近年来,各国都在大力研发可替代化石燃料的新能源技术与产品,锂电池因其优越的性能已成为新能源产品的代表,在多个领域成功替代化石燃料成为主要的动力来源,尤其在电动汽车领域已有了广泛的应用。电池组是电动汽车的核心部件,电池管理系统则是电动汽车安全稳定运行的直接保障。电动汽车运行过程中电池组及单体电池的多种参数的监控及荷电状态SOC的估算是电池管理系统的基础技术,也是核心技术,高精度的监测和估算可大幅度提高电池组的使用性能和实际寿命,增强电动汽车的安全稳定性能。本文以32650磷酸铁锂电池为研究对象,重点研究了传统神经网络与深度神经网络在电池SOC估算领域的应用,并以12节串联的32650磷酸铁锂电池为管理对象设计了相应的电池管理系统,主要内容如下:(1)电池管理系统及锂电池特性分析。通过分析电池管理系统的关键技术及现状,总结了我国现阶段存在的主要问题及神经网络在电池SOC估算领域应用的前景与意义。在分析锂电池结构及性能参数的基础上,比较了现阶段应用较多的锂电池的优缺点,确定了本文的研究对象为32650磷酸铁锂电池。接着通过设计充放电实验,重点分析了该电池在不同的充放电倍率下电池容量及电压的变化特性,为后续开展的SOC估算模型研究及管理系统的设计奠定基础。(2)基于传统神经网络的电池SOC估算模型研究。通过分析BP神经网络的原理及存在的局部优化等问题初步建立了 SOC估算模型;接着在分析粒子群算法寻优过程的基础上,提出了基于适应度值的权重自适应更新策略来对其进行改进,并以改进后的算法对BP神经网络的权值和阈值进行优化,以此来提高BP神经网络估算模型的全局优化性能。(3)基于LSTM深度神经网络的电池SOC估算模型研究。通过分析比较深度神经网络RNN相对传统神经网络的优势及自身存在的缺陷,对其改进模型LSTM进行了详细分析,并设计了基于LSTM的SOC估算模型。接着分别采用本文设计的电池充放电实验数据及NASA的锂电池数据进行了模型评估,并与文中设计的基于传统神经网络的估算模型进行了比较,验证了该模型的估算性能及适用性。(4)电池管理系统设计。以12节串联的磷酸铁锂电池为研究对象,设计了以树莓派3B+为主控制器,以LTC6811-1为电池组监控器的电池管理系统。利用LTC6820芯片将LTC6811-1内置的isoSPI通信接口转换为SPI接口,实现了 LTC6811-1与主控制器树莓派3B+的隔离式通信;完成了单体电池电压、电池组温度、电池组电流、电池均衡控制等功能的硬件电路以及相应的控制软件、电池SOC估算及可视化界面的设计。实验结果表明,基于深度神经网络LSTM的SOC估算模型的估算精度远高于传统神经网络及其优化模型和国标要求5%,基本保持在2%以内。此外,对本文设计的电池管理系统进行了功能测试,能够基本完成预设的各项功能。基于本系统的研究成果可为开发完善的电池管理系统提供重要依据。