原文传递
基于神经网络的HEV动力锂电池组能量管理策略
| 论文题名： | 基于神经网络的HEV动力锂电池组能量管理策略 |
| 关键词： | 混合动力汽车;动力电池组;荷电状态;自回归小波神经网络;均衡充放电;能量管理 |
| 摘要： | 混合动力汽车(Hybrid Electric Vehicle，HEV)动力电池组电池荷电状态(State of charge，SOC)估计是 HEV电池管理系统中最为关键和困难的组成部分。电池荷电状态的准确估计不仅仅能够为 HEV的驾驶者提供当时的电池能量存储状况，而且还是电池管理系统中充放电管理和均衡控制管理的基础。 本文以 HEV对锂离子电池的荷电状态估计算法进行研究。通过对锂电池的工作原理、电池充电、放电特性进行分析，以电池电流、温度等因素对电池电量的影响方式，电池自放电率、循环次数及工作状态等其它的影响因素为依据，提出加动量项自回归小波神经网络的 HEV锂离子动力电池组 SOC估计，并在MATLAB中建立神经网络模型，对其收敛性进行了证明。与人工神经网络、BP神经网络、小波神经网络以及自回归小波神经网络对 HEV锂离子动力电池组的SOC进行仿真对比，并进行误差的分析。结果表明本文所采用的方法不仅能提高SOC的估算精度，而且网络收敛快，能够进行在线估测。 针对 HEV动力电池组单体电池存在不一致性的问题，通过对其现有的动力电池组充放电方法进行分析，以提高电池组均衡充放电效率，减少整体能耗为依据，提出了一种并联式混合动力汽车动力电池组实时均衡控制策略。利用常用的动力电池组进行了实时仿真，结果表明，与传统 HEV动力电池组实时充放电以及整体耗能方面相比，所提出的均衡控制策略有效地降低了能耗，延长了动力电池组的使用寿命，提高了HEV动力电池组均衡充放电的效率。 |
| 作者： | 赵瑞 |
| 专业： | 控制理论与控制工程 |
| 导师： | 付主木 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河南科技大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
