原文传递
纯电动汽车BMS中SOC估算策略研究
| 论文题名： | 纯电动汽车BMS中SOC估算策略研究 |
| 关键词： | 纯电动汽车;SOC估算;RBF神经网络;粒子群算法 |
| 摘要： | 为克服全球温室效应，改善环境污染，具有零排放、零污染等优点的纯电动汽车逐渐成为未来绿色车辆的发展主流。随着纯电动汽车的不断推广和应用，具有预防电池过充或过放、维护电池组内部一致性等功能的电池管理系统(Battery Management System，BMS)已成为研究重点。电池管理系统运行时，首先要对电池的荷电状态(State of Charge，SOC)进行精确地估算与监控。SOC标志着电池剩余能量的多少，精确估计电池SOC对防止电池过充、过放及提高电池组整体能量输出具有重要作用。 首先，文章定性分析了各影响因素如充放电倍率、电池温度、电池内阻、循环寿命、自放电与电池SOC之间的非线性关系;综述了各种常用SOC估算策略的原理;概述了各种SOC估算策略的特性。 其次，为提高电池SOC的估算精度，提出了一种基于PSO-RBF神经网络的SOC估算方法，即使用粒子群(PSO)算法优化RBF该神经网络的权值向量。仿真结果表明，该方法能在百分误差为1.2％、MAE为0.005、RMSE为0.65的范围内准确估计SOC。具有较高的估算精度，能有效地应用于纯电动汽车动力电池的SOC估算。 再次，为实现电池SOC的在线估算，通过分析15串电池组SOC在线估算的功能需求，设计了SOC在线估算系统硬件模块的总体框架，采用模块化设计完成了系统中MCU模块、电压采集模块、电流采集模块、温度采集模块、通信模块、保护模块及电源模块的原理图和PCB图。基于MDK编译软件完成了各功能模块和基于PSO-RBF神经网络SOC估算策略的程序设计和调试。 最后，利用电压表、温度测量表、电子负载和上位机软件等检验分析了SOC在线估算系统中电压、温度与电流采集模块的采集精度。同时，为验证所设计的SOC估算策略用于在线估算的精确性，利用电子负载IT8818B与专业的电池测试系统ArbinBT2000等搭建了电池SOC放电实验平台，对SOC在线估算系统进行测试，实验结果表明，本文所设计的SOC在线估算系统能在5％的范围内准确估计电池组SOC，符合纯电动汽车对SOC估计精度与在线估算功能的要求。 |
| 作者： | 谢平 |
| 专业： | 交通运输工程 |
| 导师： | 侯志祥;黄伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长沙理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
