动力电池数字终端管理系统的研究

摘要

随着能源和环保问题的日益突出，混合动力电动汽车以其零排放，噪声低等优点而受到世界各国的高度重视，电池能量管理系统作为发展电动车的关键技术之一，是电动车产业化的关键。本文致力于电动汽车蓄电池能量管理系统中电池荷电状态的预测研究，深入讨论了镍氢电池的充放电特性、内阻特性等，开展了对镍氢电池充放电容量的预测和估计方法的研究。主要研究工作以及研究成果如下： ⑴分析了镍氢蓄电池的基本工作原理、充放电特性以及影响蓄电池SOC(state of charge)剩余容量的因素，从多个方面对目前各种动力蓄电池点进行了比较，发现镍氢蓄电池是较为理想的电动汽车动力源。 ⑵研究了镍氢电池SOC的几种预测方法，即通过计算电池在充放电时的累积电量来估计电池的SOC的电量累积法；通过计算镍氢电池的内阻来计算电池SOC的内阻法以及通过测量电池的开路电压来估计SOC的开路电压法等等，比较了这些方法的优缺点，并提出了本文的基于ANN的SOC预测方法的思想。 ⑶为有效地对电动车蓄电池的SOC进行预测，引入了人工神经网络BP改进算法的Levenberg-Margardt(LM)算法，建立了基于镍氢电池的神经网络模型。实现了对镍氢电池充放电过程中任一状态下的剩余容量的预测。并对镍氢蓄电池SOC的预测进行了仿真，结果表明，通过该网络模型可以方便快速的得到电池的SOC值，所得结果满足要求，为电池管理系统提供了一种新的电池SOC的预测方法。通过实验发现由于误差反传多层前馈网络本身的缺陷造成误差较大，应该寻求一种更加简便精确的预估方法。 ⑷神经网络有对非线性函数的任意逼近能力，使用简单的误差反传网络和ELM网络预测SOC，精度不高。采用ELM网络相结合，增加了网络训练的收敛速度，精度高，运算快。最后，设计确定了类似多层前馈网络的全新网络结构，结果表明该网络能够预测恒流和变电流条件下的SOC。为一类物理化学电源的预测提供了新的方法。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2电动汽车的发展概况

1.3关于电动汽车电池的技术研究与发展趋势

1.4国外主要电池生产企业

1.5 HEV用电池管理系统的研发现状

1.5.1电池管理系统的开发现状

1.5.2电池管理系统的基本结构

1.5.3电池管理系统的技术关键

1.5.4电池管理系统的发展方向

1.6 EV的国内外研究现状

1.6.1 EV的发展概况

1.6.2 HEV用铅酸电池

1.6.3 HEV用锂离子电池

1.6.4 HEV用MH/Ni电池

1.6.5镍镉电池

1.6.6燃料电池

1.6.7钠氯化镍电池

1.6.8锌空气电池

1.6.9飞轮电池

1.7仿真技术在电动车上的应用概况

1.8课题的背景、来源及研究内容

1.8.1课题的背景及意义

1.8.2课题来源

1.8.3课题的研究内容

第二章镍氢动力电池的特性研究及测试

2.1镍氢电池的发展及优势

2.1.1 MH/Ni的发展

2.1.2 MH/Ni电池的优势

2.2 MH/Ni电池构造及其工作原理

2.2.1 MH/Ni电池的构造

2.2.2 MH/Ni电池工作原理

2.3动力MH/Ni电池的特性研究

2.3.1测试设备

2.3.2 MH/Ni电池的电动势

2.3.3动力MH/Ni电池的内阻性能研究

2.3.4不同SOC壮态及温度下10QNF55动力型金属氢化物镍蓄电池组内阻特性

2.4动力MH/Ni电池的充放电性能测试

2.4.1动力MH/Ni电池的充放电性能测试

2.4.2动力MH/Ni非常温状态充放电性能测试

2.5动力MH/Ni电池自放电性能测试

2.6本章小结

第三章混合动力汽车用动力MH/Ni电池SOC预测及管理系统的研究

3.1动力MH/Ni电池能量管理系统的概念

3.2 SOC定义分析

3.3 SOC估算方法

3.3.1电量累积法

3.3.2 Ah计量法

3.3.3开路电压法

3.3.4负载电压法

3.3.5内阻法

3.3.6线性模型法

3.3.7神经网络法

3.3.8卡尔曼滤波法

3.4 SOC估算的影响因素

3.4.1充放电倍率因素的影响

3.4.2温度因素的影响

3.4.3自放电因素的影响

3.4.4老化因素的影响

3.4.5电池不均衡性因素的影响

3.5 MH/Ni电池SOC估算的意义及技术难点

3.6本章小结

第四章人工智能方法预测镍氢电池SOC

4.1引言

4.2人工神经网络

4.2.1人工神经元模型

4.2.2神经元的传递函数

4.2.3 ANN模型

4.2.4 ANN的学习方法

4.3人工神经元学习

4.3.1通用ANN学习

4.3.2常用神经元的学习算法

4.4 ANN的学习

4.4.1多层前馈网络的学习算法

4.4.2算法步骤及程序实现

4.5误差反传算法的推导

4.5.1网络误差与权值调整量

4.5.2误差反传算法的推导过程

4.6 LM算法

4.7运用误差反传多次层前馈ANN对电池SOC预估

4.8模拟结果及分析

4.9本章小结

第五章基于改进后的误差反传多层前馈网络对动力镍氢电池SOC的预测

5.1.误差反传ANN的缺陷

5.2改进误差反传ANN算法

5.2.1使用网络优化Hopfield网络

5.2.2反馈网络的能量函数

5.2.3 Elm网络

5.2.4改进网络结构

5.3网络输入的改进

5.4初始容量的确定

5.5模拟结果及分析

5.6本章小结

第六章结论与展望

6.1结论

6.2展望

参考文献

发表论文和参加科研情况说明

致 谢