基于UKF动力锂电池SOC动态估测方法与实现的任务书.docx

基于UKF动力锂电池SOC动态估测方法与实现的任务书
任务书
主题：基于UKF动力锂电池SOC动态估测方法与实现
任务背景：
随着电动汽车发展的快速进步，电池技术的发展也日新月异，但是电动汽车中的锂离子电池的SOC（StateofCharge，电池电量）的估测一直是一个难点问题。在电池管理中，减小SOC估计误差对电池寿命保护有重要意义。因此，SOC估测技术逐渐被重视。
为了解决这个问题，本任务将对UKF动力锂电池SOC动态估测方法进行研究，探究如何在电动汽车中实现准确的SOC估测。任务探讨如何利用UKF（UnscentedKalmanFilter，无迹卡尔曼滤波）技术，有效估计电动车动力锂电池的SOC，为电动汽车的发展提供技术支持。
任务目标：
1.研究动力锂电池SOC估测的现有方法及其特点，并分析缺陷。
2.研究无迹卡尔曼滤波算法及其在SOC估测中应用的原理，并比较其优缺点。
3.建立动力锂电池SOC估测的UKF模型，完成SOC估测和滤波实验。
4.基于Matlab环境进行无迹卡尔曼滤波算法的仿真和调试，评估算法的可行性与优化效果。
5.在电动汽车的实际应用中，运用所开发的UKF动力锂电池SOC动态估测方法并对估计结果进行验证，提高电池管理的准确性。
任务步骤：
1.收集国内外动力锂电池SOC估测的现有方法，并进行归纳和总结，分析各方法的优缺点。
2.研究无迹卡尔曼滤波的算法原理，了解其在动力锂电池SOC估测中的应用，比较其与其他算法的优缺点。
3.建立动力锂电池SOC估测的UKF模型，在实际数据中进行相应的测试和模拟，不断优化模型的精度和稳定性。
4.在Matlab环境下进行无迹卡尔曼滤波算法的仿真和调试，探究其在估测使用中的可行性和优化效果。
5.将所开发的UKF动力锂电池SOC动态估测方法应用于电动汽车电池管理中，并对估算结果进行验证，提出相应的改进方案。
6.把相应的研究成果进行总结和归纳，并提出相应的研究展望，为相关领域的未来发展提出建设性意见。
任务成果：
1.关于动力锂电池SOC估测的现有方法的总结和分析报告。
2.关于无迹卡尔曼滤波的研究报告，并比较其与其他算法的优缺点。
3.关于UKF动力锂电池SOC动态估测方法的研究报告，包括建立的模型和实验结果。
4.无迹卡尔曼滤波算法在Matlab环境下的仿真实验报告。
5.总结报告，包括研究成果的归纳和总结、对未来研究的展望以及建设性意见。
任务参考文献：
1.张扬.锂电池状态参数卡尔曼滤波估计算法研究[D].东北电力大学,2016.
2.张黎明,马锋.基于无迹卡尔曼滤波算法的电池SOC估计[J].工程研究——学报,2017,33(9):1445-1452.
3.谢文奇,张鹏,赵海峰.基于无迹卡尔曼滤波的动力蓄电池电量估测方法[J].重庆理工大学学报(naturalscienceedition),2018,32(11):67-72.
4.J.Lu,J.Lian,B.Hu,etal.AnovelbatterystateofchargeestimationmethodbasedonextendedthreestatebasedKalmanfilteringforLiionbatteriesinelectricvehicles.JournalofPowerSources,2015,279:355-370.
5.S.H.Mortezaee,M.Akbari.GB.Talooki.ThestateofchargeestimationoffluctuatingelectrochemicalenergystoragesusingtheUKFalgorithm.IEEETransactionsonEnergyConversion,2011,26(3):692-703.
6.彭涛,马林岩,朱兆鑫.基于无迹卡尔曼滤波算法的动力电池SOC估计[J].储能科学与技术,2013,2(3):298-304.