HEV用金属氢化物镍电池SOC估测方法研究.docx

HEV用金属氢化物镍电池SOC估测方法研究.docx

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

HEV用金属氢化物镍电池SOC估测方法研究

1.引言

1.1HEV概述及金属氢化物镍电池在HEV中的应用

混合动力电动汽车(HEV)以其节能、减排的特性,成为当前汽车工业的一个重要发展方向。金属氢化物镍电池作为一种高效、环保的动力电池,在HEV中得到了广泛应用。这类电池具有高能量密度、长循环寿命以及良好的环境适应性等特点,是HEV能源系统的重要组成部分。

1.2电池SOC估测的重要性

电池的状态-of-charge(SOC)是衡量电池剩余容量和性能的关键参数,准确估测SOC对于电池管理系统的优化、电池寿命的延长以及电动汽车整体性能的提升具有重要意义。然而,由于电池内部反应的复杂性,SOC的准确估测一直是一个技术难题。

1.3研究目的与意义

本研究旨在通过对金属氢化物镍电池的SOC估测方法进行深入研究,提出一种准确、高效的SOC估测策略,为电池管理系统提供可靠的数据支持,从而优化电池的使用效率和安全性,提升HEV的整体性能和可靠性。这对于促进电动汽车产业的发展,实现能源的可持续利用具有积极的意义。

2金属氢化物镍电池SOC估测方法

2.1电池模型建立

2.1.1电池等效电路模型

金属氢化物镍电池的等效电路模型是研究其荷电状态(SOC)的基础。该模型通常包括一个理想电压源、一个内阻、以及一系列描述电池动态特性的RC(电阻-电容)网络。根据电池的放电过程,等效电路模型可以较为准确地模拟电池的开路电压(OCV)和内阻变化。

2.1.2电池参数辨识方法

电池参数辨识是建立精确等效电路模型的关键。通常,这些参数包括电池的OCV-SOC关系曲线、内阻、以及RC网络的时间常数等。参数辨识方法包括实验法和解析法。实验法通过不同的充放电循环获取数据,利用最小二乘法等数学工具进行参数拟合。解析法则基于电池的物理化学特性,通过数学建模推导参数。

2.2基于模型的SOC估测方法

2.2.1状态观测器法

状态观测器法是基于电池模型的估测方法之一,通过对电池等效电路的状态变量进行观测,结合电流等输入信息,来推算电池的SOC。该方法计算量较小,易于实现实时监控,但精度受模型精度和观测器设计的影响。

2.2.2扩展卡尔曼滤波法

扩展卡尔曼滤波(EKF)法是应用较为广泛的一种SOC估测方法。该方法考虑了电池模型的不确定性和量测噪声,通过递推滤波更新SOC的估计值。EKF对模型非线性处理能力强,适用于复杂的电池工作环境,但计算较为复杂。

2.3无模型SOC估测方法

无模型估测方法不依赖于具体的电池物理模型,主要通过历史数据和智能算法来进行SOC的预测。其中包括神经网络、支持向量机等机器学习方法。这些方法的优势在于不需要复杂的电池模型,对电池的老化和环境变化具有一定适应性,但需要大量的数据训练,且在实时性方面有一定局限。

3SOC估测方法的性能评估

3.1评估指标

为了全面评估金属氢化物镍电池SOC估测方法的性能,本研究选取以下评估指标:

估算误差:包括平均估算误差和最大估算误差,用以衡量估算结果的准确性。

估算精度:通过均方根误差(RMSE)和绝对百分比误差(MAPE)来评估。

计算复杂度:评估算法在实时应用中的计算量和计算速度。

稳定性和鲁棒性:通过仿真和实车实验验证估算方法在不同工况下的适应性和可靠性。

3.2仿真实验与分析

3.2.1实验数据来源

仿真实验数据来源于实际HEV用金属氢化物镍电池在不同工况下的充放电实验,包括恒定电流充放电、动态负载和实际驾驶循环等。

3.2.2仿真结果分析

通过对不同SOC估测方法的仿真实验,得到以下结论:

状态观测器法在估算误差和估算精度方面表现较好,但计算复杂度较高,实时性较差。

扩展卡尔曼滤波法在估算精度和稳定性方面具有优势,但同样存在计算复杂度较高的问题。

无模型SOC估测方法在计算复杂度方面具有明显优势,但估算精度和稳定性相对较差。

3.3实车实验验证

为进一步验证仿真实验结果的可靠性,将不同SOC估测方法应用于实车实验。实验结果表明:

状态观测器法和扩展卡尔曼滤波法在实际应用中具有较高的估算精度和稳定性,但受计算复杂度限制,实时性有待提高。

无模型SOC估测方法在实车实验中的表现相对较差,但计算复杂度较低,适用于对估算精度要求不高的场合。

综合评估指标和实验结果,本研究认为在HEV用金属氢化物镍电池SOC估测中,应根据实际应用场景和需求选择合适的估测方法。在保证估算精度和稳定性的前提下,尽量降低计算复杂度,以实现实时、高效的SOC估算。

4.不同SOC估测方法的比较与优化

4.1方法比较

在HEV中,金属氢化物镍电池的SOC估测对于电池管理系统的性能至关重要。目前,常用的估测方法包括基于模型的方法和无模型方法。基于模型的方法如状态观测器法和扩展卡尔曼滤波法,它们依赖于精确的电

您可能关注的文档

文档评论(0)

咧嘴一笑 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档