详情

原文传递一种通用性电动汽车电池管理系统的研究

论文题名：	一种通用性电动汽车电池管理系统的研究
关键词：	电动汽车;电池管理系统;分布式架构;剩余电量估算;遗传神经网络算法;模糊加权算法
摘要：	由于环境污染和能源短缺问题，世界各国日益重视新能源电动汽车的研究和应用。电动汽车电池在使用过程中，若进行良好的管理，则可以最大限度的发挥电动汽车的性能。为了适应使用不同类型电池和适用不同功率级别的电动汽车，本文研究了一种通用性的电池管理(Battery Management System，BMS)系统。　　针对BMS能适用于不同功率等级的电动汽车，论文研究一种易于扩容的电池管理系统，提出了基于TI公司MCU(TMS570LS0432)和电池监测器(bq76PL455A-Q1)的电池管理系统分布式架构。这种架构在电池容量发生变化时，无须重新开发电池管理系统，从而实现新型BMS对不同功率等级电动汽车的能量管理，具有通用性。　　BMS对电池剩余电量（Sate of Charge，SOC）的估算是重点和难点。论文在分析影响电池SOC的因素，和锂离子电池的常用SOC估算方法基础上，以LFP7570260型号的磷酸铁锂电池为研究对象，对电池SOC的估算进行研究。然而，当前BMS中存在的SOC算法往往只针对同一类电池来设计的，不具备通用性，为此，论文结合电池的特性研究了SOC的神经网络方法，神经网络对电池类别没有限制，具有通用性，可以适应不同类型电池的电动汽车能量管理。　　针对电动汽车在实际行驶过程中的加减速操作所导致的较大电流波动特性，设计了变电流放电实验，用来模拟实际工况下的变电流情况，并采用各个时刻的电池电压、电流和相应输出SOC值作为神经网络的训练样本。论文研究了基于GA-BP神经网络的SOC预测算法，构建了三层BP神经网络，在此基础上加入了遗传算法，利用遗传算法来寻找BP网络的最优初始连接权值和阈值，再以变电流放电实验得到的实验数据作为样本，对网络进行训练，从而使该GA-BP神经网络能根据所输入的电池电压和电流预测输出电池剩余电量。并给出了算法的流程和核心算法，对模型导入测试样本进行了仿真，从而验证GA-BP神经网络的合理性。　　为了进一步减小电压采样精度对GA-BP神经网络模型估算SOC的影响，本文提出了一种基于模糊加权算法的GA-BP神经网络与安时积分法修正的SOC估算模型，即在GA-BP神经网络模型预测SOC的基础上，加入了不受电压精度影响的安时积分法对其进行修正，具体是通过模糊逻辑算法得到GA-BP神经网络和安时积分法评估SOC的加权因子。所提出的SOC评估模型结合了两种算法的优点，实现了两种算法的优势互补。　　论文围绕通用性新型电池管理系统展开研究，采用TI公司的MCU与电池监测器搭建了分布式电池管理系统平台，在此基础上进行仿真和实验。给出了基于模糊加权SOC估算模型的组成框图和具体设计流程，包括输入、输出量的确定及其隶属度函数的选择，模糊规则的制定，并采用Simulink仿真软件建模。仿真和实验验证了论文中BMS硬件设计和理论研究的有效性和可行性，可为高性价比电池管理系统的应用开发提供思路。
作者：	郑金燕
专业：	控制科学与工程
导师：	方宇
授予学位：	硕士
授予学位单位：	扬州大学
学位年度：	2018
正文语种：	中文