文 献 综 述
随着科学技术的发展，能源日益匮乏，且环境污染问题的逐渐凸显，低碳经济的发展理念得到越来越多的关注与重视。传统汽车的尾气排放带来严重的大气污染问题，为此，各个国家开始加大新能源汽车的开发力度，新能源电池应运而生。在许多新能源电池中，锂电池由于其能量密数值分析、矩阵计算、科学数据可视化以及非线性动态度高、使用寿命长、自放电率低和无记忆性等优点,逐渐统的建模和仿真等诸多功能集成在—个易于使用的视窗为电动汽车领域使用最广泛的动力电池之一。但是锂电池内部电化学反应的高度非线性化使得它的参数和性能很难被直接地测量，对锂电池进行合理精确的建模有助于研究电池的工作特性，从而提高电池的使用效率和延长锂电池的使用寿命。目前常见的电化学模型、等效电路模型和神经网络模型，无法精确测量锂电池的参数。MATLAB是目前被广泛应用的高级技术语言，他将数值分析、矩阵计算科学数据可视化以及非线性动态系统的建模和仿真等诸多功能集成在一个易于使用的视窗环境中。所以在理论分析的基础上，利用matlab/Simulink仿真工具，计算获取MAP，通过MAP图，可以直观地看出锂电池的参数和性能。根据MAP图改进优化，从而提高动力电池的能效。
近年来，很多研究人员都在尝试各种方法进行SOC估计并提高动力电池的能效，文献[1]设计了一种基于等效电路模型的数学模型，在MATLAB上进行仿真，并使用扩展卡尔曼滤波算法对其进行参数辨识，根据此方法文献[2]使用遗忘因子递归最小二乘法对电路模型进行参数辨识，并对三种电路模型：戴维南等效电路模型，二阶等效电路模型和PNGV模型分别进行仿真，并比较了三种模型额精度和计算复杂度。最后得出戴维南电路模型适用性更强。
文献[3]介绍了荷电状态与其主要影响因素的非线性动态关系，建立了二阶ＲC等效电池模型．在此基础上，考虑了温度对电池内阻的影响，采用卡尔曼滤波算法、改进的安时计量法和开路电压法，结合基于温度的电池模型参数在线辨识，对电池荷电状态进行估算，通过MATLAB仿真，并与基于经验公式的卡尔曼滤波算法进行了对比，平均误差为2．46%，提高了估算精度，验证了算法的可行性和可靠性．
目前研究的热点是基于卡尔曼滤波的SOC估计，文献[4][5]扩展卡尔曼滤波可用于电池SOC的估算，但在计算时需要对电池的非线性模型线性化，引入了线性化误差，影响其SOC的估算精度，文献[6]改进的卡尔曼滤波对SOC进行估计，考虑了充放电倍率以及温度因素，但未考虑循环寿命因素。文献[7]无迹卡尔曼滤波通过UT变换对状态变量进行确定性采样，避免了线性化误差，但在算法运算初期可能因协方差负定导致滤波器失效，无法继续估算电池的SOC值。为解决模型精度、线性化误差以及算法不稳定等问题，文献[8]在二阶RC模型的基础上采用平方根无迹卡尔曼滤波法结合修正的安时法来动态地估算SOC，综合考虑了充放电倍率、温度以及老化因素的影响。文献[9]提出一种基于扩展 Kalman 滤波（EKF）的算法对 SOC 进行估算，依据 Thevenin 模型建立了电池的非线性状态空间方程，通过引入库仑效率因子计算出电量的动态变化量，并利用此变化量对状态方程进行扩展，使得极化效应的影响大大减弱。而文献[10]对该算法再进行改进其采用静态常数增益进行全程滤波修正；增加动态增益以改善算法对电流突变的适应能力；对观测误差方差进行动态修正。可以很快解决安时法初值难以确定的问题。
当前采用的模糊推理、神经网络、卡尔曼滤波算法在实际使用中，由于其算法复杂性而对管理系统的硬件系统有更高的要求。所以文献[11][12]提出了一种基于电池稳态特性参数Map的SOC估算方法。定义电池的稳态为电池在标准状况(25℃，标准大气压)下通过电池电流为常数的状态，是电池的开路状态(也称静态)、恒流充电和恒流放电这三种状态的总称。蓄电池的稳态特性定义为蓄电池在稳定负载的情况下满充满放，蓄电池的输出(电池端电压、SOC等)与输入(电池电流)之间的关系。也有研究人员从优化控制角度提高电池能源的利用率文献[13]提出了电动汽车的加速过程优化控制策略以提高整车能源利用效率。首先基于电机效率map图和动力电池组的效率特性等建立了电动汽车动力学模型；然后对电动汽车加速过程的优化问题进行分析，采用全局最优化的动态规划方法获得能量消耗最少的加速控制路径。仿真结果表明最优加速路径单位里程消耗的能量可降低26．9％。
文献[14]提出了SOC估计方法，提出一种基于4维M印图的SOC估计方法。以电压、电流、温度作为SOC的相关参数，利用电池充放电特性曲线在使用范围内的“平行性”，建立了镍氢电池的4维Map图模型，在仿真验证中取得了相对误差在3％以内的估计精度。提出了2项基于4维Map图的SOC估计方法的实用化算法，包括数据压缩算法和快速查询算法，可有效降低该SOC估计方法所需的存储空间，提高SOC估计效率。虽然文献[14]的SOC估计算法精度较高，并且提出了如数据压缩、快速查找等实用化算法，但是由于使用需要硬件改动(增加外部FLASH)而未实施，缺乏实际应用背景。
锂离子动力电池的能量状态与剩余可用能量的准确估计是电动汽车能量管理的基础是对电动汽车的剩余续驶里程的估计至关重要。，为此文献[15]以锂离子动力电池作为研究对象，围绕电池的能量特性展开研究。基于锂离子动力电池的能量状态与能量转化效率MAP提出了一种剩余可用能量预测的方法。，通过实验数据建立了以电池工况与能量状态为输入的能量转化率MAP，结合电池工况的工况预测建立电池剩余可用能量预测方法，并在多种典型的电动汽车动态工况下验证了该方法的准确性与可靠性。实验结果显示能量状态的估计误差与剩余可用能量的预测误差分别保持在3%与4%之内。为了更直观的看出电池放电效率变化，文献[16]测试了试验用磷酸铁锂动力电池组在不同荷电状态下的开路电压、端电压及电池组放电效率随SOC及电流的变化关系。并使用Simulink，将该变化制成效率MAP图。
参考文献：
[1] Yamin R,Rachild A.Modeling and simulation of a lead-acid battery packs in MATLAB/Sinulink:Parameters Identification Using Extended Kalman Filter Algorithm[C]//Computer Modelling and Simulation,2014 UKSim-AMSS 16th International Conference,IEEE,2014.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
