1. 研究目的与意义（文献综述）

1. 目的及意义

   近几年来，随着电动汽车的发展以及新能源的大规模接入电网，作为储能单元的锂离子电池应用也越来越广泛，市场规模也在不断增长。相对传统储能单元，锂离子电池有以下优点：1、输出电压高;2、能量高、储存能量密度大;3、自放电率低,储存寿命长; 4、无记忆效应;5、支持较大的充电电流、充电速度较快;6、放电电压稳定,工作温度范围宽。由于可充电锂电池具备以上诸多优点，其应用非常广泛,最常见的应用就是手机的供电、笔记本电池、工业仪器仪表、医疗器械设备等产品上。锂离子电池在使用过程中，对于其荷电状态（state of charge, soc）的准确估计非常重要，因为soc直接关系到电池安全使用。

   荷电状态(soc)是表示电池工作状态和老化程度的重要状态变量。精确地测量 soc 对电池的管理至关重要，但目前 soc 不能直接测量，必须通过测量其他变量来估算。目前，soc 估计的方法主要是安时(库仑)计量法、内阻法、现行模型法、开路电压法、人工神经网络和卡尔曼滤波(kf)等。扩展卡尔曼滤波 ( ekf) 和无迹卡尔曼滤波(ukf)都是对 kf 的扩展。其中，开路电压法主要依靠电池长时间静置后的端电压与 soc 呈高度线性关系，通过静置后测量得到的端电压估计当前 soc 值，充放电初期电压变化较大，此方法可以取得不错的估计精度。故此方法的缺点较为明显即需要长时间静置，因此其不适用于实时估计soc无法满足实际使用需求。内阻法是首先测量电池的内阻，然后映射至soc，由于交流内阻极易受温度影响，而通过直流内阻估计锂离子电池 soc 需要精确的测量仪器测量电阻值，因此也不适用于在线估计 soc。安时法是一种估计 soc的直接方法，其需要 soc 的初值以及较高精度的电流测量，其误差会不断累积因此不可单独使用。基于模型的方法主要以 kf 以及粒子滤波（particle filter，pf）为框架结合相应的电池模型进行使用，因此此类方法的精度主要依靠模型对系统的匹配程度，采用安时法作为状态方程，模型作为量测方程，通过量测方程给出的估计结果修正状态方程的状态推进结果。pf 算法在处理非线性、非高斯系统时有着极大的优势，与 kf 类似它也是一种动态特性极好的算法。但 pf 若想近似系统真实的后验概率，就需要大量的样本数据，这就造成了计算复杂度的增高，并且 pf 的重采样阶段还会造成粒子多样性的缺失，造成估计的不准确性。因此，pf 在锂离子电池 soc 估计方面很难保证在线的实时性以及准确性。gregory l. plett 在 2004 年使用扩展卡尔曼滤波（extended kalman filter，ekf）有效的估计了电池状态，证明了这一类方法在电池状态估计上的可用性。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   2. 研究的基本内容与方案

   1. 基本内容与技术方案

   课题主要目的为主要包括以下几方面的内容：

   （1）了解锂离子电池模型

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   3. 研究计划与安排

   1-4周，查阅国内外相关资料，做好阅读笔记，做好外文翻译，并做好开题报告；

   5-8周，了解锂离子的电池模型；了解卡尔曼滤波器的工作原理，建立基于卡尔曼滤波的锂离子电池soc估算数学模型;

   9-12周，编写、搭建基于卡尔曼滤波的锂离子电池soc估算程序及模型并仿真；

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   4. 参考文献（12篇以上）

   [1] 张东华，马燕，陈斯琪，朱国荣，陈伟. 锂电池模型参数估计与荷电状态估算研究. 武汉理工大学学报[j]. 2015, vol. 37, no: 179~182.

   [2] 高明煜，何志伟，徐杰，“基于采样点卡尔曼滤波的动力电池 soc 估计”，电工技术学报，2011

   [3] 曾求勇. 动力客车蓄电池组soc监测评估及应用研究 [j]., 2015 (6).

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付