原文传递
车载锂离子电池SOC预测及优化充电策略研究
| 论文题名： | 车载锂离子电池SOC预测及优化充电策略研究 |
| 关键词： | 车载锂离子电池;分阶段法;BP神经网络;快速充电技术;极限学习机;TakagiSugeno模糊控制算法 |
| 摘要： | 常见的SOC分析方法有通过测量电池表征参数进行预测、利用电池特性建立等效电路模型、智能算法模拟预测等，这些方法分别具有简便、精度时效性高、适应性强、采集速度快等优点。但仍存在造成累积误差、噪声难以估计、SOC与内阻的关系比较难于确立、易受电流波动、工况非线性等问题。锂电池常规的充电方法主要有阶段充电法、脉冲充电方法、最大电流充电法三种。这些充电方法基本都具有过程简单、速度快等优点。但仍然存在对电池寿命影响大、充电效率不足、运算量较大等问题。 为了改善上述SOC预测和充电策略的不足，本文进行了针对性的研究,提出了一种SOC预测方法和快速充电策略，主要内容如下： （1）首先，在汽车静置及充电状态使用二分查表法，该方法能够基于温度漂移曲线、充电过程中的开路电压曲线、电流节点突变曲线的相关数据和特征设计二维数组表，并利用制作的二维数组表对SOC的值进行修正，达到减小系统的响应时间，在快速预测的同时，能够更好的提升预测精度。在动态过程中使用遗传算法与BP神经网络结合，利用遗传算法优化BP神经网络算法，对其权值、阈值等参数进行修正，达到直接搜索全局最优以及提升算法效率的作用。由实验结果可知，以优化KPCA-ANFIS算法及PSO-BP算法为比较分析对象，本文所设计的算法系统最大误差仅为1.2%，而比较的另外两种算法的最大误差达到5.6%和3.9%，表现出显著的先进性。且本文提出的优化模型的响应时长小于其他两种算法，平均误差在1.2%，迭代次数仅为17次，时间仅用17.25s，具有可行性。 （2）在精确预测SOC的基础上，研究设计锂电池快速安全充电策略，利用最大电流充电估算模型，通过充电样本数据拟合出最大充电电流与其他特征参数的函数关系。然后提出一种自适应快速充电法，利用TakagiSugeno模糊控制算法建立了锂电池充电控制策略，进行不同充电模式的科学切换，使电源实时处于最佳充电状态，很大程度上提高了充电速率和充电效率，实现快速安全充电。且根据所提出的算法设计相应的软件程序及硬件电路，能够将实验数据与模型结合，成为优化充电策略的实现方案。最后在实验平台上做了仿真实验，与4种较为主流的充电方法做对比，在充电速率、充电效率、过充概率、循环次数等方面，本设计所提出的优化策略在充电综合效果方面也表现出显著优势。 |
| 作者： | 朱正坤 |
| 专业： | 控制工程 |
| 导师： | 陈德海 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江西理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
