摘 要

当今世界，全球环境与资源危机日渐严重，新能源的开发与运用变成了现今各国能源发展战略上的主流。锂离子电池作为一种高能量密度的电能存储装置越来越频繁地出现在我们的日常生活中。大至国防、通讯、汽车以及医疗设备，小至手机、相机和平板电脑等人们平日使用的消费级电子产品，锂电池的身影随处可见。然而锂电池在日常使用中存在着过充及过放等许多问题，为了保障锂电池可工作至其最大寿命，如何智能管理锂电池的问题就变得尤为重要。本论文主要探讨了BMS（Battery Management System，电池管理系统）中锂离子电池荷电状态（State of Charge，SOC）的估计方法，并对该算法进行了MATLAB/Simulink环境下的仿真。

本文首先从锂电池的基本特性出发，阐述了锂离子电池的各种性能指标以及充电和放电特性，并介绍了影响电池SOC估计的各类影响要素。

而后主要研究了锂离子电池的等效模型，结合电池管理系统的特点，分析了各类常用电池等效模型的优劣，最终选择了Thevenin模型作为本文锂电池建模的模型基础。

最后设计了基于扩展卡尔曼滤波法（Extended Kalman Filter，EKF）的锂电池电量估计算法，并在Thevenin模型的基础上剖析了其适用性，最后在MATLAB/Simulink软件中完成了仿真实验，证明了本文研究成果是可行的。

关键词：锂离子电池；SOC；电池模型；扩展卡尔曼滤波

Abstract

In today's world, the global environment and resource crisis is becoming increasingly serious, the development and application of new energy has become the mainstream of today's energy development strategy. Lithium-ion batteries as a high-energy density of energy storage devices more and more frequently appear in our daily life. Large to the national defense, communications, ,automotive and medical equipment, small to the consumer electronics such as cameras, tablet PCs and mobile phones which people frequently use in the daily life, lithium batteries can be seen everywhere. However, lithium batteries have many issues such as overcharge and over discharge in the practical application. In order to ensure the service life of lithium batteries, its intelligent management becomes more and more important. This thesis mainly studies the method of estimating the SOC of the battery in the lithium battery management system, and carries on the MATLAB / Simulink simulation.

First of all, from the lithium battery’s basic characteristic, this thesis elaborated performance indicators and charge and discharge characteristics of lithium battery, and then introduced the various factors which influence the estimation of the SOC of the lithium battery.

Then, the equivalent model of lithium battery was studied in this thesis. According to the characteristics of battery management system, the advantages and disadvantages of various battery equivalent models were analyzed. Finally, Thevenin model was chosen as the model of lithium battery in this thesis.

Finally, the estimation method of lithium battery SOC based on the extended Kalman filter (EKF) algorithm was designed, and its applicability was analyzed with Thevenin model. And then, the simulation is carried out in MATLAB / Simulink, which proved that the algorithm is effective.

Key Words：lithium-ion battery; SOC; battery model; extended Kalman filter

目 录

第1章 绪论 1

1.1 研究背景及研究意义 1

1.2 各类电池发展综述 2

1.3 BMS的研究现状 3

1.3.1 BMS的构成 4

1.3.2 BMS的发展现状 4

1.4 研究重点及难点 6

1.5 论文结构 6

第2章 锂离子电池的特性介绍 8

2.1 锂离子电池的基本特性与工作原理 8

2.2 锂离子电池的性能指标 10

2.2.1 锂电池的电动势 10

2.2.2 锂电池的额定电压 10

2.2.3 锂电池的内阻 10

2.2.4 锂电池的容量 11

2.2.5 锂电池的比能量 11

2.2.6 锂电池的比功率 12

2.3 锂离子电池的充放电特性 12

2.4 锂离子电池SOC估计影响因素 13

2.5 本章小结 14

第3章 锂离子电池的等效模型 15

3.1 常见的锂电池等效电路模型 15

3.1.1 Rint模型 15

3.1.2 Thevenin模型 16

3.1.3 PNGV模型 16

3.1.4 四阶动态电路模型 17

3.1.5 二阶RC电路模型 18

3.2 电池等效电路模型的选择以及参数辨识 18

3.3 本章小结 22

第4章 基于EKF的锂离子电池电量估算算法 23

4.1 常见的电池电量估算算法 23

4.1.1 开路电压法 23

4.1.2 安时积分法 23

4.1.3 卡尔曼滤波法 24

4.1.4 内阻法 24

4.1.5 神经网络法 25

4.2 扩展卡尔曼滤波法 25

4.2.1 卡尔曼滤波器的原理 25

4.2.2 扩展卡尔曼滤波法 27

4.3 基于EKF的电池电量估算算法 28

4.3.1 基于EKF的电池电量估算算法 28

4.3.2 基于EKF的电池电量估算算法的仿真 31

4.4 本章小结 32

第5章 总结与展望 33

5.1 工作总结 33

5.2 工作展望 33

参考文献 35

致谢 37

第1章 绪论

1.1 研究背景及研究意义

随着地球上不可再生能源的储存量越来越低，人类所面对的能源问题日益严重。在科技不断进步的今天，风能、地热能以及太阳能等可再生能源得到了普遍应用，电网也由传统的运作方式向智能的运作方式转变，储能技术是智能化电网发展的核心技术，储能技术发展的基本方向是高效化、环保化、成本低量化等。锂离子电池作为一种能量密度较高的电能储存装置在当今社会得到了越来越普遍的应用。大到国防、通讯、医疗设备以及汽车，小到相机、手机以及平板电脑等平日里人们经常使用的各种消费电子产品，锂离子电池与我们如影随形。然而锂离子电池在使用中存在着过度充电和过度放电等很多问题，为了改善锂电池的可靠性、提高其使用寿命以及降低使用成本，我们必须对锂离子电池施行高效的管理，此时，电池管理系统（Battery Management System，BMS）的重要性就凸显出来。以往所设计的电池管理系统中，电池组的均衡和电池电量的估算是两大传统难点，其中电量估算即为准确地预知电池的荷电状态（SOC）,SOC是表征锂离子电池特性的关键参数，其定义为电池的当前容量与电池的标称容量的比值（0≤SOC≤1），SOC越准确，BMS的运行效率就越高，与之对应，电池的循环寿命也就越长，其成本也就越低。因此，锂离子电池电量估算算法的研究对于锂离子电池管理系统的发展将起到极大的推动作用，对于人类最终解决资源短缺以及环境破坏等问题也具备很重要的价值。

在手机、相机等负载比较稳定、不会出现剧烈波动的电池系统中，电池电量估算通常是由电流对时间的积分来实现的。但是在诸如电动汽车等在运行过程中会出现电流剧烈波动的情况下，使用常用的电流对时间的累积算法则会出现较大的误差，无法满足使用需求[^[1]]。因此，探讨高精度的电池电量估算算法对于BMS的发展而言意义重大，它可以向各类设备中电池剩余电量估计、增加锂离子电池的寿命、提高锂离子电池的利用率等提供更为有效的支持。