一种基于可变等效因子的燃料电池汽车等效燃料消耗最小策略

为了改进燃料电池汽车的燃料经济性与环境适应性，基于等效燃料消耗最小策略，开展了燃料电池汽车能量管理与优化算法的研究。首先，基于车辆动力学模型求解得出的输出功率或制动回收功率，计算系统的等效燃料消耗，并将其作为优化目标，以期实现经济性最优的功率分配；其次，为了适应不同的环境工况，基于等效因子的实际物理意义，提出了随蓄电池荷电状态变化的可变等效因子，使燃料电池汽车能在更好地维持荷电状态的同时，可更充分地利用蓄电池空余能量。WLTC（worldwide harmonized light vehicles test cycle）和CATC（China automobile test cycle）等标准行驶工况下的仿真结果表明，所提出的基于可变等效因子的等效燃料消耗最小策略，可以满足燃料电池汽车降低氢耗、保持蓄电池荷电状态的功能，实现了能量管理与优化，具有较好的工况适应能力。     

基于改进粒子滤波的LiFePO_4电池二元SOC估算

准确估算电池荷电状态是电池管理系统的核心技术之一。为提高估算电池荷电状态精度,构建了可描述蓄电池倍率容量特性的二元荷电状态模型,并采用一种改进的粒子滤波算法对LiFePO_4电池进行荷电状态估算。从标准粒子滤波结构入手,先引入残差重采样算法,缓解了传统序贯重要性采样的粒子退化问题;而后在重采样过程中,采用Thompson-Taylor算法对粒子进行随机线性组合,并生成新粒子,可以抑制标准粒子滤波算法执行过程中的粒子贫化问题。基于这种改进的粒子滤波算法实现了对LiFePO_4电池二元荷电状态估算。实验结果表明,改进的粒子滤波算法相比无迹卡尔曼滤波算法,估算电池荷电状态具有更高的精度,估算误差不超过±0.2%。研究结果对电池管理系统估算电池荷电状态具有现实指导意义。     

基于神经网络的铅酸蓄电池剩余容量预测

为有效地对电动车电池剩余容量进行预测,在分析了铅酸蓄电池充放电过程的反应机理的基础上,应用改进算法的BP神经网络,建立了铅酸蓄电池的神经网络模型,用于预测铅酸蓄电池放电过程中某一状态下的剩余容量。结果表明,通过该网络模型可以方便快速地得到电池剩余容量及荷电状态的预测值,所得结果满足要求,为电池管理系统提供了一种新的预测方法。     

电动汽车动力传动系统参数设计及动力性仿真

对电动汽车动力传动系统参数设计的原则和方法进行了探计，并以CS7101轿车为研究对象，对电动汽车动力传动系统的参数进行合理选择，以铅酸电池作为动力源，提出了荷电状态SOC的计算方法，分析了铅酸电池的电动势E0、内阻R0、极化电阻Rr随荷电状态SOC变化的关系，并根据铅酸蓄电池容量与温度的关系，对铅酸蓄电池的容量进行了温度补偿，为设计和改进电池能量管理系统的性能奠定了理论基础，建立了动力传动系统的动力学模型，在此基础上对基于SC7101的电动轿车的动力性能进行了计算机仿真试验，进一步分析了影响电动汽车续驶里程的，并提出了增加行驶里程的措施，仿真结果表明，对铅酸蓄电池电特性的分析和建立的动力学模型是正确的，该电动汽车的动力性能完全满足设计指标要求。     

电动汽车用电池SOC定义与检测方法

为建立电动汽车电池管理系统的需要 ,探求铅酸电池荷电状态 (SOC)的实时测量和估计方法 ,分析了当前 SOC定义在变电流放电情况下出现不适应的原因 ,现有各种荷电状态检测方法的特点和存在的问题。在此基础上 ,对 SOC定义进行了修正 ,提出了“标定荷电状态”和“动态荷电状态”的概念 ,使之能很好地适应电动汽车用电池在变电流状态下的实时荷电状态估计。基于修正 SOC定义的电池荷电状态检测方法和计算模型具有简便、实用和可靠性     

电动汽车用电池管理系统的研究

在大量动力电池充放电动态响应试验研究的基础上,研制了电动汽车动力电池在线监测系统.系统以MC9S12DP256B微控制器为核心,实时监测电池电压、电流和温度等信息;利用电池的电压模型、安时平衡模型,模糊控制模型估算荷电状态;通过CAN和多能源管理系统进行通信;将电池的状态信息保存于EEPROM中.试验结果表明:该管理系统对车用管式铅酸电池荷电状态的预测具有较高的精度.     

基于双向变换器的光伏储能控制

光伏发电系统通过双向变换器引入储能环节进行控制,光伏电池发出的能量经DC-DC变换后供给直流母线侧负载,并通过双向变换器使用蓄电池进行能量管理.介绍了双向变换器的工作原理,分析了光伏电池、蓄电池和直流母线负载所消耗的能量处于不同状态时的系统能量管理策略.给出了基于Boost变换器的光伏电池最大功率跟踪的控制算法和基于双向变换器的蓄电池充放电控制算法,提出了一种改进的充电控制策略.以MATLAB/Simulink为仿真平台,搭建了该系统的仿真模型,并针对系统的各工作状态进行仿真研究,仿真试验结果验证了该系统控制算法的合理性和可行性.     

燃料电池汽车动力蓄电池管理系统硬件在环仿真应用

介绍了燃料电池汽车硬件在环仿真系统的设计,动力镍氢蓄电池组及其管理系统的仿真模型.并基于车辆不同的驾驶工况进行了硬件在环的系统仿真,结果表明蓄电池模型能合理地反映燃料电池汽车运行过程中蓄电池的能量变化状态,该动力蓄电池硬件在环系统是蓄电池控制器及动力总成控制器开发不可缺少的平台.     

基于随机森林的锂离子电池荷电状态估算

荷电状态(state-of-charge,SOC)是锂离子电池预测和健康管理非常重要的一部分。锂离子电池的SOC无法直接测量,因此本文提出了基于随机森林回归算法的锂离子电池SOC估计的方法。首先构建随机森林回归模型,使用电池电流、电池电压、电池温度作为模型的训练输入,相对应的SOC作为模型的训练输出;然后使用随机森林算法进行模型训练;最后将训练模型应用于电池SOC估计。实验结果表明,随机森林回归算法对锂离子电池荷电状态的预测最大估算误差为0.02,均方根误差为0.003 204,该方法能有效地估算锂离子电池SOC并且有很高的估计精度。该模型研究为未来电池荷电状态估算系统的模型构建提供了参考。     

基于等效电路的内阻自适应锂离子电池模型

根据目前动力蓄电池模型研究的现状,分析了各种电池模型的优缺点,提出了一种非线性的等效电路电池模型,并通过卡尔曼滤波算法,在线辨识电池内阻,得到内阻自适应电池模型.通过两种实验,分别在不同电流循环工况和环境温度下测试模型的适应性,结果表明,该模型可以较好地反映电池的动态特性,并能适应电流、荷电状态、温度等变化对电池的影响.     

基于开路电压法与卡尔曼滤波法相结合的锂离子电池SOC估算

鉴于卡尔曼滤波法中电池荷电状态(state of charge,SOC)的初始值一般根据开路电压法确定,传统开路电压法是通过测量电池开路电压,由电池开路电压与电池荷电状态之间的关系曲线得到电池SOC,耗时较长.本文在此基础上提出一种新的办法,通过对电池放电曲线及恢复曲线分析,结合电池等效模型,拟合出开路电压的计算公式.用放电停止后的某时刻电压估计电池的开路电压.不但解决了SOC估算中开路电压法用时长的问题,而且提高了开路电压值的准确性,进而提高了SOC估算精度.再以戴维宁模型为基础,通过电池测试平台辨识电池模型参数,并验证其可靠性,采用扩展卡尔曼滤波算法实现了对电池荷电状态的估算,状态参数SOC估算初始值由改进后的开路电压法估算出的SOC值确定.结果表明该方法解决了初始值的偏差导致的估算初期误差较大问题,提高了整体的估算精度.     

等效滞回模型在锂离子电池SOC估计中的应用

锂离子电池荷电状态的快速准确估计是电池管理系统的关键技术之一.针对锂离子电池这一动态非线性系统,通过测试分析锂离子电池的滞回特性,建立了锂离子电池的二阶RC滞回模型,并利用容积卡尔曼滤波算法对电池荷电状态进行估算.实验结果表明,该模型能较好地体现电池的动态滞回特性,而且容积卡尔曼滤波算法在估算过程中能保持较高的精度.     

机器人燃料电池混合动力系统优化控制

建立了包括燃料电池、直流变换器、锂电池和负载等部件的燃料电池混合动力系统的数学模型.对燃料电池混合动力系统的能量管理策略进行设计与研究.对所提出的控制系统进行仿真后结果表明:燃料电池的优化控制策略可提高其耐久性,实现了系统功率的合理分配;蓄电池的荷电状态维持在预定区域;将可拓控制理论应用于变换器的控制中可以改善燃料电池混合驱动系统的动态响应特性,即改善直流电/直流电变换器对输出电流跟踪的鲁棒性及动态响应特性,使燃料电池混合能量系统更有效、安全地运行.     

锂离子动力电池参数辨识与状态估计

从锂离子动力电池的电流激励-电压响应出发,在改进的FreedomCar电池模型存在的基础上,提出了基于最小二乘法的电池模型参数辨识的方法;根据混合动力汽车的具体应用条件,提出基于电流-时间窗口的SOC(荷电状态)估计方法.该方法已成功应用于电-混合燃料电池轿车"超越三号"的实车运行.     

磷酸铁锂电池的改进建模及SOC估计

由于磷酸铁锂电池在多方面的优越性能,它在电动汽车领域的应用已经越来越广泛。文章针对磷酸铁锂电池,给出了其改进的PNGV模型,并通过电池恒流充放电特性和脉冲充放电特性实验,利用插值和最小二乘拟合方法进行电池模型参数辨识,实现了磷酸铁锂电池的较准确建模,并采用扩展卡尔曼滤波算法(EKF)完成了电池荷电状态(SOC)的准确估计。     

锂电池分数阶建模与荷电状态研究

针对锂电池荷电状态估计不准确的问题,在对不同荷电状态的锂电池电化学阻抗谱进行了分析的基础上,利用分数阶建模思想建立了分数阶阻抗模型,并设计出一种分数阶卡尔曼滤波器,同时利用混合动力脉冲能力实验对建立的分数阶模型进行了参数辨识,从而实现了锂电池荷电状态的估算。实验及仿真结果表明:所设计的分数阶阻抗模型与分数阶卡尔曼滤波器能准确地描述锂电池的特性,使得荷电状态估算精度得以提高;在城市道路循环工况下,锂电池的电压追踪误差可以稳定在0.05V之内,在初始荷电状态未知的条件下,电池的荷电状态估计误差可以稳定在±1%。     

基于非线性规划遗传算法的混合动力拖拉机控制策略

针对串联式混合动力拖拉机的特点,建立了整车动力学模型,设计了恒温器式控制策略、恒温器式+制动能量回收控制策略.为进一步提高串联式混合动力拖拉机的整车燃油经济性,采用非线性规划遗传算法(NLPGA)优化恒温器式控制策略关键参数.通过AVL-Cruise与Matlab/Simulink联合仿真,结果表明：3种策略均可有效地维持电池荷电状态在指定范围内.在犁耕工况下,基于NLPGA优化的能量管理策略的燃油消耗率比恒温器式降低了29.25%,比恒温器+制动能量回收式降低了9.35%;累计燃油消耗量分别比两者降低了31.50%和1.74%;电池荷电状态SOC比两者分别提高8%和6%.     

锂离子动力蓄电池充放电基本性能的研究

为了考察锂离子动力蓄电池应用于电动汽车的可行性 ,本文以MCMB和LiCoO2 为正负极材料 ,自行设计组装了 5A·h、2 5A·h和 50A·h的方形层叠式锂离子动力蓄电池 ,用恒电流限电压充放电方法研究了其在不同电流下的放电行为和荷电保持能力 .研究结果表明 :以0 .2C倍率、10 0 %DOD放电时 50A·h电池的质量比能量和能量密度可分别达到 10 7.4W·h/kg和 185.1W·h/L ,已经超过了美国电池先进联合体 (USABC)规定的动力蓄电池的中期开发目标。 5Ah电池的 1C倍率放电容量可保持 0 .1C倍率放电容量的 79.35% .电池的荷电保持性能良好 ,日平均自放电率小于 0 .32 4 % /d ,开路电压月下降只有 0 .1V左右     

基于自适应卡尔曼滤波的梯次电池荷电状态估算

针对梯次电池荷电状态初始值不明确、估算不准确的问题,提出基于自适应卡尔曼滤波算法的梯次电池荷电状态的估算方法;建立梯次电池的全寿命周期模型,在卡尔曼滤波算法的基础上引入自适应估算原理,实时估算时变噪声,提高滤波稳定性,增强自适应特性。仿真结果表明,当荷电状态初始值为30%、 50%、 60%时,该算法表现出优良的自适应特性、收敛性和准确性,梯次电池的荷电状态都可以快速调整,并且荷电状态估算误差小于3%。     

基于改进RVM算法的三元锂离子电池SOC估计

三元锂离子电池荷电状态的估计,由于构建模型复杂,受到外界干扰因素影响较大,导致预测精度达不到理想效果,但荷电状态的估计精度对于电池管理系统而言至关重要,因此不断提高估计精度是业内的研究重点.根据已有的相关向量机算法提出了3种改进算法,即循环相关向量机、自回归相关向量机和自回归循环相关向量机,分别对3 600组大样本训练数据进行学习建模,并对另外3 600组大样本数据进行荷电状态的估计,通过与最小二乘支持向量机对比表明,提出的基于自回归循环相关向量机的三元锂离子电池SOC的估计,具有稀疏性好、拟合与泛化能力强和运行速度快等优点.