摘 要

近年来，电动汽车得到了大力推广，退役动力电池的处理问题变得更加突出。大多数已经退役的锂电池完好无损，并且功能和组件都是有效的。在这种情况下，使用退役的锂电池可以降低锂电池的使用成本，并且有利于节能和减少排放。然而，退役锂电池的电池之间的性能存在很大差异，因此重新评估电池的性能尤其重要。电池的充电状态（SOC）是电池性能的重要指标，其精确测量在储能电站的电池使用中起着重要作用。

本研究的目的是比较和选择准确，快速，可靠的电池SOC估算方法，以及保证所选方法的准确性和收敛性。在比较了各种电池SOC的测量和评估方法后，本文决定使用扩展的卡尔曼算法（EKF）作为测量电池SOC的方法。选择二阶RC电池模型。最后，建立了基于EKF的电池SOC估计模型，并通过matlab仿真验证了模型的可行性和准确性。以下是本文的主要工作和研究成果。

首先介绍了本课题的研究背景，分析了电池SOC的研究现状。接着本文阐述了电池SOC的含义，介绍了几种常用的电池SOC估算方法，并对最终的扩展卡尔曼滤波算法作为电池搜索的研究方法进行了分析和比较。

然后对普通电池等效电路模型进行了分析和比较。选择了二阶RC电池的电路等效模型作为本次研究的电池模型。分析了温度，充放电率，循环寿命和自放电对电池建模的影响。然后利用相关参数通过相关计算公式识别模型参数，利用“matlab”软件建立二阶RC电池模型，并进行充放电实验。工作条件下的仿真结果表明，建立的电池模型精度高，满足本课题电池模型的要求。

然后阐述了卡尔曼滤波算法的基本原理，分析了扩展卡尔曼算法与卡尔曼算法的区别以及选择原因。在此基础上，建立了电池SOC估算系统的流程，推导出系统的状态方程和系统。基于扩展卡尔曼滤波算法的观测方程和递推公式。基于二阶RC等效电池模型，利用“matlab / simulink”软件建立了基于扩展卡尔曼算法的电池SOC估计模型，并进行了仿真实验。结果表明，电池SOC估算模型具有较高的精度，满足在实验提供的工作条件下的要求。

基于以上研究和实验结果，基于该项目的电池估算模型在动态条件下具有精度高，适应性强，收敛性强的优点。

关键词：电池SOC，锂离子电池，二阶RC电池模型，扩展卡尔曼滤波算法

Abstract

In recent years, the promotion of electric vehicles has been vigorously promoted, and the handling of decommissioned power batteries has become more prominent. Most of the lithium batteries that have been retired are intact, not damaged, and the functions and components are effective. In this case, the use of the decommissioned lithium battery can reduce the use cost of the lithium battery, and is conducive to energy saving and emission reduction. However, there is a large difference in performance between the cells of the decommissioned lithium battery, so it is particularly important to re-evaluate the performance of the battery. The state of charge (SOC) of the battery is an important indicator of battery performance, and its accurate measurement plays an important role in the use of the battery of the energy storage power station.

The purpose of this research is to compare and select an accurate, fast and reliable battery SOC estimation method, and the accuracy and convergence of the selected method. After comparing the measurement and evaluation methods of various battery SOCs, this paper decided to adopt the extended Karl. Mann algorithm (EKF) is used as a method to measure battery SOC. A second-order RC battery model is selected. Finally, an EKF-based battery SOC estimation model is established, and the feasibility and accuracy of the model are verified by matlab simulation. The following are the main work and research results of this paper.

Firstly, the research background of this topic is introduced, the meaning of battery SOC is explained, and the current research status of SOC of battery is analyzed. This paper introduces several commonly used battery SOC estimation methods, and analyzes and compares the final extended Kalman filter algorithm as the research method of battery search.

Then the common battery equivalent circuit model is analyzed and compared. The circuit equivalent model of the second-order RC battery is selected. The effects of temperature, charge-discharge rate, cycle life and self-discharge on the battery modeling are analyzed. The correction factor of the influencing factors is substituted into the battery definition formula to achieve the purpose of correction; and then the relevant parameters are used to identify the parameters of the model through the relevant calculation formula, and the second-order RC battery model is established by using the “matlab” software, and in three experiments. The simulation results in the working conditions show that the established battery model has high precision and meets the requirements of the battery model of this subject.

Then the basic principle of Kalman filter algorithm is explained, and the difference between extended Kalman algorithm and Kalman algorithm and the reasons for selection are analyzed. Based on this, the flow of battery SOC estimation system is established, and the state equation and system of the system are derived. The observation equation and the recursive formula based on the extended Kalman filter algorithm. Based on the second-order RC equivalent battery model, the SOCF-based battery SOC estimation model is established by using the "matlab/simulink" software, and the simulation experiment is carried out. The results show that the battery SOC estimation model has higher precision under the working conditions provided by the experiment and meets the required requirements.

Based on the above research and experimental results, the battery estimation model based on this project has the following advantages under dynamic conditions: high precision, good adaptability and strong convergence.

Keywords: battery SOC, lithium-ion battery, second-order RC battery model, extended Kalman filter.

目 录

摘 要

Abstract

第1章 绪论 1

1.1研究背景 1

1.2常用电池SOC估算研究现状 1

1.3 本文研究的主要内容与章节安排 2

第2章 电池SOC估算方法的的研究 3

2.1电池SOC的定义理解 3

2.2目前常用电池SOC估算方法分析 3

2.2.1安时积分法 3

2.2.2放电实验法 4

2.2.3开路电压法 4

2.2.4人工神经网络 4

2.2.5 卡尔曼滤波算法 4

2.3课题所用电池SOC估算方法确立 5

2.4 本章小结 5

第3章 锂离子电池基本特性以及模型建立 6

3.1锂离子电池的基本特性分析 6

3.1.1锂离子电池模型 6

3.1.2锂离子电池的参数特性 9

3.2锂离子电池的参数模型辨识 10

3.2.1戴维南等效电路模型 10

3.2.2锂离子电池模型的在线参数辨识 11

3.3本章小结 12

第4章 基于扩展卡尔曼算法的电池SOC估算方法研究 13

4.1 标准线性卡尔曼算法的基本原理 13

4.2 非线性系统的扩展卡尔曼算法的基本原理 16

4.3 基于扩展卡尔曼算法估算电池SOC的仿真结果及分析 18

4.3.1 基于EKF估算电池SOC 18

4.3.2仿真结果分析 19

4.4 本章小结 23

第5章 电池均衡问题的研究 24

5.1 梯次利用储能电站电池均衡问题研究意义 24

5.2 电池均衡问题的方法提出 24

5.3本章小结 26

第6章 总结与展望 27

6.1本次毕业设计工作总结 27

6.2后续工作展望 27

致 谢 29

参考文献 30

第1章 绪论

1.1研究背景

随着中国经济的发展，社会各界都开始普遍关注经济发展与节能减排之间的矛盾。目前，中国新能源发电和储能技术正快速地发展，因而，中国推动电动汽车行业的发展可作为，减少机动车污染物排放与能源节约的主要途径之一。进入新世纪以来，以化石能源为主的交通方式使得能源短缺和环境污染成为汽车工业发展中遇到的两大挑战。由此绿色能源的发展逐渐引起广泛的关注。与传统汽车相比，以替代燃料和电驱动为代表的各种新型汽车能源动力技术快速发展，引发了一场新的技术变革，新能源汽车优势明显，既经济节能又低碳环保。近几年来各国发展新能源汽车的积极性、主动性、系统性也一直在不断加强^[15]。

随着电动汽车数量不断快速增长， 中国退役电动汽车电池数量也呈爆炸式增长，据估计2020 年将有19 GW·h 的梯次利用电池市场^[1]。根据规定，电动汽车在剩余电量为自身容量的80%时，必须从电动汽车上退运，不可继续使用，与确保电动汽车运行的安全性与稳定性。但是，就目前储能电池的生产水平来看，剩余80%容量时， 电池仅处于前半段的循环寿命，如果后面应用于较低要求环境，退役的储能电池还可运行数年。将电动汽车退役电池应用于蓄电不仅可以降低储能电站的投资成本，还可以最大限度地利用电池资源，减少环境污染。把回收电池成规模的应用到蓄电领域将会蓄电成本，提高电池生产环境效益，对于储能行业与电池生产行业均具有重要意义。

在锂离子电池的使用过程中，电池管理系统(BMS)起到了非常重要的作用，它能提高电池的安全性和使用效率进而延长电池的寿命。电池的SOC 是BMS 中非常重要的参数，它直接影响电池的安全性和使用效率。因此，找到一种实时、精确、可靠的SOC 估算方法非常重要^[6]。

1.2常用电池SOC估算研究现状

电池的SOC估计是BMS中的关键环节。准确估算电池不仅可以保护电池，延长电池寿命，还可以提高电池的安全性，提高电池效率，提高经济效益并节省成本。所以我们需要参考国内外研究锂离子电池算法的方法和进展^[5]。

目前国内外对电池剩余电量的早期研究有多种方法：安时积分法，开路电压法，内阻法，零负荷电压法，电池电解质有效质量法、线性模型法、电化学分析法。在第2章中详细解释了这些方法的具体原则和公式。下面简要分析它们的用途和优缺点：

安时积分法是一种相对准确和科学的方法。许多其他估计的电池基于安时积分法。然而，简单的安时积分法的初始值难以确定，并且该方法易于累积误差并且不适合单个使用。它经常与其他方法一起使用;开路电压法相对简单，但它要求电池充分静置并且电路要断开。该方法不适用于实时在线检测;线性模型法适用于电池状况变化缓慢的环境，电压和电流急剧变化的情况不适用;用于测量电池电介质的有效质量法适用于铅酸电池，对密封结构的电池无用;电化学分析法利用电池的内部结构，组成和化学反应来建立电池SOC-OCV曲线。与简单的开路电压方法相比，该方法得到改善，但实施困难且精度有限。

随着科学技术的进步和理论的发展，电池管理系统对电池的评估要求越来越高，精度要求也越来越高。随着设备的改进和科研机构的努力，出现了几种新兴的电池估算方法。主要有以下方法：模糊法，神经网络法，卡尔曼滤波方法，以及从卡尔曼滤波导出的几种方法^[3]。

模糊法是一种智能控制方法。该方法的特征在于将知识和经验表达为机器可以理解的语言，并形成计算机而不是人来控制系统的规律。该方法实际上是使用机器来模拟人们的想法和经验。但此方法仍在研究中，实践中的应用并不多。

卡尔曼滤波是递归线性最小协方差估计的计算方法。实时观测向量将要估计状态向量的估计值用于最小化状态向量方差。

本文建立的电池SOC估算方法是基于卡尔曼滤波法基础上的扩展卡尔曼滤波算法。扩展卡尔曼滤波法可以准确地估计电池SOC值并具有很强的收敛性。它可以实时预测电池估算值。原理易懂，结构简单方便，易于实现。

1.3 本文研究的主要内容与章节安排

本章重点介绍了本次毕业设计课题的课题背景，对于目前国内外的电池SOC估算做了介绍与分析。本文主要针对目前梯次利用储能电站的退役锂电池估算的问题，通过对电池结构，估算方法进行一系列分析得到电池的工作特性和实验数据，在建立等效模型的基础上实现对电池的SOC估算。本文研究的主要内容有：

(1) 详细系统研究电池SOC估算方法的类型、掌握各估算方法的特点及工作原理；

(2)根据 退役电池的特性选择精确适合的电池SOC估算方法；

(3) 研究电池分析常用模型、理解系统参数辨识理论，根据研究要求与电池特点确立研究所需退役电池的等效模型；

(4) 根据选定的电池SOC估算方法及电池等效模型，实行建模仿真并且根据结果进行数据图像分析。

第2章 电池SOC估算方法的的研究

对于退役锂电池的SOC进行准确分析不仅可以有限提高梯次利用储能电站的电池运行效率，而且，电池SOC的实时监测能够保证电站电池的运行安全，确保电站安全稳定供电。而选择合适的电池SOC估算方法是保证这一切的一个基本前提。

2.1电池SOC的定义理解

电池的剩余电量是用来反映电池当前电池荷电状态的参数，简称电池SOC（State Of Charge）。电池SOC的定义是电池当前的剩余电量占电池总容量的百分比。其定义表达式如下：

式(2.1)表示的是电池的剩余电量； 是指电池的额定容量。当规定电池满电状态为SOC＝1时，一般SOC定义也会有另一种描述，即：

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：