面向轨道交通的混合能源管理系统关键技术研究

随着环境污染的加剧和化石能源的紧缺，推行汽车行业的电动化已经成为了一种必然趋势。其中，电池是纯电动汽车的唯一动力来源。然而，电动汽车上的电池技术远没有传统燃油车上内燃机的相关技术成熟，因此电池的相关技术才是发展电动汽车的重点和难点。甚至可以说，电池相关技术的发展决定了电动汽车行业的发展。

为了保证纯电动汽车的动力电池安全可靠地工作，就必须对电池进行必要的控制和管理，因此BMS（电池管理系统）得到了广泛的研究。BMS主要包含SOC（状态荷电）估计、SOP（状态荷电容量）估计、SOH（状态健康）估计和均衡策略模块等。

精确的SOC估计可以延长电池寿命、提高单次充满电的续航里程，并防止电池发生起火爆炸等。

以下为本项目的主要工作总结：

1. 锂电池实验特性的研究。

   • 对锂电池进行分类，并阐述了锂电池内部电化学反应的基本原理；
   • 建立了锂电池测试实验平台，并给出了实验平台的原理图；
   • 通过本项目设计的容量测试实验、开路电压测试实验探究锂电池的充放电特性，并分析了不同温度下OCV（开路电压）与SOC之间的关系，以及不同温度对欧姆内阻、极化效应的影响；
   • 结果表明，在5℃~40℃区间内，OCV与SOC关系曲线基本一致，但温度会影响锂电池的欧姆内阻和极化效应。因此，在建立电池模型时要考虑不同温度的影响。

2. 锂电池模型建立和参数辨识。

   • 介绍了常用的二阶RC模型，然而根据学者的研究发现，大多数电容器表现为分数阶特性，其阶数的取值受到电极成分多样性的影响，例如微结构的孔隙率和介电体的吸收性；
   • 基于更精确的电池模型能带来更高精度的SOC估计结果这一共识，将常用的二阶RC模型中的整数阶电容替换成分数阶电容，从而建立了分数阶的二阶RC模型，并引入了GL定义表达分数阶二阶RC模型的数学关系；
   • 利用不同温度下脉冲放电工况实验的数据，结合遗传算法辨识得到不同温度下分数阶模型的参数；
   • 最终对分数阶模型的参数进行验证，将模拟的端电压和真实测量端电压进行对比，发现分数阶的模型具有更高的精度，在描述电池动态特性方面更具优势，为精确估计SOC奠定了基础。

3. 基于FO-AEKF估计SOC。

   • EKF（扩展卡尔曼滤波）是估计锂电池SOC最常用的算法之一；
   • 本文分析得到，分数阶的模型具有更高的精度，在描述电池动态特性方面更具优势，基于高精度的电池模型能带来高精度的SOC估计结果这一共识；
   • 在本章中首先介绍了FO-EKF（分数阶扩展卡尔曼滤波）；
   • 然而，在使用FO-EKF和EKF估计锂电池SOC的过程中，假设系统噪声和测量噪声的信息是已知的。但实际情况中这些信息无法获得，因此引入了自适应算法；
   • 通过充分利用历史数据信息，在每一步递推过程中更新系统噪声和测量噪声的方差，最终建立了FO-AEKF估计锂电池的SOC；
   • 经过两个动态工况试验的仿真，在初始SOC不准确的情况下，证明该算法能够更快地接近真实值，SOC平均估计误差小于1.4%，最大估计误差小于3.8%。

随着环境污染的加剧和化石能源的紧缺,推行汽车行业的电动化已经成为了一种必然趋势。其中,电池是纯电动汽车的唯一动力来源。然而,电动汽车上的电池技术远没有传统燃油车上内燃机的相关技术成熟,因此电池的相关技术才是发展电动汽车的重点和难点,甚至可以说,电池相关技术的发展决定了电动汽车行业的发展。为了保证纯电动汽车的动力电池安全可靠的工作,就必须对电池进行必要的控制和管理,因此BMS得到广泛的研究。BMS主要包含SOC估计、SOP估计、SOH估计和均衡策略模块等。精确的SOC估计可以延长电池寿命、提高单次充满电的续航里程和防止电池发生起火爆炸等。以下为本项目的主要工作总结：1. 锂电池实验特性的研究。本项目对锂电池进行分类并阐述了锂电池内部电化学反应的基本原理;建立了锂电池测试实验平台,并给出了实验平台的原理图;通过本项目设计的容量测试实验、开路电压测试实验探究锂电池的充放电特性并分析了不同温度下OCV与SOC之间的关系和不同温度对欧姆内阻、极化效应的影响,结果表明在5℃~40℃区间内OCV与SOC关系曲线基本一致,但温度会影响锂电池的欧姆内阻和极化效应,因此在建立电池模型时要考虑不同温度的影响。2. 锂电池模型建立和参数辨识。介绍了常用的二阶RC模型,然而根据学者的研究发现,大多数的电容器表现为分数阶特性,其阶数的取值受到电极成分多样性的影响,例如微结构的孔隙率和介电体的吸收性。基于更精确的电池模型能带来更高精度的SOC估计结果这一共识,将常用的二阶RC模型中的整数阶电容替换成分数阶电容,从而建立了分数阶的二阶RC模型,并引入了GL定义表达分数阶二阶RC模型的数学关系。此外,利用不同温度下脉冲放电工况实验的数据,结合遗传算法辨识得到不同温度下分数阶模型的参数。最终对分数阶模型的参数进行验证,将模拟的端电压和真实测量端电压进行对比,发现分数阶的模型具有更高的精度,在描述电池动态特性方面更具优势,为精确估计SOC奠定了基础。3. 基于FO-AEKF估计SOC。EKF是估计锂电池SOC最常用的算法之一。本文分析得到,分数阶的模型具有更高的精度,在描述电池动态特性方面更具优势,基于高精度的电池模型能带来高精度的SOC估计结果这一共识,在本章中首先介绍了FO-EKF。然而,在使用FO-EKF和EKF估计锂电池SOC的过程中,假设系统噪声和测量噪声的信息是已知的。但实际情况中这些信息无法获得,因此引入了自适应算法。通过充分利用历史数据信息,在每一步递推过程中更新系统噪声和测量噪声的方差,最终建立了FO-AEKF估计锂电池的SOC。经过两个动态工况试验的仿真,在初始SOC不准确的情况下,证明该算法能够更快地接近真实值,SOC平均估计误差小于1.4%,最大估计误差小于3.8%。