Systém pro odhadování stavu nabytí a kondice baterie elektromobilu

Abstract

Tato práce zkoumá možnosti odhadování stavu akumulátorového modulu elektrického vozidla. Motivací a konečným cílem této práce je vylepšit schopnost odhadu stavu akumulátoru ve studentské závodní formuli a pomoci dosáhnout lepších soutěžních výsledků. Tato práce implementuje přístup v angličtině známý jako \textit{Extended Kalman Filter}. Ten je v literatuře široce používán. Tato práce rozšiřuje záběr o popis celého procesu vývoje modelu akumulátoru, implementace filtračního algoritmu a validace. Podstatná část je věnována měření parametrů modelu. Následně, neměřitelné parametry jsou identifikovány z předtím naměřených dat pomocí optimální identifikace. Poté je popsána implementace samotného Kalmanova filtru. Na konci je algoritmus zvalidován pomocí počítačových simulací a celá práce je zhodnocena. Zvolený přístup se ukazuje jako funkční řešení daného problému.This thesis examines options for state estimation of a battery pack of an electric vehicle. The motivation and the ultimate aim of this work are to improve the battery state estimation capabilities of a student formula race car and help to achieve better results in motorsport competition. This thesis follows the state-of-the-art approach of the Extended Kalman Filter. The thesis broadens the scope and presents the whole process of battery model development, Extended Kalman Filter implementation, and validation. A substantial part is dedicated to the measurement of model parameters. Then, the other model parameters that were not measured are identified via optimal identification from previously measured data. Successively, the implementation of the Extended Kalman Filter itself is described. Finally, the algorithm is validated using simulation experiments and real driving data. The chosen approach presents itself as a viable, working solution to the problem.