基于机器学习算法的电动汽车锂电池剩余电量估算的优化

摘要

随着人们对不可再生能源及环境的重视，锂离子电池作为一种高能量密度,高平均输出电压的绿色电池,已经被绝大多数电动汽车作为电源使用。但因电池自身缺陷，锂电池的使用必须配备一个专用的电池管理系统（BMS），以负责管理电池使用以及保障电池的使用安全。其中，诸多关键技术，如电池均衡、过充过放保护、快速充电等，都需对锂电池电荷状态（State-of-Charge，SOC）进行准确的实时估算。　　在现有众多SOC估算算法中，基于机器学习的一类SOC估算算法有着较高的精度。但是受到电动汽车动态负载的影响，工作电流会出现较大的跳变，因此该算法用于电动汽车锂电池估算时，估算结果会出现较大误差。针对此种情况，本文提出了两种改进方法，包括改进电池模型泛性的训练集选择方法，以及针对电流跳变时SOC估算误差的BP神经网络电压修正方法。　　最后，本文以BP神经网络和SVR模型为例，对上述方法进行验证，并采用最大误差及均方根误差作为评价标准。实验结果表明，使用新训练集的情况下，SOC模型预测结果的均方根误差小于2.5%，最大误差降低到20%以内；进一步使用电压修正方法后，均方根误差及最大误差分别降低到1.9%和7.6%以内。综上所述，本文提出的基于机器学习的电动汽车锂电池SOC估算的改进算法，在广泛适应性与准确性上相比常规机器学习算法都有明显提高。

目录

声明

答辩决议书

第一章 绪论

1.1课题研究背景及意义

1.2锂电池SOC估算研究现状

1.3论文主要研究内容

第二章 基于机器学习算法的锂电池模型

2.1电池实验数据集

2.2锂电池SOC人工神经网络模型

2.3支持向量机锂电池模型

2.4常规机器学习算法SOC估算局限性分析

2.5本章小结

第三章 基于机器学习SOC估算算法训练集改进

3.1改进的训练集FCFD

3.2基于FCFD训练集锂电池SOC模型建立

3.3基于FCFD训练集锂电池SOC模型验证

3.4本章小结

第四章 面向电流跳变的电压修正算法

4.1跳变电流大误差修正

4.2综合改进的SOC估算算法

4.3基于FCFD训练集的电压修正算法验证

4.4本章小结

第五章 总结与展望

5.1本文工作总结

5.2未来工作展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文