原文传递
Plug-In混合动力汽车动力电池SOC估计研究
| 论文题名： | Plug-In混合动力汽车动力电池SOC估计研究 |
| 关键词： | 混合动力汽车;动力电池;支持向量回归算法;监测系统;估计方法;纯电动汽车;Hybrid Electric Vehicle;软件部分;温室气体排放;回归理论;估计性能;径向基神经网络;设计;能量管理策略;能量存储装置;控制系统软件;电池剩余容量;充放电控制;程序流程图;综合评价 |
| 摘要： | 众所周知，全球能源短缺和环境恶化的问题日益严峻，交通领域的尾气排放已经成为环境污染和温室气体排放的主要来源之一，汽车行业的发展面临着前所未有的挑战。在此背景下，融合传统内燃机汽车和纯电动汽车优点的混合动力汽车因其低能耗、低排放等优点，成为21世纪汽车工业发展的主要方向。近几年，在此基础上又派生出一种外接充电式混合动力汽车(Plug-In Hybrid Electric Vehicle, PHEV)，其显著特点是可以使用电力网(可以是晚间低谷电力)给车载动力电池充电。与传统混合动力汽车相比，PHEV具有成本低、排放少、提高电网利用率等优点，具有极大的经济效益和社会效益。 动力电池是电动汽车的主要能量存储装置，相比传统混合动力汽车，PHEV的动力电池容量更大。动力电池的荷电状态(State-of-Charge, SOC)是表征电池剩余容量的重要参数，SOC值不仅是制定能量管理策略的一个重要依据，也是电池充放电控制的主要依据，其估计精度直接影响电池的使用寿命和成本。但是由于电池在使用过程中表现较强的非线性特点，使得其SOC难以精确估计，成为电动汽车领域的技术难题之一。研究和解决PHEV动力电池SOC估计问题对于推动其产业化至关重要。本文对PHEV动力电池的SOC估计进行了研究，主要工作如下： 首先介绍了混合动力汽车的研究背景及其分类、PHEV发展现状和特点，然后着重介绍了PHEV的关键技术和动力电池SOC估计的研究现状、存在的不足以及改进方向。 在分析动力电池SOC影响因素的基础上，阐述了现有的几种SOC估计方法；针对传绕SOC估计方法的不足，分别研究了基于径向基神经网络和支持向量回归理论的动力电池SOC估计方法，并对这两类算法的估计性能进行了比较和综合评价。其中，基于支持向量回归理论的SOC估计采用了两种算法：ε-支持向量回归算法和ν-支持向量回归算法。仿真结果表明：这两种方法都能很好地逼近实际值，平均估计误差均小于5％，满足实际的要求，但ν-SVR算法的平均估计性能是最优的。 最后采用TMS320F2812作为主控芯片，设计了动力电池SOC的监测系统。针对动力电池SOC的应用工况，分别设计SOC监测系统的硬件部分和软件部分。硬件部分包括检测电路及显示电路，完善了监测系统的功能；软件部分给出了控制系统软件的具体设计过程和主要程序流程图。 |
| 作者： | 李绍梅 |
| 专业： | 电力电子与电力传动 |
| 导师： | 崔纳新 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
