基于在线参数辨识的电动汽车电池系统状态SOC/SOH联合估算技术研究

This project analyses the cell polarization characteristics of large capacity lithium ion battery module of electric vehicles, considering the various influence factors such as the influence that cell model parameters change with temperature, hysteresis, magnification, deterioration and SOC, introducing the concept of cell polarization depth and the scheme of multi segment data fitting, researching the online model parameters identification algorithm of battery, designing the Dual-Levenberg-Marquardt(DLM) algorithm based on general nonlinear least squares algorithm to improving battery parameter identification method, and then through the reconstruction of two order state space model RC equation, designing the dependent variable matrix nonlinear observer(VM-NLO) to estimate the SOC/SOH of battery. This project will establish an evaluation device of parameter identification of electric vehicle battery module in the laboratory environment based on the intelligent parameter identification and SOC/SOH estimation algorithm mentioned before, contrast and verification algorithm of VM-NLO and EKF, UKF and SMO algorithm in accuracy, real-time, robustness, stability and economic aspects in different typical conditions such as constant current mode, AUDC variable current mode, NEDC, DST, and FUDS etc. Finally, this project will establish a standard to evaluate the battery state algorithm.

本项目对电动汽车大容量锂离子电池模组的电池极化特性进行深入分析，考虑电池模型参数随温度变化、迟滞效应、倍率、劣化和SOC等多种因素影响，引入电池极化深度概念和多段数据参数拟合方案，研究电池模型参数的在线辨识算法，在通用的非线性最小二乘算法基础上设计Dual-Levenberg-Marquardt(DLM)法改进电池参数辨识方法，然后通过对二阶RC模型空间状态方程进行重构，设计随动变距阵的非线性观测器VM-NLO电池SOC/SOH进行联合估算研究，在前文所述的参数智能辨识及状态估算基础上，在实验室环境下建立电动汽车电池模组的参数智能辨识及状态估算与评价的装置，通过恒流工况、AUDC变电流工况、NEDC、DST和FUDS等典型工况对比验证VM-NLO算法和EKF、UKF、SMO等算法在精确性、实时性、鲁棒性、稳定性和经济性等方面的效果，最后建立一套电池状态算法的评价准则和标准。

锂离子电池是一个复杂的电化学反应系统，其内部构造和工作机理使其工作过程中不可避免地存在极化现象。锂离子电池极化与其荷电状态SOC、健康状态SOH、充放电倍率、温度等因素密切相关，是电池内部氧化还原反应剧烈程度和内部结构老化程度的综合反映，具有非线性、多变量、迟滞、强耦合等特点。深入研究锂离子电池的极化特性，对锂离子电池模型的参数辨识、SOC/SOH等状态参数估计和高性能电池管理系统的研发具有重要作用。本项目以锂离子电池的极化特性系统研究为基础，对电动汽车电池系统的在线参数辨识和SOC/SOH联合估算技术开展了深入研究。主要研究内容为概括为： .（1）极化特性的定量化研究。在定义极化程度DOP、极化失控POOC、极化敏感度SOP的概念和数学表达式的基础上，从理论、仿真和实验等不同角度，探究锂离子电池极化程度的影响因素，并采用参数辨识窗（parameter identification window，PIW）和核密度估计原理，推导出DOP离散递推形式数学表达式，得出极化的三个重要分区和作用要素。.（2）考虑极化程度的锂离子电池参数辨识技术研究。在分析不完全极化、不可逆极化、极化程度DOP对电池参数辨识影响的基础上，探索锂离子电池等效电路模型ECM中的参数在线/离线辨识方法，并结合辨识方法研究了多重遗忘因子最小二乘法、Dual-Levenberg-Marquardt等典型算法，以寻求改善模型参数辨识精度的精度和鲁棒性。.（3）锂离子电池SOC/SOH联合估算技术研究。在分析单一时间尺度、固定时间尺度联合估算优缺点的基础上，提出并开展了一种基于数据敏感性的可变时间尺度状态联合估算方法，仅在电池数据对容量估算较敏感的时刻进行容量更新。研究表明，本项目所提出的基于数据敏感性的可变时间尺度状态联合估算法不仅估算精度高，而且也避免了估算结果不必要的波动。