摘 要

随着能源危机和环境污染问题的不断恶化，人类面临的能源问题日益严峻，发展电动汽车已经成为了我国发展的重要战略措施，作为一种高能量密度的储能装置锂离子电池在电动汽车领域被广泛地使用。但是锂离子在实际应用中存在很多问题，例如过度充放电等，这容易给锂电池造成不可逆的破坏,为了能提高锂电池的利用率、尽可能延长其使用寿命，需要我们对锂离子电池的使用进行智能管理。准确的电池电荷状态（State of Charge,SOC）估算是电池管理系统有效运行的前提与关键，对电池寿命的提高有着重要意义。本文针对锂电池的电荷状态估计展开了研究，主要工作内容如下：

本文首先基于锂离子电池性能的研究，分析锂离子电池的工作原理与主要性能参数，其中对电荷状态的定义进行了阐明，然后分析了电池性能的影响因素，并研究了电池温度及循环次数对锂离子电池性能的影响。文章接下来对比分析了电池的电化学模型、神经网络模型及等效电路模型三类常用模型，综合考虑后选择了Thevenin等效电路模型作为电池模型。然后文章对比分析了几种常见SOC估算方法的优缺点，选择无迹卡尔曼滤波算法作为本文的SOC估算算法，并在Matlab/Simulink中建立UKF算法的模型，对模型进行了仿真，对比分析仿真结果后发现该方法能够有效的实现SOC值的实时估算。

关键词：锂离子电池；SOC估计；Thevenin等效电路；无迹卡尔曼滤波

Abstract

With the deteriorating energy crisis and environmental pollution problems, the energy problems facing human beings are becoming more and more serious. The development of electric vehicles has become an important strategic measure for China's development. As a high-energy density energy storage device, lithium-ion batteries are in the field of electric vehicles. It is widely used. However, in practical applications, lithium ion batteries have many problems such as overcharge and overdischarge, which is easy to cause irreversible damage to the lithium battery. In order to improve the utilization rate of the lithium battery and prolong its service life, we need a lithium ion battery. Use for intelligent management. The two difficulties of the traditional lithium-ion battery management system are the power estimation and the balance of the battery pack. The accurate state of charge (SOC) estimation is the premise and key for the effective operation of the battery management system, and it is important for the improvement of battery life. significance. This paper studies the charge state estimation of lithium batteries. The main work contents are as follows:

In this paper, based on the research of lithium ion battery performance, the working principle and main performance parameters of lithium ion battery are analyzed. The definition of charge state is clarified, then the influencing factors of battery performance are analyzed, and the battery temperature and cycle number are studied. The impact of lithium ion battery performance. The article then compares and analyzes three common models of electrochemical model, neural network model and equivalent circuit model of the battery. After comprehensive consideration, the Thevenin equivalent circuit model is selected as the battery model. Then the article compares the advantages and disadvantages of several common SOC estimation methods, selects the unscented Kalman filter algorithm as the SOC estimation algorithm, and builds the UKF algorithm model in Matlab/Simulink, simulates the model, compares and analyzes the simulation. The result shows that the method can effectively realize the real-time estimation of SOC value.

Key Words：Lithium-ion battery；SOC；Thevenin model；Unscented-Kalman Filtering(UKF)

目 录

第一章 绪论 1

1.1 课题研究的背景及意义 1

1.1.1 课题研究背景 1

1.1.2 课题研究意义 1

1.2 国内外研究现状 2

1.3 主要工作及论文结构 3

第二章 锂电池的特性研究 5

2.1 锂电池工作原理 5

2.2 锂电池的主要技术参数 6

2.2.1电池容量 6

2.2.2电池电压 6

2.2.3电池内阻 6

2.2.4充放电倍率 6

2.2.5电荷状态SOC 7

2.3 电池性能影响因素 7

2.3.1电池温度 7

2.3.2循环次数 7

2.4 本章小结 8

第三章 锂电池等效模型 9

3.1 锂电池常用等效模型概述 9

3.1.1电化学模型 9

3.1.2等效电路模型 9

3.1.3 神经网络模型 11

3.2 等效模型的选取 11

3.3 本章小结 12

第四章 SOC估算方法研究 13

4.1 常见SOC估计方法 13

4.1.1 安时积分法 13

4.1.2 开路电压法 13

4.1.3 内阻法 13

4.1.4 卡尔曼滤波法 14

4.1.5 神经网络法 14

4.2 无迹卡尔曼滤波算法理论基础 14

4.2.1 卡尔曼滤波 15

4.2.2 无迹变换 15

4.2.3 无迹卡尔曼滤波 16

4.3 锂电池SOC估计仿真的实现 18

4.3.1 SOC估计的无迹卡尔曼滤波设计 18

4.3.2 基于Simulink平台仿真的实现 19

4.3.3 仿真结果分析 20

4.4 本章小结 21

第五章 总结与展望 22

5.1 工作总结 22

5.2 工作展望 22

参考文献 23

致谢 25

第一章 绪论

1.1 课题研究的背景及意义

1.1.1 课题研究背景

能源主要有石油、煤炭、天然气、水电、核能以及各类不可再生能源，随着不可再生能源的逐渐消耗，人类面临的能源短缺问题日益凸显。其中，石油作为全球的主导性燃料，消耗量整逐年递增。石油的消耗在交通领域占绝大多数，主要用于包括汽车在内的机动车上。然而，燃油汽车在行驶过程中会产生大量有害气体，对人类的生存环境及身体健康都造成了极大的危害，这些有害气体同时也是温室效应的主要诱因。为应对能源短缺、环境污染、全球气候变暖等多个人类共同问题，我国出台了多项政策来促进新能源汽车产业的发展。我国国务院2010年在《关于加快培育和发展战略性新兴产业的决定》[1]中明确提出，要将新能源汽车作为我国未来的七大战略性发展新型产业之一。目前，新能源汽车的研发重点在插电式混合动力汽车和纯电动汽车上，混合动力汽车采用电池供电的前提下保留了传统的石油燃料供能方式，纯电动汽车的驱动则全部由动力电池提供。

动力电池的性能很大程度上决定了汽车实时运行时的动态性能，动力电池作为新能源汽车核心部件之一，其性能与管理系统的优化是当今研究的热点与方向。电动汽车所用的动力电池有锂离子电池、铅酸蓄电池、镍镉电池、镍氢电池和钠硫电池。与其他几种电池相比，锂电池具有诸多优点，例如：工作电压高、比能量大、体积小、质量轻、循环寿命长、无记忆效应、无污染，符合当今新能源汽车动力电池的应用需求，因此，越来越多的汽车厂家选择锂离子电池作为纯电动车的动力电池。目前电动汽车的广泛应用主要受到了动力电池成本、安全性能以及续航里程的限制，为了改善锂电池的可靠性与延长其使用寿命，需要配合电池管理系统（Battery Management System，BMS）对电池状态加以管控。BMS通常用于实现以下几个功能：1）电池荷电状态（State of Charge，简称SOC）估计；2）动态监测充放电过程中蓄电池组的每块电池；3）让电池组间的电池达到均衡一致的状态。BMS的功能之一电池荷电状态（State of Charge，简称SOC）估计，正是目前研究与发展锂离子电池系统管理的核心问题。

1.1.2 课题研究意义

动力电池的电荷状态估计是BMS的核心功能，也是电池管理技术研究的重点和难点。如同传统燃油汽车需要知道油箱剩余油量一样，电动汽车也需要通过估算SOC值了解电池的剩余电量，但由于电动汽车行驶过程中电流剧烈抖动，电池处于高度非线性状态，给准确估算SOC状态带来巨大挑战。主流的SOC定义从能量角度描述为：在标定的放电倍率下，电池剩余电量与电池额定容量的比值[2]。这两个值都无法通过直接测量得到，因此SOC也只能通过估算得到，研究具有较高精度的SOC估计算法对于BMS而言是及其重要的。高精度的SOC是保障电池高效安全运行，提升电动汽车续航里程的关键。具体意义如下：

（1）续驶里程精确估计。电动车的主流充电方式有以下几种：换电站换电技术、公共充电桩直流充电技术、家用交流充电技术、无线充电技术。由于目前电动汽车基础设施建设才刚刚起步，很多城市的充电桩与充电桩的配比与地理位置充分满足电动汽车行驶的正常需求，实际使用中，常常会发生因为电量耗尽而抛锚的情况，造成很大的安全隐患，也为电动车的发展推广带来很大的阻碍。精确的电荷状态估计是实现续驶里程估计的基础，它能为汽车行进路线规划与最优充换电方案提供依据。

（2）保护电池。过度的充电和放电都会对锂电池的性能造成不可逆的破坏，降低电池的循环寿命以及电池容量，且易造成电池短路、电解液泄露等危险，埋下安全隐患。精确的电荷状态估计可以了解电池充放电状态，避免过充过放影响电池寿命，达到保护电池的目的。

（3）提高电池利用率。电池利用率指在一次充放电过程中充入或放出的容量与电池固有总容量的比值，目前市面上的电动汽车普遍都有续航里程估计与最高行驶速度两个参数，精确的电荷状态估计有利于电动汽车为驾驶者提供更为准确的续航里程估计与最高行驶速度两个参数，让驾驶者可以最大化利用电池，从而缩短锂电池充电时间并增大其放电时间，提高电池可利用率。

如何排除诸多干扰因素实现对锂离子电池电荷状态的精确估计是锂离子电池管理的核心问题之一，通常地，我们要求SOC估计算法适用于复杂的工况，其特点如下：

1. 精确性：估算值与实际运行值的误差应该尽可能小；
2. 快速性：SOC算法能实时的返回结果；
3. 鲁棒性：在噪音干扰、电池自身参数变化以及外部环境变化的情况下能够维持估算的精确性。

1.2 国内外研究现状

SOC是锂电池的内部状态参数，无法通过外部来直接测量，通常由外部可测量的直观量如电流、电压等来推测电池的电荷状态。根据文献[3-5]，可将目前国内外对于SOC研究的方法分为以下两类：一是基于电池的电化学特性，通过能量守恒关系及电池的物理特性（工作电流、开路电压、内阻等）来计算电池剩余电量，从而避免对电池建模，介绍了常用方法用：Ah计量法[6, 7]、开路电压法[8, 9]；二是基于电池的数学模型，通过测量电池工作时的外部参数（端电压、电流、温度等），通过特定算法对电池的SOC进行估计，常用模型主要有：等效电路模型[10]、神经网络模型[11, 12]、模糊控制模型[13, 14]等。

文献[6]为解决安时积分法不能确定SOC初始值的问题，将开路电压法与安时积分法相结合（OCV-AH法）以估计电池的SOC值，研究结果表明，OCV-AH法在短期内估计的准确度较高，但随着时间的增加，误差有不断扩大的趋势；文献[7]为了解决安时积分法不能估计初始荷电状态()和电池可用容量变化的问题，提出了一种由安时计量法开路电压法和Kalman滤波法组合而成方法来估计电池SOC。具体算法中,根据温度变化和电池老化对电池可用容量的影响试验建立了一个电池容量的影响因素模型，基于单变量电池模型实现Kalman滤波。经验证该方法的估算精度远远优于单独使用安时计量法，满足电动汽车对SOC估计的要求。

传统开路电压法通过测量电池开路电压，由电池开路电压与电池荷电状态之间的关系曲线得到电池SOC，耗时较长[8]。文献[9]在此基础上提出一种新的办法，通过对电池放电曲线及恢复曲线分析，结合电池等效模型，拟合出开路电压的计算公式。用放电停止后的某时刻电压估计电池的开路电压，再以戴维宁模型为基础，采用扩展卡尔曼滤波算法实现了对电池荷电状态的估算，状态参数 SOC 估算初始值由改进后的开路电压法估算出的 SOC 值确定。实验后结果表明，该方法能有效改善由初值误差过大而引起的估算误差问题，让估算结果更为精确。

文献[11]提出了基于人工神经网络的电动汽车中铅酸蓄电池的可用容量计算模型。与基于Peukert方程的方法相比，该方法通常用于计算EV中铅酸电池的可用容量，该模型更准确。实验结果证明了该模型的准确性；计算值与实验数据吻合良好，从工程角度来看，相关误差被认为是可接受的。

文献[13]基于模糊逻辑的充电状态设计和实现了一种用于便携式除颤器的锂离子电池仪表，以交流阻抗和电压恢复为研究对象，作为模糊逻辑模型的输入参数。在为电池包收集的室温数据的基础上，开发了精确的模糊逻辑模型，用于充电状态估计。

通过国内外的相关参考文献不难看出，近年来国外对SOC估算方法的研究主要在新型算法方向，很多应用与其他领域的非线性滤波算法都被用于SOC估计中，如：模糊控制法、神经网络法、灰色理论算法。相比而言，国内对SOC估计的研究主要侧重于对现有算法的优缺点分析，并对其进行整合、改进和优化，例如将Ah计量法与开路电压法结合、神经网络与卡尔曼滤波法结合、安时积分法与扩展卡尔曼滤波法结合等。

目前对电池剩余电量估计的困难之处在于以下几方面[15]：（1）电池工作环境的复杂性；（2）电池状态的不一致性；（3）电池历史的不明确性。因此，要想准确的估计剩余电池电量，必须努力排除诸多干扰因素，选择精确的测量手段、建立恰当的电池模型并选择合适的估算算法。

1.3 主要工作及论文结构

本文主要研究了电动汽车中锂离子电池的SOC估算方法，基于Thevenin等效电路模型应用无迹卡尔曼滤波算法对电池的SOC进行估算，并在Matlab/Simulink中搭建了仿真模型，仿真结果表明该算法可以很好地实现SOC估计。

第一章是绪论部分，主要介绍了SOC估计的研究背景及意义，总结分析了国内外的研究现状并指出了SOC估计的难点。

第二章主要是对锂离子电池性能的研究，首先分析了锂离子电池的工作原理，在此基础上，介绍了锂电池的主要性能参数，其中对电荷状态的定义进行了阐明，最后分析了电池温度及循环次数对锂离子电池性能的影响。

第三章主要对比分析了锂离子电池的各种等效模型，考虑实际应用的复杂程度及估算精度的要求，选择Thevenin等效电路模型作为锂离子电池的动力模型。

第四章对比分析了各类SOC估计方法的优劣及适用场合，其中对无迹卡尔曼滤波算法进行了详细介绍，并将其应用到了电池SOC估算上，然后在Matlab/Simulink中建立了UKF算法估计电池SOC的模型。

第五章对仿真结果进行了分析，结果表明发现该方法能够有效的实现SOC值的在线估算。

第二章 锂电池的特性研究

2.1 锂电池工作原理

锂离子电池是上世纪九十年代发展起来的化学动力电池，具有高能量密度、循环寿命高、自放电率小、无记忆效应、无污染、快速充电等优点，相比于其他动力电池，锂离子电池具有相当优越的综合性能，因此已成为各国动力电池领域研究的热点。

锂离子电池[15]的工作原理如图1.1所示，主要依靠锂离子在正负极之间往返嵌入和脱嵌来工作，实现能量的储存和释放。

图1.1 锂离子电池工作原理

充电时，从正极脱嵌穿过隔膜经过电解液，嵌入石墨的碳层之间，在电池内形成锂碳化合物，使得负极处于富锂态，正极处于贫锂态，与此同时电子的补偿电荷从外电路供给碳负极，保证负极的电荷平衡。放电时则相反，从负极脱嵌穿过隔膜经过电解质嵌入正极，使得正极处于富锂态，负极处于贫锂态。

锂离子电池的正负极化学反应如下式(2.1),(2.2)所示：

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：