 22

4.4.5 对电池总容量C进行修正 22

4.4.6 结果对比分析 22

4.5 小结 23

第5章 基于卡尔曼滤波的SOC估算方法 24

5.1 卡尔曼滤波算法（KF） 24

5.2 扩展卡尔曼滤波算法（EKF） 25

5.2.1 扩展卡尔曼滤波法理论 25

5.2.2 扩展卡尔曼滤波仿真模型 25

5.2.3 扩展卡尔曼滤波估算结果分析 26

5.3 无迹卡尔曼滤波算法（UKF） 27

5.3.1 无迹卡尔曼滤波算法理论 28

5.3.2 无迹卡尔曼滤波仿真模型 30

5.3.3 无迹卡尔曼滤波估算结果分析 31

5.4 EKF与UKF估算结果比较分析 32

5.5 小结 33

第6章 结论 34

6.1 SOC影响因素分析 34

6.2 研究总结 35

参考文献 37

致谢 39

第1章 绪论

1.1 课题研究的背景及意义

最近这些年来，能源和环境问题逐渐变得严峻，资源即将消耗殆尽以及由于工业社会急速发展所造成的环境污染，不断地威胁着人类的生存环境，并由此引发一系列的地缘政治冲突。伴随着社会的进步和发展，汽车保有量在逐步增大，因此导致了更为严峻的环境污染。在这种背景下，电动汽车的出现以及迅速普及极大的缓解了现有的冲突和矛盾。考虑到其最有可能成为减少二氧化碳排放和解决环境污染问题的替代品，电动汽车已经被汽车行业广泛接受。对于我们国家来说，虽然资源总量很大，但由于人口众多，人均可利用资源十分有限，电动汽车在我们国家的大力发展以及快速普及十分有利于缓解我国国内石油供需的尴尬局面。推广和应用电动汽车具有非常大的现实意义，首先它能够实现超低排放或者零排放，有利于改善环境；其次可以提高热效率；并且电动汽车能量回馈几率大；有利于解决汽车所面临的能源紧缺等可持续发展问题。由此可见，电动汽车在未来势必会成为人类最佳的选择^[1]。