原文传递
基于神经网络的电动汽车磷酸铁锂电池SOC估算方法研究
| 论文题名： | 基于神经网络的电动汽车磷酸铁锂电池SOC估算方法研究 |
| 关键词： | 电动汽车;磷酸铁锂电池;荷电状态;神经网络 |
| 摘要： | 目前电动汽车技术发展的关键问题是研制安全、高效和低价的动力电池。以磷酸铁锂为正极材料的磷酸铁锂电池以其自身优点，逐渐成为电动汽车动力电池发展的主要方向之一。动力电池在使用过程中，对荷电状态（State of Charge，后文简称SOC）准确地进行估算，可以有效提高电池的使用效率，提高电池的使用寿命。电池SOC不能直接测量，需要通过其它参数和方法间接获得。 本文结合电动汽车对动力电池性能的要求，对磷酸铁锂电池特性进行了分析。根据磷酸铁锂电池特性，对几种常用SOC估算方法进行对比分析，选择采用BP神经网络对电池SOC进行估算。为了提高网络训练的效果，对训练样本进行了一系列的优化处理。通过对具体问题的分析，确定了BP网络各层结构，经过大量试探实验确定了网络中间层的节点数。在MATLAB上对网络进行训练，并用训练好的网络对测试样本和恒流放电实验进行SOC估算，取得了较好的效果。 针对动力电池在实际工况中参数时变性的特点，对SOC估算网络进行了改进，在网络的输入中加入估算前几个时刻的电池电压、电流和温度参数。设计了改进后网络的训练样本的获取实验。在建立训练样本时，提出了对训练样本参考SOC加入温度和电流影响因子的方法。对改进后网络输入向量中时间点个数进行了分析，并采用试探的方法进行确定。对网络输入向量中各个时间点参数对SOC估算值影响权重系数进行了讨论分析，并用遗传算法对各时间点数据权重系数进行寻优。通过大量网络训练试探确定改进后网络的隐层节点数，建立新的SOC估算网络。分别在恒流放电和变电流放电情况下，对改进前后的网络进行SOC估算对比测试，测试结果证明改进后的网络在变电流工况下对SOC的估算要优于改进前网络。 |
| 作者： | 廖恩华 |
| 专业： | 控制理论与控制工程 |
| 导师： | 徐红兵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
