亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        動力電池的SOC估計方法分析

        2017-01-16 12:50:03閔晶妍陳紅兵
        東方教育 2016年18期

        閔晶妍+陳紅兵

        摘要:動力電池的荷電狀態(tài)(State of Charge,SOC)代表了電池內(nèi)部存儲電量的多少,是電池最重要的狀態(tài)量之一。SOC估計算法是所有電池管理算法的基礎(chǔ),電池SOC的估計也是一直以來電池研究的重點、熱點和難點。本文分析了5種估計動力電池SOC的原理,并且比較了5種估計方法的優(yōu)點和缺點,最后分析了SOC估計算法的研究方向。

        關(guān)鍵詞:荷電狀態(tài);安時法;開路法;卡爾曼濾波法;狀態(tài)觀測器法;神經(jīng)網(wǎng)絡(luò)法

        1 引言

        純電動汽車性能的優(yōu)劣在一定程度上取決于動力電池的性能,動力電池的工作性能取決于電池管理系統(tǒng)(Battery management system,BMS),因此,每臺電動汽車都配置了BMS,BMS是電動汽車的核心技術(shù),其主要功能是在復雜的行駛環(huán)境下檢測電池的工作狀態(tài),有效管理和控制電池。電池的狀態(tài)包括電池的荷電狀態(tài)(SOC)和健康狀態(tài)(State of health,SOH)。BMS是以準確估計電池SOC為核心的技術(shù),并且電池的SOC值是BMS采取相應控制策略的主要依據(jù)之一。對于電動汽車,實時準確地獲得電池組的SOC是保證電動汽車正常行駛的重要前提。精確估計電池的SOC,可以防止電池過充或過放電,對電池具有保護作用,使電池處于良好的工作狀態(tài),延長電池的使用使用壽命,降低維護成本。

        美國先進電池聯(lián)合會在《電動汽車電池實驗手冊》中定義了電池荷電狀態(tài)(SOC),它是在一定的放電倍率條件下,電池的剩余電量與相同條件下額定容量的比值,即

        (1)

        式中 為剩余電量; 為電池以恒定電流 放電時具有的容量。

        近年來,研究人員對電池SOC估計算法做了大量的研究工作,提出了許多估計算法,如發(fā)電實驗法、Ah法、開路電壓法、卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法、模糊控制法和狀態(tài)觀測器法等,這些估計算法各有特點。根據(jù)SOC估計算法的研究和應用現(xiàn)狀,下文將重點分析安時法(Ah)、開路電壓法、卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法和狀態(tài)觀測器法等方法的基本原理、優(yōu)點和缺點。

        2常用的SOC估計算法分析

        2.1安時法(Ah)

        在SOC估計方法中,基于SOC定義的安時法是最常用的方法。若電池初始狀態(tài)為 ,則Ah法的計算公式:

        (2)

        其中,C為電池額定容量,i為負載電流, 為充放電效率。

        Ah法簡單易用,算法穩(wěn)定,是目前使用最多的一種估計方法,常作為其它SOC估計方法的對比驗證方法。但是,該方法需要考慮SOC初值精度和積累誤差等問題[1,2],為了提高安時法的估計精度,文獻[3,4]探討了容量、溫度和放電電流等因素對估計精度的影響。

        2.2開路電壓法

        開路電壓法是利用電池的SOC與開路電壓(OCV)的單調(diào)性關(guān)系來估計電池的SOC,測得電壓OCV,再通過簡單的查表即可得到電池SOC。OCV隨SOC的變化率越大,估計結(jié)果越準確,電池的SOC接近1或0時,OCV隨SOC急劇變化,文獻[5]利用這一特點,用OCV修正了SOC估計值,其它區(qū)域OCV隨SOC變化比較緩慢,稱為“平臺區(qū)”,但是在實際應用中,該方法需要長時間空載靜置后才能測量電池端電壓OCV。雖然V.Pop等人利用EMF-SOC模型改進了該估計算法[6],仍然只能在電動汽車長時間駐車后才能使用。因此,電壓開路法估計SOC不能做到實時在線估計。

        2.3卡爾曼濾波法

        卡爾曼濾波是一種先進的估計算法,也是目前應用最廣泛的SOC估計算法[7]。卡爾曼濾波法是基于系統(tǒng)狀態(tài)空間模型估計SOC,在該方法中,SOC必須作為系統(tǒng)的一個狀態(tài)變量,這是卡爾曼濾波算法估計SOC的前提。

        卡爾曼濾波算法采用預測和校正的思想來估計系統(tǒng)狀態(tài)。首先,根據(jù)建立的模型,計算出狀態(tài)的預測值,然后計算預測值與實際輸出的差值,再用差值修正預測值,進而得到較為準確的狀態(tài)估計值[8,9]。相比較安時法,卡爾曼濾波法引入了反饋的思想來估計SOC,因此,在實際使用中更適合于電流變化劇烈且電池常處于充電或放電的環(huán)境,卡爾曼濾波對噪聲有很強的抑制作用,并且對初值不敏感,因此,估計結(jié)果的精度高,尤其適用于動力電池的SOC估計??柭鼮V波算法的主要缺點是估計精度取決于其模型參數(shù)的準確性,所以電池模型參數(shù)的精度會影響估計精度。此外,卡爾曼濾波算法的運算量大,需要用運算速度較快的處理器。

        2.4狀態(tài)觀測器法

        狀態(tài)觀測器法包括 觀測器、自適應觀測器、滑模觀測器等。沈陽自動化所的機器人學國家重點實驗室將開路電壓OVC與SOC的關(guān)系看作一種動態(tài)關(guān)系,建立了電池的非線性模型,并且設(shè)計 觀測器使干擾和模型不確定因素造成的估計誤差小于某一設(shè)定的干擾調(diào)節(jié)水平,使得SOC的估計誤差滿足漸進穩(wěn)定[10];北京理工大學的學者通過實驗測試,建立了參數(shù)隨SOC變化的參數(shù)模型,由于電池模型參數(shù)的變化,建立了增益可變的自適應觀測器。用它自適應調(diào)整電池的輸出電壓值和電池測量電壓值之間的誤差,從而提高SOC的估計精度。為了克服電池模型的不確定性、測量噪聲等因素的影響,可以采用滑模觀測器(Sliding Mode Observer,SMO)方法估計SOC,這種方法需要對電池動力學特性有詳盡了解,并恰當?shù)剡x擇SMO的參數(shù)(如模型不確定性等),在SOC估計中,需要權(quán)衡SOC估計值的振蕩幅度和收斂速度。文獻[9]提出了一種自適應變增益滑模觀測器(Adaptive Switching Gain Sliding Mode Observer,ASGSMO)估計SOC的方法,與傳統(tǒng)的滑模觀測器比較,在估計過程中ASGSMO能自整定觀測器增益,從而降低估計值的震動幅值,提高SOC估計精度,同時補償?shù)刃щ娐纺P偷膮?shù)變化引起的誤差。

        2.5神經(jīng)網(wǎng)絡(luò)法

        神經(jīng)網(wǎng)絡(luò)法的突出優(yōu)點是不需要研究對象的精

        確數(shù)學模型,而是通過學習和訓練來解決非線性問題,神經(jīng)網(wǎng)絡(luò)估計電池的SOC是一種先進的估計方法。通過對不同放電陪率,不同放電深度,不同電池溫度等各種環(huán)境進行多次重復充放電實驗,獲取足夠的實驗數(shù)據(jù),但是僅有這些實驗數(shù)據(jù)是不夠的,還需要訓練這些實驗數(shù)據(jù),使其有機的組合在一起,最后得到所需的神經(jīng)網(wǎng)絡(luò)層。從理論上分析,神經(jīng)網(wǎng)絡(luò)的層數(shù)越多,建立的模型越精確,但是在實際工程中隨著網(wǎng)絡(luò)層數(shù)的增加,計算量也相應增大,原則上神經(jīng)網(wǎng)絡(luò)不超過5層[11]。神經(jīng)網(wǎng)絡(luò)估計精度受訓練數(shù)據(jù)和訓練方法的影響也比較大,如果訓練方法不當,SOC的估計精度不高;若訓練數(shù)據(jù)不夠全面,神經(jīng)網(wǎng)絡(luò)法得到的SOC估計值也存在偏差。因此,基于神經(jīng)網(wǎng)絡(luò)的估計算法需事先測試在各種環(huán)境下的電池參數(shù),獲取訓練數(shù)據(jù),原則上應該窮極所有條件下的測試,所以工作量非常大。

        除上述主要方法之外,還有一些其它方法估計電池的SOC也頗有成效。如文獻[12]中所應用的模糊邏輯法,此種方法接近人的形象思維方式,有利于定性的分析和推理,從系統(tǒng)的輸入、輸出樣本中獲取系統(tǒng)的輸入-輸出關(guān)系。模糊邏輯方法估計SOC一般以電池端電壓和電流作為輸入量,通過分析電壓、電流的分布特性,確定隸屬函數(shù);通過分析電壓、電流在每一個工作區(qū)域內(nèi)與SOC之間的關(guān)系,確定估計時輸入量與輸出量之間遵循的準則。但是,由于電池的容量、型號不同,通過實驗得到的專家經(jīng)驗并非都通用,這使得需要做大量實驗來獲取足夠多的專家經(jīng)驗。因此,該方法的不足是工作量巨大且通用性差。

        3結(jié)論

        綜上所述,有些估計方法雖然原理簡單、易于實現(xiàn)、適用性強,但是存在精度低、耗時較長以及無法在線應用等缺點。近年來,國內(nèi)外一直專注于基于模型的估計方法,模型的精度很大程度上影響了電池SOC估計精度。所以,今后不僅要致力于研究精度高、魯棒性強的SOC估計算法,還需全面了解電池特性,研究高精度、普適性的電池模型,兩者結(jié)合以滿足SOC的在線估計精度。

        參考文獻:

        [1]Zhu C,Coleman M,Hurley W.State of charge determination in a lead-acid battery:combined EMF estimation and ah-balance approach[C]//Power Electronics specialists conference,2004.PESC04.2004 IEEE 35th Annual.2004,3:1908-1914.

        [2]CaumontO,LeMoigneP,RombautC,etal.Energy gauge for Lead-acid batteries in electric vechicles[J].Energy conversion,IEEE Transactions on,2000,15:354-360.

        [2]李哲,仝猛,盧蘭光.動力型鉛酸及LiFePo4鋰電池電池的容量特性[J].電池,2009,39:26-28.

        [3]田碩,李哲,盧蘭光.HEV用動力蓄電池的最大充電性能[J].電池,2008,38:27-30.

        [4]Lee S,KimJ,LeeJ,etal.The state and parameter estimation of an Li-ion battery using a new OCV-SOC concept[C].//Power electronics specialists conference 2007.PESC2007.IEEE.2007:2799-2803.

        [5]張金靈.電動汽車智能電池系統(tǒng)的研究[D].北京:北京交通大學,2010.

        [6]Pop V,Bergveld H,Notten P,et al.Accuracy analysis of the State-of-Charge and remaining run-time determination for lithium-ion batteries[J].Measurement,2009,42:1311-1138.

        [7]Han J.Kim D,Sunwoo M.State-of-charge estimation of lead-acid batteries using and adaptive extended kalman filter[J].Journal of power source,2009,188:606-612.

        [8]Xiaosong Hu,F(xiàn)engchun Sun,et al.Estimation of state of charge of a lithium-ion battery pack for electric vehicles using an adaptive luenberger observer[J].Energies,2010,3:1586-103.

        [9]Xiaopeng Chen,Weixiang Shen,Zhenwei Cao et al.A novel approach for state of charge estimation based on adaptive switching gain sliding mode observer in electric vehicles[J].Journal of power sources,2014,246:667-678.

        [10]張飛,劉光軍,旁立金等。一種基于 觀測器的電荷狀態(tài)估計剛發(fā)[J].自動化與儀表,2010,4:1-5.

        [11]Xu L,Wang J.Chen Q.Kalman filter state of charge estimation for battery management system based on a stochastic fuzzy neural network battery model[J].Energy conversion and management,2012,53(1):33-39.

        [12]A.Salkind,C.Fennie,P.singh,T et al.Determination of state-of-charge and state-of-health of batteries by fuzzy logic methodology[J].Journal of Power Sources,1999,80(1):293-300.

        久久久久久久综合日本| av无码精品一区二区三区宅噜噜| 国产99久久亚洲综合精品| 在线观看国产三级av| 视频一区二区三区国产| 宅男久久精品国产亚洲av麻豆 | 中文字幕人妻日韩精品| 国产精品久久成人网站| 99久久精品国产成人综合| 亚洲精品AⅤ无码精品丝袜无码| 美腿丝袜视频在线观看| 欧美激情一区二区三区成人 | 欧美性受xxxx狂喷水| 欧美激情二区| 亚洲天堂av另类在线播放| 亚洲国产色一区二区三区| 亚洲av成人中文无码专区| 色爱无码A V 综合区| 青青草精品在线免费观看| 欧美颜射内射中出口爆在线| 国产无遮挡又黄又爽在线视频| 亚洲AV秘 无码一区二区三区| 高清国产国产精品三级国产av| 肉色欧美久久久久久久免费看| 无码人妻丰满熟妇精品区| 午夜日本精品一区二区| 亚洲人妻调教中文字幕| 中文字幕一区二区三区日韩精品| 中文字幕亚洲精品第1页| 看一区二区日本视频免费| av国产传媒精品免费| 久久久久香蕉国产线看观看伊| 国产亚洲精品A在线无码| 国产成人精品一区二三区在线观看| 国产极品视觉盛宴| 一卡二卡三卡视频| 伊人影院在线观看不卡| 97人妻精品一区二区三区男同| 老熟妇乱子伦av| 手机AV片在线| 人妻少妇69久久中文字幕|