锂电池荷电状态预测方法研究
电池的荷电状态(SOC，state of charge)预测是锂电池管理系统中最为重要也是最为基础的一部分，正确的荷电状态预测能够对以电池为电源的设备提供可靠的操作信息，而且有助于电池管理系统能够准确高效的对电池在线进行充放电管理和能量均衡管理，因此对电池荷电状态(SOC)的预测研究显得尤为重要。 本为是以磷酸铁锂电池为研究对象，基于卡尔曼滤波算法，对磷酸铁锂电池荷电状态的预测方法进行了深一步的研究。通过对磷酸铁锂电池的工作原理进行分析，我们了解了磷酸铁锂电池的充放电特性。在此基础上，给出锂电池的老化程度、充放电倍率、库伦效率以及温度对荷电状态(SOC)预测所造成的影响。对荷电状态(SOC)的预测需要电池工作状况电流、电压、温度等为依据，建立和完善了数据采集硬件电路，为SOC的预测提供了可靠的实际数据。针对磷酸铁锂电池的特性，建立了一阶RC等效电路模型，并给出了模型参数的求解方法。通过分析对比现有的几种预测估算方法，基于等效模型，本文提出了一种比较有效的荷电状态估计方法：充分考虑了库伦效率对荷电状态的影响，基于改进的安时积分法，在建立了等效的电池模型基础上结合开路电压法，利用扩展卡尔曼滤波能够有效得对磷酸铁锂电池荷电状态(SOC)进行预测估计。 为了验证该方法的有效性和优点，本文的最后对磷酸铁锂电池进行了充放电试验，试验条件分别为：正常状态下的充放电试验和对电流加入噪声以及初始荷电状态(SOC)值存在较大误差的情况。通过实验得出结论，该方法能够有效的提高对荷电状态(SOC)预测值的准确度，而且对预测过程中的电流噪声有很强的抑制能力，同时对初始荷电状态有很好的修正作用。
磷酸铁锂电池;荷电状态;扩展卡尔曼滤波法;库伦效率;预测估计;电流噪声
河南师范大学
硕士
物理电子学
牛有田
2012
中文
TM912.9;TM910.1
59
2012-12-31（万方平台首次上网日期，不代表论文的发表时间）