基于改进PNGV模型的动力锂电池SOC估计和充电优化

发布时间：2018-01-07 10:05

  本文关键词：基于改进PNGV模型的动力锂电池SOC估计和充电优化　出处：《哈尔滨工业大学》2014年硕士论文　论文类型：学位论文

  更多相关文章： 动力锂电池 改进PNGV模型 SOC估计 粒子滤波 快速充电 多目标优化

【摘要】：以磷酸铁锂电池为代表的动力电池近年成为电动汽车领域的研究热点，但动力锂电池的开发和应用还不够完善，存在诸多问题，是电动汽车发展的一大技术瓶颈，如何提高动力锂电池使用的安全性、高效性和便捷性成为解决问题的关键。 本文利用等效电路模型对动力锂电池进行深入的分析和研究，使用PNGV模型模拟动力锂电池特性，并根据电池特性和实验结果，对PNGV模型提出了改进，改进后的PNGV模型更能体现动力锂电池特性。本文利用改进PNGV模型，针对动力锂电池能量控制管理中的两个重点进行改善：一方面根据模型改进电池荷电状态（SOC）估计算法，提高估算精度；另一方面从模型角度分析充电方案，进行充电多目标优化，提高充电深度并缩短充电时间。 准确估计电池SOC是电池管理系统（BMS）运行的基础，目前SOC估计算法精度低或者计算复杂，对初始值要求较高，难以保证动力电池管理系统的精确控制和管理。针对此问题，本文利用更为精确的等效电路模型——改进PNGV模型，分别结合拓展卡尔曼滤波(EKF)算法和粒子滤波（PF）算法进行SOC估计，使得估算精度得到了提高，最后文中对两种算法进行详细比较和分析，列出了各自优缺点。 动力锂电池快速充电是电动汽车的研究重点，快速且深度的充电使电动汽车的使用更加便捷。目前动力锂电池快速充电的研究仍处于起步阶段，现已提出的快速充电方案种类繁多，但具体原理和应用细则没有得到详细的研究。针对此问题，，本文根据改进PNGV模型对充电过程建立数学仿真模型，结合带精英策略的快速非支配排序遗传算法（NSGA-II），对快速充电方案进行多目标优化，得到具体的充电优化方案库。方案库提供了不同需求下的充电最优方案，如充电时间一定时选取充电深度最深的充电方案，或者电动汽车行程一定，根据所需电量选择充电时间最短的充电方案。最后，本文分别在电池测试系统平台和搭建的充电系统上对优化方案进行验证，实验结果证实了优化充电仿真的可行性。
[Abstract]:The power battery, represented by lithium iron phosphate battery, has become the research hotspot in the field of electric vehicle in recent years, but the development and application of the power lithium battery is not perfect, there are many problems. How to improve the safety, efficiency and convenience of power lithium-ion battery is the key to solve the problem. In this paper, the equivalent circuit model is used to deeply analyze and study the power lithium battery, and the PNGV model is used to simulate the characteristics of the power lithium battery, and according to the characteristics of the battery and experimental results. The improved PNGV model is proposed, and the improved PNGV model can better reflect the characteristics of the dynamic lithium battery. The improved PNGV model is used in this paper. Two key points in power lithium battery energy control management are improved: on the one hand, according to the model, the state of charge (SOC) estimation algorithm is improved to improve the estimation accuracy; On the other hand, the charging scheme is analyzed from the point of view of model, and multi-objective optimization is carried out to improve the charging depth and shorten the charging time. Accurate estimation of battery SOC is the basis of battery management system. At present, the accuracy of SOC estimation algorithm is low or the calculation is complicated, and the initial value is required to be high. It is difficult to ensure the accurate control and management of the power battery management system. To solve this problem, this paper uses a more accurate equivalent circuit model-improved PNGV model. Combined with extended Kalman filter (EKF) algorithm and particle filter (PF) algorithm, the estimation accuracy is improved. Finally, the two algorithms are compared and analyzed in detail. The advantages and disadvantages are listed. Rapid charging of power lithium battery is the research focus of electric vehicle. The rapid and deep charging makes the use of electric vehicle more convenient. At present, the research of rapid charging of power lithium battery is still in its infancy. There are many kinds of fast charging schemes, but the specific principles and application rules have not been studied in detail. In order to solve this problem, the mathematical simulation model of charging process is established according to the improved PNGV model. Combining with NSGA-IIN, a fast non-dominated sorting genetic algorithm with elite strategy, multi-objective optimization of fast charging scheme is carried out. Get the specific charging optimization program library. The program library provides the optimal charging scheme under different requirements, such as the charging time when the deepest charging depth of the charging scheme, or the electric vehicle stroke is fixed. According to the quantity of electricity required to select the shortest charging time charging scheme. Finally, this paper respectively in the battery test system platform and build a charging system to verify the optimized scheme. The experimental results confirm the feasibility of optimizing the charging simulation.
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TM912

【共引文献】

相关会议论文 前10条

1 朱进;;超级电容公交在城市公交应用中的推广可行性探讨[A];第十四届中国科协年会第19分会场：电动汽车充放电技术研讨会论文集[C];2012年

2 黄慧敏;文成林;徐晓滨;;机载ISAR距离跟踪建模及其非线性滤波研究[A];第二十七届中国控制会议论文集[C];2008年

3 ;Application of Wavelet Analysis Theory in Storage Energy System of Lithium Battery[A];中国自动化学会控制理论专业委员会A卷[C];2011年

4 李国;张心珂;杨国庆;高庆吉;;一种自适应的运动目标实时跟踪算法[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

5 冯志全;郑艳伟;徐涛;杨波;;基于粒子滤波的人手跟踪方法研究[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年

6 何文波;刘士荣;李文磊;;基于非线性滤波方法的非线性随机系统的故障诊断[A];第25届中国控制会议论文集（中册）[C];2006年

7 朱虹;权冀川;张育铭;;浅析随机集及其在多目标跟踪中的应用[A];第九届中国青年信息与管理学者大会论文集[C];2007年

8 张剑锋;曾国强;;基于UPF滤波的编队卫星相对轨道确定[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

9 朱伟涛;刘士荣;邱雪娜;;基于颜色和粒子滤波的视频目标检测与跟踪[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

10 吴川;;基于DSP平台的粒子滤波跟踪算法的实现[A];第八届全国信息获取与处理学术会议论文集[C];2010年

相关博士学位论文 前10条

1 孟凡彬;基于随机集理论的多目标跟踪技术研究[D];哈尔滨工程大学;2010年

2 王小旭;非线性SPKF滤波算法研究及其在组合导航中的应用[D];哈尔滨工程大学;2010年

3 杨萌;非线性滤波及在惯导系统传递对准中应用研究[D];哈尔滨工程大学;2010年

4 高延增;超小型水下机器人关键性能提升技术研究[D];华南理工大学;2010年

5 刘美;WSN多目标跟踪节点任务分配及跟踪算法研究[D];华南理工大学;2010年

6 宫轶松;粒子滤波算法研究及其在GPS/DR组合导航中的应用[D];解放军信息工程大学;2010年

7 张建华;适用于连续域多变量耦合问题的分布估计算法研究[D];兰州理工大学;2010年

8 白雪;基于农田特征的车载GPS运动模型辨识及定位误差研究[D];江苏大学;2011年

9 夏益民;基于传感器信息融合的移动机器人定位与地图创建研究[D];广东工业大学;2011年

10 许昕;基于滤波技术和粒子群优化的齿轮箱故障诊断研究[D];中北大学;2011年

相关硕士学位论文 前10条

1 赵平强;电动单轨吊动力锂电池组智能管理系统的研究[D];山东科技大学;2010年

2 黎继刚;锂离子动力电池管理系统的研究与实现[D];浙江理工大学;2010年

3 李东起;基于VxWorks的水下目标探测跟踪研究[D];哈尔滨工程大学;2010年

4 马勤;基于群体智能算法的动态目标跟踪技术研究[D];天津理工大学;2010年

5 吴孟俊;基于不同模型的运动目标跟踪算法研究[D];华东理工大学;2011年

6 张继旺;无线定位中时延估计算法研究[D];北京交通大学;2011年

7 张宗;基于蒙特卡洛方法的改进粒子滤波算法[D];北京交通大学;2011年

8 朱林富;基于粒子滤波的故障诊断方法研究[D];北京交通大学;2011年

9 牟忠凯;卫星姿态确定的非线性滤波方法研究[D];解放军信息工程大学;2010年

10 万喜喜;CAS理论在区域森林收获调整中的应用研究[D];中南林业科技大学;2009年

本文编号：1392067