原文传递
电动汽车车载动力电池健康状态在线估计算法研究
| 论文题名： | 电动汽车车载动力电池健康状态在线估计算法研究 |
| 关键词： | 电动汽车;动力电池;SOH估算;NLS-GA算法;AR模型;参数辨识 |
| 摘要： | 近些年电动汽车行业受到国家的高度扶持，迅速发展并占领汽车行业的市场，主要是由于其采用的能源为电力具备绿色、无污染的特性，能在最大程度上保护环境。但目前电动汽车还存在一些问题有待解决，主要是其由于电池老化导致续航时间短、以及不及时更换电池导致电动汽车的安全事故等等，因此有必要对电池寿命(Stateofhealth,SOH)进行预测，在保证电池及时更换的前提下，最大程度上发挥其性能，以达到资源有效利用的目的。此外，由于电动汽车具有实时运行的特性，如何利用电池管理系统(BatteryManagementSystem,BMS)收集的数据在线对电池的SOH进行估计也成为重中之重。本文主要针对电动汽车动力电池SOH估算问题进行深入的研究致力于设计出较为精确的电池数学模型利用相应的优化算法实现电池寿命的在线估算，从而较好的维护电动汽车，保证其安全使用。本文的具体工作与研究内容如下： (1)针对在线估算SOH的问题，本文致力于利用BMS收集的电池在恒流充电过程中的实时观测数据进行SOH的估算，完全不依赖于电池的初始状态或大量数据建立的离线老化预测模型。因此，更符合电动汽车领域的实际需求，易于在BMS中使用。 (2)针对现有电池模型不够精确的问题，在已有模型的基础上通过增加参数使其更符合电池的实际出厂状态；其次通过分析已有电池模型，引入SOC-OCV子模型对电池模型进行优化，能有效减少在线辨识参数个数；最后为进一步优化电池寿命数学模型，采用时间序列(AutoRegressive,AR)子模型来表征电池的内部阻抗状态，去除了为简化模型推导而做出的内部阻抗不变的假设；因此，在不同阶段逐步对电池数学模型进行优化保证了模型的相对精确性，为实现SOH的精准估算打下坚实的基础。 (3)针对电池数学模型中，SOC-OCV子模型更新较为频繁的问题，提出了一种交错时间模型参数更新框架，在此框架下，定期更新SOC-OCV模型，以降低算法在单个采样周期内的计算复杂度 (4)针对电池数学模型中参数辨识对算法的实时性、精确性、鲁棒性等要求较高的问题，提出了一种利用非线性最小二乘(Non-linearleastsquares,NLS)去初始化遗传算法(GeneticAlgorithm,GA)搜索范围的快速算法，用于在线参数辨识，此NLS-GA算法能有效的处理非线性参数辨识的问题，并且防止算法陷入局部最优，提高参数辨识的估算精度。 |
| 作者： | 刘欣怡 |
| 专业： | 软件工程 |
| 导师： | 刘芳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
