混合动力镍氢动力电池参数辨识

 

 

摘要:为实现电池S0C(State of Charge)的精确估计与提高电池模型的精确性，采用等效电 路模型PNGV电池试验手册中的标准电池模型，基于辅助变量法和最小二乘法相融合的方法提 出了混合动力镍氢动力电池在线参数辨识方法，并利用MATLB/SIMULINK建立电池模型.仿 真分析结果显示，所建立的电池模型电压最大误差为4.2 V，平均误差为0.57V，SOC的估计最大 误差为0.048，平均误差为0.011,能很好地拟合真实数据.

 

关键词：电动汽车；电池;参数辨识;辅助变量法

 

随着全球能源危机与节能环保主题的倡导,各国 都相继推出混合动力车及纯电动汽车作为缓解能源与 环境压力的一种措施，而作为电动汽车及混合动力汽 车动力系统关键部件的动力蓄电池，对整车的动力性、 经济性和安全性至关重要，动力电池模型建立的精确

与否影响电池管理系统的性能、荷电状态的精确估算 及整车控制系统的好坏，因此电池模型是动力系统建 模及电池控制系统中的难点与重点之一.

 

常用的电池模型有:等效电路模型、电化学模型、 有限元模型、热力学模型及神经网络模型等而等效

 

电路模型由于其模型具有简单、直观且易于建模等优 点，被研究学者所广泛应用.等效电路又可分为Rint电 阻模型M，RC容阻模型[2]，PNGV模型，Thevenin模 型[4]及由林成涛等提出的GNL模型[5].对于选定的模 型，由于其参数受到很多因素的影响，比如电池的剩余 电量，充放电电流，电池工作温度，充放电效率，寿命及 自放电等™，其参数会随时变化，因此有必要对电池参 数进行在线辨识，以期达到电池模型能够跟随真实的 运行状态.从目前研究现状来看，对电池参数的辨识有 卡尔曼滤波算法，但由于采用卡尔曼滤波算法[7]会使 算法矩阵维数很高而导致计算时间很长无法实时进行 在线辨识，而采用最小二乘法来对参数进行辨识[8]也 有其缺点，当系统为有色噪声时不能求解出无偏一致 估计值，因此针对这个不足，提出了运用辅助变量法来 达到对参数辨识的无偏一致估计，最后通过实验验证 了模型的精确性.

 

1 PNGV模型简介

 

PNGV动态模型是2001年《PNGV电池试验手 册》中的标准电池模型，也沿用为2003年《Freedom CAR电池试验手册奸9]中的标准电池模型，其具体电 路模型如图1所示.

c, 孕

田1 PNGV等效电路图 

图1中，£为电池在某个特定SOC下的开路电压 值;仏为电池的欧姆内阻；|?2为电池内部由于电解液 浓度差所造成的极化内阻值；Ci为电池开路电压随负 载电流积分变化的等效电容值；c2为电池内部由于电 解液浓度差造成的极化电容值，此5个参数的单位都 为国际标准单位.

 

由图1等效电路PNGV模型可以得出基本的电路

 

 

此等效电路模型是基于单体电池所建立的，依据 实测数据可以看出电池模块和单体电池具有线性的关 系，所以在此应用这个模型作为我们的电池组模型.本 文应用国内某公司的电池组作为研究对象，其部分电 池参数为单体电压为1.2 V的镍氢电池，一共300个单 体串联组成，其额定容量为27 Ah.

 

2镍氢动力电池特性

 

镍氣动力电池具有能量密度髙和功率密度髙，且 循环寿命长，使用安全等优点，在混合动力车辆上得到 了广泛的应用，其特性特点主要取决与本身的电极反 应，其工作原理如下.

 

 

式中:M为储氢合金;MH为吸附了氢原子的氢化 合金.

 

由镍氢电池的充放电情况可以得出，在充放电 初期和充放电结束时，电压响应曲线有很大的变化 率，而在充放电中间段则表现出很好的线性关系且 斜率很小，因此我们要建立精确的模型使其能跟真 实的电池电压响应相吻合，利于电池SOC的计算， 实现精确的电池均衡管理等电池管理功能.

 

3模型参数辨识

 

PNGV模型中的5个待定参数并不是常数，而是