原文传递
纯电动汽车电池SOC估算及续驶里程预测
| 论文题名： | 纯电动汽车电池SOC估算及续驶里程预测 |
| 关键词： | 纯电动汽车;动力电池;荷电状态;续驶里程;预测模型 |
| 摘要： | 在石油资源的逐步枯竭和自然环境日趋恶化的今天，纯电动汽车以其环保、低能耗的优点成为了公认的引领未来汽车工业发展的方向，其动力电池系统管理技术的研究与创新是当前的热点课题。电池荷电状态（state of charge,SOC）和车辆续驶里程是电池管理系统中两个重要参数，对指导电动汽车的驾驶有重要意义。但是由于行驶工况复杂多变，电动汽车SOC数据和单位里程能耗也有很大差异，这使得电动汽车动力电池SOC估算和续驶里程预测的精度都受到了严重影响。为了提高SOC估算和续驶里程预测的精度，本文进行了一些研究，主要内容如下： 本文首先简要介绍了电动汽车SOC以及续驶里程的研究现状，对现有方法进行简单分析。之后为了获得相关数据，依照实车参数对汽车仿真软件ADVISOR中的模型参数进行了设置，并将仿真结果数据与实车测试数据进行对比，验证了模型参数设置的合理性。 其次，分析了人工智能方法估算SOC时的局限性：由于不同工况下的SOC相关数据有很大差别，如果使用单一数据进行建模，模型的泛化能力难以保证；而使用多种工况下的混合数据进行建模，学习机的学习负担增重，模型精度下降。为了克服这一缺陷，提出了一种将数据特征聚类与集成学习相融合的SOC估算方法——多模态集成支持向量回归(Multimodal ensemble support vector regression,ME-SVR)。实验证明，该方法在提高估算精度的同时，保证了方法的泛化能力。 之后为了建立汽车续驶里程估算模型，对影响电动汽车里程的因素进行了分析介绍，指出行驶工况是影响汽车续驶里程的主要因素。并通过工况片段划分和工况片段聚类，对四种常见工况下的单位里程SOC下降值进行了分析，使用工况类别和其他相关参数作为输入，建立了单位里程SOC下降值估算模型。 最后，针对未来行驶工况未知导致续驶里程预测精度难以提高的现状，提出了一种基于地图信息和迭代SVR模型的纯电动汽车剩余续驶里程预测方法。该方法根据地图信息预测未来的行驶工况，并将相应的未来工况类型输入到单位里程SOC下降值估算模型，计算出未来每公里的SOC变化，以实现剩余续驶里程的预测。利用实际行驶数据，在ADVISOR中进行仿真实验，实验结果证明该方法具有较高的续驶里程预测精度。 |
| 作者： | 李晓宇 |
| 专业： | 控制工程 |
| 导师： | 田慧欣;杨青 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津工业大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
