原文传递
电动汽车动力电池SOH在线实时估计算法研究
| 论文题名： | 电动汽车动力电池SOH在线实时估计算法研究 |
| 关键词： | 电动汽车;动力电池;神经网络算法;SOH估算;使用寿命 |
| 摘要： | 传统内燃机汽车的广泛普及带来了环境污染排放问题越来越严重，能源安全问题和环境保护问题逐渐突出，未来的机动车领域将会向“低碳”、“低噪音”、“低污染”直至“零排放”电动汽车转型，电动汽车具有绿色环保无污染优点成为了当代汽车发展的主要方向。目前，所有电动汽车用动力电池普遍存在着电池寿命不够长的问题。而电动汽车整车电池的价格相对较高，动力电池的使用寿命对电动汽车的使用成本有很大的影响。电池健康状态SOH(State of Health)作为描述电池寿命的重要参数，对于延长电池寿命至关重要。 目前，电池健康状态SOH值与电池内阻，电池容量，电池开路电压等参数之间存在非线性关系，但是电池SOH本身没有准确值可以衡量，而电池内阻、电池极化效应或电池容量等参数仅仅反映了电池健康状态的定义的一个方面。虽然可以通过离线方式得到电池健康状态的准确值，但是实用性不高。 本文主要研究内容如下: 1)分析锂离子电池的工作原理及其优缺点，从内部因素和外部因素角度分别分析锂离子电池寿命衰减原理，进一步得到了锂离子电池SOH值与电池几个表征参数之间的关系。分别分析了锂离子电池电化学模型，经验模型和等效电路模型的原理，并通过最小二乘算法实现对锂离子电池内阻值的辨识，并在Matlab环境下对电池内阻在线辨识算法进行了验证。 2)介绍神经网络算法的基本原理，对比分析基于T-S型模糊神经网络和基于Elman神经网络电池SOH在线实时估计算法，并分别建立仿真模型。以电池内阻，电池充电电流，电池温度作为模型的输入，电池SOH值作为模型的输出，通过连续充放电试验得到的电池循环数据作为样本数据，对模型进行了训练并验证了两种算法的预测精度，发现上述两种算法预测电池SOH值精度都可达到5％以内，但是基于Elman神经网络电池SOH在线实时估计算法比基于T-S型模糊神经网络算法具有更好的学习效果，训练时间更短，训练最小误差更小。 3)设计开发了电动汽车动力电池在线实时监测系统，以.Net3.5作为开发平台，SQLSERVER2008为数据库管理系统，使用C＃语言基于三层架构模式编写上位机软件，实现了电池数据实时显示功能和SOH在线预测功能，实际预测电池SOH值精度可达到10％以内。 |
| 作者： | 汤露曦 |
| 专业： | 控制工程 |
| 导师： | 王志平 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
