动力锂电池组管理系统SOC估算研究

发布时间：2017-09-08 12:41

  本文关键词：动力锂电池组管理系统SOC估算研究

  更多相关文章： 安时法 扩展卡尔曼滤波算法 遗传算法 神经网络 电池管理系统软件

【摘要】：近些年来,国内主要城市空气污染日益严重、雾霾现象频发,严重影响了居民生产生活。电动汽车的发展与推广不仅可以提高能效比,而且能够有效减少城市交通的废气排放。电池管理系统是电动汽车的重要组成部分,对电池收集信息、保证工作安全和延长寿命有重要作用。电池SOC估算是电池管理系统的核心功能,其算法精度一直是电池管理系统研究的热点和难点。本文以电池SOC估算精度为研究对象,以锂电池电气特性及模型为基础,以工业实现为目标,设计了分布式电池管理系统软件作为实验平台,分别对安时法、扩展卡尔曼滤波算法和神经网络估算电池SOC进行研究与改进。安时法是目前行业生产中应用最多的算法,但其存在初始误差、模型误差和时间累积误差等问题。本课设计了基于温度权重的电池容量模型以减小放电倍率、电池寿命和温度误差,借助开路电压法减小了初始误差,设计了充电校正方式以减小时间累积误差。扩展卡尔曼滤波算法具有安时法和开路电压法的优点,具有自收敛性。本课题从戴维南模型入手,设计参数辨识实验确定了温度和电池SOC对模型参数的作用关系,应用辨识结果设计了自适应模型扩展卡尔曼滤波算法;该算法在实验中可以校正电池SOC初始误差,但是对电池模型参数和线性化方式依赖性强。安时法与扩展卡尔曼滤波算法都是针对电池单体模型设计的,没有考虑电池单体不一致性。本课题采用了神经网络算法以电池单体压差、电池组过程压差、电池组过程电流差等作为输入变量,以电池SOC作为输出变量,通过遗传算法训练了神经网络权重。网络训练研究中,设计了基于权重增量编码方式的遗传算法,对比研究了基于权重值编码方式证明了前者在速度和精度的优越性;提出了网络规范化表达方法和网络相似性函数来研究神经网络同质性,区分了局部最优解和相似最优解。实验证明,该算法可以探测到电池单体不一致性引起的SOC降低。综合,基于电池管理系统软件的实现,本课题根据系统要求和实验结果提出了SOC估计算法评测标准,并根据评测结果设计了综合算法优化方案。
【关键词】：安时法 扩展卡尔曼滤波算法 遗传算法 神经网络 电池管理系统软件
【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】：2015
【分类号】：TM912
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 绪论10-16
• 1.1 课题背景及研究的目的和意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 电池管理系统11-12
• 1.2.2 SOC算法研究12-14
• 1.3 本文的主要研究内容14-16
• 第2章 安时积分法估算电池SOC16-32
• 2.1 安时积分参数修正16-25
• 2.1.1 SOC定义16-17
• 2.1.2 电池容量标定方法17-19
• 2.1.3 充放电倍率的修正19-21
• 2.1.4 温度的修正21-24
• 2.1.5 电池寿命的修正24-25
• 2.2 开路电压法25-27
• 2.3 算法测试与误差分析27-31
• 2.3.1 初始值确定恒流工况测试27-29
• 2.3.2 初始确定变电流工况测试29-30
• 2.3.3 初始不定变电流工况测试30-31
• 2.4 本章小结31-32
• 第3章 扩展卡尔曼滤波法估算电池SOC32-48
• 3.1 卡尔曼滤波原理32-35
• 3.1.1 线性卡尔曼滤波32-33
• 3.1.2 扩展卡尔曼滤波33-35
• 3.2 电池等效模型35-37
• 3.2.1 Rint模型35-36
• 3.2.2 戴维南模型36
• 3.2.3 PNGV模型36-37
• 3.2.4 Massimo Ceraolo模型37
• 3.3 模型参数识别37-43
• 3.4 算法测试与误差分析43-47
• 3.5 本章小结47-48
• 第4章 神经网络估算电池SOC48-60
• 4.1 神经网络基本原理48-50
• 4.1.1 神经元48-49
• 4.1.2 网络学习方法49-50
• 4.2 遗传算法基本原理50-51
• 4.3 利用遗传算法训练神经网络51-53
• 4.3.1 网络结构设计51-52
• 4.3.2 编码52
• 4.3.3 适应度52-53
• 4.3.4 遗传操作53
• 4.4 算法实现与测试53-59
• 4.4.1 网络表达相似性53-55
• 4.4.2 权重浮点数编码的算法测试55-56
• 4.4.3 权重增量编码的算法测试56-57
• 4.4.4 网络离线测试57-59
• 4.5 本章小结59-60
• 第5章 电池管理系统软件设计与实现60-74
• 5.1 电池管理系统软件需求与架构60-64
• 5.1.1 软件需求分析60-62
• 5.1.2 主控单元软件设计62-64
• 5.2 电池信息管理模块设计64-67
• 5.2.1 电池信息采集64-66
• 5.2.2 电池信息处理66-67
• 5.3 通信模块设计67-68
• 5.4 监控显示模块设计68-70
• 5.4.1 基于CAN通信的安卓系统方案68-69
• 5.4.2 基于RS232的上位机方案69-70
• 5.5 电池SOC估计算法评测与优化70-72
• 5.5.1 执行效率70
• 5.5.2 估算精度70-71
• 5.5.3 算法可维护性71-72
• 5.5.4 算法优化72
• 5.6 本章小结72-74
• 结论74-75
• 参考文献75-82
• 致谢82

【参考文献】

中国期刊全文数据库 前7条

1 罗玉涛;张保觉;赵克刚;;基于神经网络的动力电池组SOC辨识方法[J];电源技术;2007年11期

2 刘和平;杨飞;胡银全;;EV用LiFePO_4电池管理系统的研究与实现[J];电源技术;2011年03期

3 左春柽;张明;杨洋;张昭;;电动车电池容量及电池管理系统参数化设计[J];电源技术;2011年11期

4 张利;王为;陈泽坚;刘征宇;;新能源汽车SOC估算的模糊预测算法研究[J];电子测量与仪器学报;2011年04期

5 张华辉;夏保佳;齐铂金;廖瑾瑜;;混合动力轿车用集中式锂离子动力电池管理系统设计[J];华南师范大学学报(自然科学版);2009年S1期

6 李顶根;陈军;黄荣华;成晓北;;基于CAN网络的纯电动轿车车载信息系统[J];华中科技大学学报(自然科学版);2008年02期

7 潘双夏;王冬云;李贵海;;基于能量守恒和四线法的SOC估算策略研究[J];汽车工程;2007年05期

中国重要会议论文全文数据库 前1条

1 席安静;白鹏;;锂离子电池荷电状态估计方法综述[A];2011中国电工技术学会学术年会论文集[C];2011年

中国博士学位论文全文数据库 前4条

1 吴铁洲;HEV锂离子电池组管理关键技术研究[D];华中科技大学;2010年

2 武国良;电动汽车用镍氢电池剩余电量估计方法研究[D];哈尔滨工业大学;2010年

3 叶晓;并联混合动力汽车控制策略研究[D];清华大学;2013年

4 朱政;磷酸铁锂电池荷电状态估计方法的研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前1条

1 吕延平;基于分布式系统的电动汽车电池管理系统研究[D];哈尔滨工业大学;2010年

，

本文编号：814103