摘 要

近年来掀起了电动汽车的发展热潮，各国都在加紧研发电动汽车，其必将是未来汽车产业的重心，但是电池技术尚不够成熟，这导致了国内电动汽车发展有所停滞，其具有比能量高、自放电少等优点，因此应用范围在不断扩大，小到随身携带手机，大到家用轿车等等。随之应用范围的扩大，对锂离子电池操作不当时，会有一定的危险性，过放电过充电等都会对电池造成不可逆的损伤，因此需要对锂离子电池进行深入的研究，建立可靠的锂离子电池管理系统以确保正确使用电池非常重要。

本文围绕锂离子电池的SOC评估展开，先介绍锂离子电池工作原理及基本特性，然后围绕其模型展开，并将模型参数与荷电状态联系起来进行估算。其中用到粒子群算法，来识别已建立的锂离子电池模型的参数，以获得最优参数解，然后通过OCV-SOC特性曲线可以得到SOC估算关系。

最后通过MATLAB仿真，编写基于粒子群算法的电池估算程序，验证了理论的正确性，达到了一定的效果，有利于今后更进一步对锂离子电池的研究。

关键词：粒子群算法；锂离子电池；SOC；电池模型

Abstract

In recent years, the development boom of electric vehicles has started. All countries are stepping up research and development of electric vehicles. It will definitely be the focus of the future automobile industry, but the battery technology is not mature enough. This has led to the stagnation of domestic electric vehicle development, which has specific energy. High, self-discharge and other advantages, so the scope of application is expanding, as small as carrying a mobile phone, large to a family car and so on. With the expansion of the application range, there is a certain danger to the operation of lithium-ion batteries. Over-discharge and over-charge will cause irreversible damage to the battery. Therefore, it is necessary to conduct in-depth research on lithium-ion batteries to establish reliable lithium. It is important to have an ion battery management system to ensure proper battery usage.

This thesis focuses on the SOC evaluation of lithium-ion batteries. Firstly, the working principle and basic characteristics of lithium-ion batteries are introduced. Then, the model is developed around the model, and the model parameters are correlated with the state of charge for estimation. The particle swarm optimization algorithm is used to identify the parameters of the established lithium-ion battery model to obtain the optimal parameter solution, and then the SOC estimation relationship can be obtained by the SOC-OCV characteristic curve.

Finally, through MATLAB simulation, the battery estimation program based on particle swarm optimization algorithm is written to verify the correctness of the theory and achieve certain effects, which is conducive to further research on lithium-ion batteries in the future.

Key words: Particle swarm optimization; lithium-ion battery; SOC; battery model

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1研究背景 1

1.1.1电动汽车 1

1.1.2锂离子电池 1

1.2研究目的及意义 3

1.3国内外研究现状 3

1.3.1国内研究现状 4

1.3.2国外研究现状 5

1.4本文结构安排及工作内容 5

第2章 锂离子电池特性分析 7

2.1锂离子电池工作原理 7

2.2电池特性分析 8

2.2.1电池SOC介绍及定义 8

2.2.2电池电压 8

2.2.3容量与荷电状态分析 9

2.2.4电池比能量及比功率 10

2.3本章小结 10

第3章 锂离子电池模型分析 11

3.1电池模型 11

3.1.1等效电路模型 11

3.1.2电池极化特性分析 14

3.1.3电化学模型简介 14

3.2 模型选择 14

3.3本章小结 15

第4章 基于粒子群算法的锂离子电池SOC研究 16

4.1粒子群算法简介 16

4.2基于粒子群算法模型参数辨识 18

4.3实验仿真 20

4.4模型参数与SOC联合估算的实现 21

4.4本章小结 22

第5章 总结与展望 23

5.1全文总结 23

5.2全文展望 23

参考文献 24

附录 26

致谢 29

绪论

1.1研究背景

1.1.1电动汽车

自二战以来人类工业大力发展，制造业不断进步，大大改善了人类的生活水品，自汽车产生而来，极大的提高了人类生活工作效率，但其造成的污染不容小觑，如今几乎家家户户都有轿车。每逢过年过节城市道路都会或多或少变的拥堵，现今社会上家用轿车已经处于饱和状态，可想而知，因此而产生的环境污染有多大。如今过度使用能源对环境造成了不可忽略的影响，臭氧层空洞的扩大，全球气候的变暖，温室效应的加剧等等，其中全球汽车尾气排量是造成环境污染的重要原因之一，汽车制造业继续改善，汽车产业不断发展进步，废气的碳排放量也在不断减少。随着当今世界新能源的发展，电池的应用场合越来越多，由于其符合新时代环保主题，被大量运用于工业以及家庭中等等。中国电动车的研发始于2001年，经过不断的努力，电动汽车产业链技术体系得以建立^[1]。

电动汽车分为纯电动汽车，混合动力汽车和燃料电池汽车。现在社会上家用较为广泛的为混合动力汽车。电动汽车相对于传统燃油汽车而言，大大减小了碳排放量的产生，同时也不像燃油车那么耗油，具有经济性环保性等优点，博得大众的喜爱。

纯电动汽车即配备电池的汽车，通过电机驱动汽车，工作原理相对简单，电池提供能源，发出的电流提供给电力调节器，电力调节器控制电机，电机通过传动系统驱动车轮转动使车运行。纯电动汽车运用到的技术简单，只要有电即可开跑，这是其最大的优点，但缺点也不可忽视，即电池成本高，后期电池的维修成本较大，需要综合考虑。

混合动力车辆驱动方法是燃料驱动和电动驱动的，社会上运用较多的为通过电力低速启动高速下燃油介入，电池成本较纯电动汽车降低不少，燃油成本较燃油车降低许多^[2]。

燃料电池汽车通常限制在电厂或叉车上使用，燃料电池汽车通常需要加氢作为原料，其关键是燃料电池，同样具有环保节能等优点。

总体而言，到目前汽车工业发展水平一直很高，纯电动汽车发展是趋势，离不开对电池的研究，如何在完全掌控电池情况下最大化利用好电池性能是还需要进一步研究的。

1.1.2锂离子电池

电池的历史可追溯到1746年荷兰莱顿大学的马森布罗克发明的“莱顿瓶”，其用来收集电荷^[3]。经过科学家的不断实验研究，电池发展很迅速，由锌铜电池到碳锌电池再到后来的干电池，最后发展至今的锂离子电池，与几代科学家的奋斗密不可分。1992年日本索尼公司发明了一种锂电池，正极为含锂化合物，负极为碳材料，其工作时依靠锂离子在正负极往返运动。现如今锂离子电池的应用正在增加，从用于随身用到的手机到外出的汽车等。锂离子电池较普通电池具有比能量高、充放电效率高、相对较稳定等优点，因此在含有同等能量条件下其体积更小，具有更高的便携性。

一般来说，大多数电动汽车都使用锂离子电池，正是因为锂离子电池的优良性能，比功率高、比容量大、效率高等，也有使用铅酸蓄电池或燃料电池的汽车，但因电池体积大利用效率不高或者充放电需要不停加氢使用较少。

表1-1显示了锂离子电池和其他电池之间各种性能的对比。

表1-1锂离子电池与其他电池对比^[4]

表1-2各类锂离子电池对比^[4]

随着应用的扩大，对电池的监管要求变得则更高了，需要明确了解电池使用寿命，还有使用过程中的荷电状态能否准确估计关系到使用安全性，若电动汽车电池荷电状态估计偏高，则会影响电动汽车的正常行驶，甚至会对车主性命造成威胁，因此电池的监管系统十分重要。另一方面需要对电池内部结构掌控，在最大化发挥电池的性能同时防止其出现意外。近些年来市场上某品牌手机电池总出现爆炸事件，究其原因总是离不开锂离子电池的内部构架，掌握其安全可靠的内部结构十分重要。总体来看，对锂离子电池的研究离不开两个方面，一是安全可靠的内部构造，二是建立行之有效的电池管理系统。

1.2研究目的及意义

近年来新能源发展迅猛，离不开锂离子电池的使用，一辆纯电动汽车使用的锂离子电池不再是简单的单个个体，而是许多个体串接而成的一个整体，在使用这个整体过程中离不开对其准确的监管，实现对电池各种状态的实时了解，避免出现意外差错。而锂离子电池在许多方面都有优势，无论是环保节能还是高效经济性。其中磷酸铁锂电池是应用的非常广泛的一种锂离子电池，相对其他种类锂离子电池具有安全可靠、耐高温、寿命久以及快速充放电等优点。锂离子电池也应用于各种类型的应用中，磷酸铁锂电池比较适用于电动汽车动力锂离子电池，原因是动力电池驱动电动车行驶需要较大的电流，并且波动范围也很大。

电池管理系统是个庞大的系统，其中涉及电池的寿命分析，电池SOC评估，电池容量检测，电池安全性能监测等等。电池SOC即电池的荷电状态，荷电状态的精确估计与否非常重要，实际使用中如果不能精确掌控电池的实时荷电状态则会影响下一步进程，同时还会影响电池的使用寿命。比如一辆纯电动汽车行驶后对电池剩余电量的估计可计算出续航里程，司机据此来判断是否充电，若剩余电量估计不够精确直接导致续航里程不确定，反过来，电池可能过充电或充电不足，影响电池性能并形成恶性循环。同时准确测定SOC还可以预防电池的过充放电，延长电池使用寿命，因而SOC评估是电池管理系统中最重要也是最关键的一部分。实际使用过程中电池还受环境因素的影响，比如温度、压强等，会使电池使用过程中加大电流的波动程度，这些复杂多变环境大大加大了对电池SOC评估的难度，目前准确的评估电池SOC是还需要攻克的一大难关。在本文中，结合锂离子电池模型来研究电池荷电状态非常重要^[5]。

1.3国内外研究现状

粒子群算法提出来之后，就引起了各国学者的注意，并不断发展进步，为工业发展应用做出了贡献。自IEEE第一届国际群智能研讨会在美国召以来，有关粒子群算法优化研究和粒子群算法在实际应用成果的论文逐年在增加，近年来，ISI数据库中粒子群优化的论文数量增长迅速，表明粒子群优化已经成为智能算法领域的热门话题。因此可以将粒子群算法应用于电池管理系统中。电池管理系统的核心是评估电池荷电状态，即电量的估计。由于电动汽车的动力电池通常是由并联连接的多个单独电池串形成的电池组，因此电池组由于各个电池的不同而工作，这影响了电池管理系统的有效监控。，随着电动汽车的大力发展，已经研究和开发了电池管理系统。

1.3.1国内研究现状

目前，锂离子电池的估算方法很多，但主流方法仍是安时积分法、开路电压法、卡尔曼滤波法和人工神经网络法等。其中应用得最多的是安时积分法和开路电压法，这两种方法数学计算公式简单，实验容易实现，而其他的几种算法均是智能算法，当前尚停留在实验阶段，运用不是非常成熟故还需要大量实验深入研究。

安时积分法：主要是根据电池充放电电流对时间的积分来计算电池的荷电状态，计算过程中将电池的放电电量累加起来。此方法需要有电池的初始状态，若想测得电池SOC较为精确，需要加高对电流采集的精度。由于初始状态并不是想象中的那么容易测出加上放电电量的累加都造成了电池荷电状态的一定误差^[6]。

开路电压法：基于开路电压和锂离子电池的充电状态之间的关系，通过已知电池的开路电压分析电池的充电状态。这种方法简单易行，缺点是过于依赖两者之间的关系^[7]。

卡尔曼滤波法：卡尔曼滤波算法在电池SOC估计中具有更高的准确度，并且是基于系统状态的最小方差的方法。在锂离子电池等效电路模型建立好的基础上，通过系统状态方程和测量方程，来实现电池荷电状态的估计。由于该方法高度依赖于电池模型，电池模型

的准确性直接影响电池充电状态的估计精度^[8]。

神经网络法：神经网络算法直接通过大量的数据建立相关的估算模型，由于其模型数据量非常大，精确度可以做到非常高。这种算法可以并行处理分布式数据，具有非线性系统的特点。理论上将，神经网络算法可以做到任何输入输出关系，故此估计方法较其他方法省略了模型建立这一环节^[9]

粒子群算法由于自身收敛速度很快，结构又接单而成为热门优化算算法之一，我国对粒子群算法的研究起步较晚，我们还必须从前人在世界上旅行的道路中学习，并根据前人的经验迅速跟进。作为一个研究起步晚的国家，我们的研究也是理论与实际应用的结合。

粒子群算法与其他优化算法有相似之处，粒子群算法与其他算法比较起源相似，大部分进化算法都起源于自然界的生物种群进化过程，这些算法初始状态是随机搜索的，不断通过迭代进行下一个位置的寻找来实现最终寻找到最优位置。粒子群算法有个体和全局最优解，然后通过判断得出全局最优的个体及其最优解。选择机制类似，迭代中都是将当前的值与前时刻的值对比，由好的值替代，寻优过程中，当前粒子位置是最优位置，实际算法运行过程中时，当前粒子值优于全局最优个体粒子值时，才会替代全局最优值，这就是算法大多用到的选择机制。

粒子群算法在以下几个方面同其他算法不同，首先是进化方式存在差异，其他算法大都是根据位置进行更新，而粒子群算法本身就含有速度位置更新公式；在收敛性方面，粒子群算法的局部收敛性比其他算法强得多，粒子群算法收敛速度快于其他算法。在实际应用中，粒子群算法具有更好的处理连续问题能力。

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：