英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
纯电动汽车的电池管理系统以及SOC的估算
摘要 - 电池监控对大多数电动汽车（EV）来说是至关重要的。因为它决定了乘客的安全，操作甚至生命都取决于电池系统。这一属性恰好是电池管理系统（BMS）的主要功能，在其规定的安全操作条件下，用于检查和控制电池的状态。在本文中，已经提出了拥有各种功能块的典型的BMS框图。结合库仑计数和开路电压法实现了对荷电状态（SOC）估计，从而消除了独立库仑计数法的局限性。将SOC模型化，通过把SOC设为状态变量之一的方法，可以有效的估计SOC，再利用卡尔曼滤波算法，对其进一步校正。实验计算出的电池参数将集成在模型中，仿真结果由实验数据来验证。
关键词 - 电池管理系统（BMS），电动车辆（EV），充电状态（SOC）。
I.引言
电池是电动汽车中最常见的电能存储装置。电池连接到负载或源时的性能是基于电池内部的化学反应，而化学物质会随着时间和使用而变少，于是反映电池能量储存容量的值也会逐渐降低。不过，即使在各种负载条件下，也可以通过控制其充放电效果，以适当的方式调节电池，从而降低电池的折旧过程。通常，当电池在宽的热条件，频繁充电和深度放电循环下运行时，尤其是在高脉冲电流条件下，电池寿命将会减少。尽管会出现爆炸或故障报告，不过在使用带有安全功能和自动关机的电力调节系统时，电池是安全的。传统的低成本电池充电器使用的电池几乎没有保护功能，因此缺乏灵活性和全面的保护。所以，电动汽车（BMS）是电动汽车替代能源系统中最近开发/研究的主要内容，它可以灵活地保护不同类型的电池并提供所有所需要的安全功能。确保安全充放电重参数中，最终要的就是电池的SOC。 SOC被定义为以其额定容量表示的电池的当前容量。 参数SOC为我们提供电池的当前状态，并使得电池能够以适于电池寿命增强的水平安全地进行充电和放电。因此，对SOC精准估测有助于对电池的管理。然而，电池的SOC是无法直接测量的 ，因为它涉及所测的电池的很多参数，如电池电压，电流，温度和其它信息。通过避免不合适的过充电和过放电，来精确地预测电池SOC的变化。通常，使用库仑计数法的常规SOC估计存在很多的误差积累，导致不准确的估计。此外在，在一定充电和放电条件下，有限电池效率会降低且化学反应会导致温度升高，从而影响SOC估计。因此，需要精确的算法来建模SOC估计电池。在电动汽车中，电池数量串联并联，以满足负载要求。然而在制造过程中，充电过程中并非所有电池都能同时达到全电压。这种情况导致了不同的电池电压不平衡，从而降低整个电池组的容量。因此，SOC为100%的电池可能不一定表示其实际的SOC值。因此，SOC的准确计算必须伴随着对电池的实际容量的连续监测，对多个电池的测量才能反映电池在不同路况和驾驶模式下的实际能力。 电池管理系统是具有硬件和固件的单独实体，它不是集成在充电器内的，而是连接到电池充电器。电池管理系统是由许多参数的感测装置组成，收集到的参数通不同的算法得到目标数据，从而达到监视电池系统的效果。
任何BMS的显著模块都是用于SOC估计的电池模型块，来详细了解电池特性以获得准确的SOC估计。本文提出了一种基于状态空间技术的先进电池模型，该模型通常来源于电池的充电和放电曲线。本文的结构如下：第二节将讨论上文所提出的电池管理系统。第三节讲介绍电池SOC的估计技术。第四节将呈现所选LiFeO4的实验结。第五节讲展示电池管理系统的模拟结果。第六节将总结全文的结论。
II.电池管理系统
上文所提出的电池管理系统的框图在下图中给出，并且每个块的功能细节描述如下。
A.测量块测量块（见图）捕获电池组不同点的单体电池电压，电池电流和电池温度以及环境温度，并将其转换为数字值。所有这些数据都是在稍后阶段中计算估计出的电池状态。图中所示的电池电压测量块包括光电继电器矩阵。在每个采样周期中，只有一个单元电压连接到中央处理单元的模数（A-D）接口。测量单个电池电压的优点是在一定的硬件成本下，它可以在电池正常工作的标准下实现电池平衡和过充电保护。
B.电池算法块电池算法块（见图）是电池的条件状态块。其主要功能是使用测量的电池变量（如电池电压，电流和温度）来估算SOC和SOH。 SOC被定义为电池的荷电状态，以其额定容量的百分比表示。它看起来像车辆的“燃油表”，但它表示的是电池中剩余的能量。当电池放电时，SOC的估算对于了解电池的剩余容量是非常有用的。对电池荷电状态的估计以及与此电池容量的比对可以估算出EV的行驶距离。 SOC受温度，操作周期和放电速率的影响;因此，电池管理系统应该包含一个电池模型，来考虑这些影响电池SOC的因素。模型的输入量包括电压，电流和温度，它们由相应的传感器获得，传感器会利用A-D转换器将物理量数字化，进行模拟输入。微处理器会定期监视输入。对化学剩余物质的监控不仅仅用于测量距离，而且还要保持电池处于预定的SOC以传递和接受充电，而不会有电池的过度放电或过充电的危险。在典型的电动汽车中，电池通常由于再生制动而受到电荷倾倒，尤其是当电池的SOC高时，会导致电池的过度充电。在这种情况下，BMS应该监控在再生制动，使再生制动能充电到电池的能量得到控制，以防止电池过充电。 对电池SOC的估测量是电池管理系统最重要的输出之一。有几种技术可以根据电池电压，电流和温度来确定SOC。最原始的方法是直接测量，即测量OCV或负载的电池电压，然后从预先存储的放电特性推断SOC。这种方法对锂离子电池来说不是很理想，因为锂离子电池的放电曲线的中间部分是非常大的，这样一个很小的测量误差就会导致SOC的变化很大。直接测量的方法就忽略了温度变化和电池的老化效应。
C.容量估计模块
在确定SOC和SOH之后，电池管理系统必须在任何时刻根据算法推断最大充放电电流。该块的输出被提供给车辆ECU，使得电池不超出规定的限制的充电或放电。容量估计模块（见图4）的功能是基于当前的安全等级向ECU发送关于电池的充电和放电的电流信息。该信息对于电池的安全运行非常重要。基于输入的最大放电和充电电流的控制规律如图1和2所示。图5和图6描述了允许的充电和放电电流之间的关系，以不同电池参数值的最大充电/放电电流表示。充电/放电因素如图。 5和6分别是允许的充放电电流，以最大充电和放电电流表示。 该充电率是最大充电电流的百分比。
如图5所示，电池管理系统将根据考虑到温度变化的影响，根据SOC和电池电压来限制充电电流。例如，如果温度在30℃-40℃的范围内，则必须降低充电电流。类似地，电池的最大电流与电池电压也有相应的关系。请注意，实验的温度控制要根据电池规格来定，不建议以最低规格的温度（即小于-20◦C）对电池进行放电。在实践中，C速率将非常低。电池制造商的数据表中呈现的是最大化放电和充电的状态。它用C表示电池的标称容量。
D. 均衡模块
由于目前制造的误差，所有电池都不一样。单体电池容量的变化在几个百分比至十五个百分比之间的范围内是常见的。诸如考虑到内阻时的充电/放电特性变化是不可避免的。电池均衡对于电池组容量和使用寿命至关重要。该模块将电池电压与最低电压单元和最高电压单元进行比较，并计算之间的差值（见图7）。如果差大于预设阈值，则停止充电，并且通过放电电阻器将最高电压单元放电处理。一旦差值减小到阈值范围以内，则放电结束。这种方法称为电池的被动均衡。另一种电池均衡技术是主动平衡，其通过对各个单体电池分开管理来对每个电池充电。
充电器或将电荷从最高电压电池转移到最低电压电池。在性能和能源效率方面，主动均衡具有明显的优势，但其高成本在汽车行业内也令人望而却步。文献[18]中的许多复杂的电池均衡电路使用了具有多个次级绕组的放电电容器，dc-dc转换器和可以对电池组中最弱电池直接充电的直流转换器。实施成本取决于均衡时间，而平均时间依次取决于辅助电源的额定功率。
E.热管理块BMS中热管理模块。
这个模块根据电池的边界图估计电池温度，如图1所示。温度估计基于非常简单的一维温度估计方法[16]。热管理是指监测和控制电池温度，以使电池不受非常高或极低温度的伤害。该块的输出控制风扇和电加热器，其尝试将电池温度保持在最佳范围内。
热管理模块的输入量为环境温度和电池温度，根据温度来切换冷却或加热的操作，并在温度异常升高的情况下向ECU发送紧急信号。
III．充电模型
这个模型基于[16]中提出的状态空间法，其中SOC是系统的状态，OCV是使用多项式方程预测的。首先预测OCV，再将预测的OCV用于计算电池的端子电压，并将计算出的端子电压与实际电池电压进行比较。然后使用计算值与实际电池电压之间的误差来计算卡尔曼滤波器中的滤波器增益，以更新状态SOC。因此，该模型用于较为精确的估计电池的SOC。电池模型对电池的控制策略进行了研究。在该模型中，电池被模拟。从所选LiFePO4电池的实验数据中提取了模型中的参数。 老化和充放电循环是减少电池SOH的两个主要因素。在1000次充放电循环后，SOH通常比平均锂离子电池降低到80％。
- 电池型号电池型号[15]如图1所示。图 9由一个与表示电池内阻串联的受控电压源组成。 受控电压源使用以下表达式来实现：
该模型的主要优点是可以从电池的放电特性中获得所有参数，以表示特定的电池类型。 可以使用负载中的阶跃变化的SOC。
SOC估计块的输入参数是电流，输出参数是估算的SOC值。 图1所示的简单通用模型。没有考虑温度和放电电流的影响，因此结果对于实际实施不准确。 它在实际应用中缺乏准确性。 以下部分给出了基于状态空间方程的模型，其中将SOC和SOP视为状态变量。
B.状态空间模型典型电池的状态空间表示[17]在（4）中给出。 电池端子电压定义
OCV通过对SOC和OCV之间的关系的曲线进行建模来获得
以下条件成立。 - M（伏特）取决于电池的双层容量
- SOP（伏特）表示电池极化电压，范围为（-M〜 M），初始值为0.我们这个式子：
ε是一个很小的正数。在电池模型中，（4）是状态方程，其中表示的是离散时间指数的SOC，而是离散时间指数的SOC。 i（k）是充电或放电时的电流，是充电或放电库仑效率，Delta;t是采样周期，QR是电池额定容量，是双层容量（安培小时），M是最大极化电压（以伏特为单位），S（k）是一个符号，当充电时等于 1放电时等于-1。在该等式中，SOP（k）被视为一阶项。方程（5）是输出方程，其中是电池端电压，是作为SOC的函数的EMF。 Rn是内阻（欧姆）。
等式（6）表示作为SOC的函数的EMF。我们使用一阶多项式。在多项式中，使用b（1），b（2），b（3），b（4），b（5）和b（6）的系数。等式（7）表示如何计算M，即最大极化电压。该方程式基于公式[19]。考虑到累积效应，本文通过添加Delta;SOC来修改公式。 Delta;SOC是充电或放电期间SOC的增量/减量。当电池从充电转换到放电或从放电到充电时，Delta;SOC将复位为0。
C.电池算法模块如图1所示。其中输入量是电池电流，电池电压，环境温度，电池温度和模块电压。所有这些输入都是由相应的传感器获得的。电池的总容量是电池已经在车辆中使用的电量加上电池已经充放电的累积容量。卡尔曼滤波用于锂离子电池的SOC估计，用于SOC估计算法。流程图如图1所示。 SOC估计方法包括以下步骤。
- 恢复电池初始SOC。
- 根据电池模型中的状态方程计算电池SOC和SOP，如（4）所示。
3）根据电池型号的输出方程（5）计算电池电压。
锂电池的充电数据 锂电池的放电数据
时间
时间
——电池25%充电
——电池30%充电
——电池35%充电
电池电压
电池电压
锂电池的充电数据 锂电池的放电数据
时间
时间
电池电压
电流
电压
电池电流
电池电压
- 比较实际电池电压和型号电压，并计算电池电压误差
- 计算滤波增益
这里，表示在当前间隔k中，在下一个间隔k 1中预测P。 然后，用状态方程计算。 这里的垂直线是一个符号。 在一些论文中，可以改为使用“，”。 P（k 1，k 1）表示在当前间隔k 1中，在下一个间隔k 1中预测P。 然后，用输出方程计算P（k 1，k 1）。 因此，在SOC算法中，要精确地说，P表示估计的SOC误差。 解决方案的核心是一组计算有效的递归关系，涉及状态本身的估计和状态估计误差的协方差矩阵P（k）。 假设P（0 | 0）= 0.3（初始SOC误差），则P（k）是状态误差协方差矩阵。 Phi;（k 1，k）是该算法中的系数矩阵，
假设w和v是随机噪声过程，且w和v是相互不相关的白高斯随机过程。 Q是w的协方差，根据当前的样本误差来决定。 例如，以下条件成立。
- 当前采样电路误差为0.5A。采样周期为2 s。
- 电池额定容量为40 Ah。
- .
- R是v的协方差，并根据电压样本的相对误差来决定。
- H是输出方程中的系数矩阵。
- 是随机噪声w的系数矩阵。
正确的收益将增加SOC的计算值。 如果电池电压误差大，SOC更新趋势较大。 实际上，在一个采样周期内，正确的K（k 1）〜V bat（k 1）不应大于（-1％至1％）; 否则，车辆控制策略可能受到影响。
8）输出SOC并返回步骤2）。
IV.实验
在16°C和40°C的温度下进行了几次电池实验，以收集估算电池参数并比较模拟结
全文共8075字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[143041]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
