论文部分内容阅读
21世纪以来,全球都面临着极为严重的环境污染以及能源危机,在此背景下,新能源汽车得到大力的发展,锂电池由于其优良的性能,逐渐成为电动汽车最重要的能量来源之一。动力电池在使用过程中,对其荷电状态(State of Charge,SOC)进行精确的估算,能够提高电池能源的利用效率以及延长电池的使用寿命。电池SOC不能通过直接测量的方法得到,要使用其他参数或者方法间接得到。因此,本文选用锂电池单体进行研究,从电池建模和估算算法两个方面,对电池SOC估算方法进行了研究。论文的具体研究工作有:(1)根据锂电池的基本工作原理、参数特性等选择二阶戴维南模型作为等效电路模型,在MATLAB/SIMULINK工作空间中搭建锂电池的等效电路模型。进行恒流放电工况、脉冲放电工况以及UDDS工况的仿真,采集端电压、电流数据,并使用安时积分法对这三种工况的SOC进行计算,这个计算值作为SOC的理论值,来进行后续的研究。(2)使用BP神经网络算法对电池的SOC进行估算,选择电压、电流作为BP神经网络的输入,SOC作为神经网络的输出,确认了神经网络输入层、输出层参数以及各层的激发函数后,使用试探的方法进行大量的仿真实验,对神经网络隐含层的节点数量进行确定,使用样本数据对BP神经网络进行训练后,使用BP神经网络对恒流放电工况、脉冲放电工况以及UDDS工况的SOC进行估算,并分析神经网络的性能。(3)使用EKF算法对电池的SOC进行估算,选定系统的状态量,列出状态方程后,使用EKF算法对电池三种工况的SOC进行估算,并与理论值比较来验证EKF算法的有效性,改变SOC初值并且加入电流噪声,再次使用EKF算法进行分析来验证算法的稳定性。(4)在EKF算法的基础上,加入BP算法进行分析。首先介绍了BP-EKF算法的结构,将EKF算法的误差作为BP神经网络的输出,卡尔曼滤波系数、电压值和SOC值作为BP神经网络的输入,通过大量的仿真实验确定隐含层的节点数量,然后使用训练过的BP-EKF算法对电池三种工况的SOC进行估算,并改变SOC初值以及加入电流噪声,与EKF算法进行比较,来研究优化后的算法的性能。