随着环境污染的加剧以及物流业的快速发展,电动叉车作为一种无污染的仓储运输设备得到了广泛应用,以往常为蓄电池作为动力源,功率密度较低,无法满足负载快速变化的要求,超级电容作为一种高功率密度储能元件,与蓄电池复合作用,可缓冲电池电流压力,延长电池寿命。本文以复合电源电动叉车为研究对象,主要研究电动叉车复合电源的参数匹配与能量管理技术,主要完成工作如下:首先,分析对比复合电源的拓扑结构,考虑其成本与可控性,选取半主动结构作为复合电源的拓扑结构,利用所分析的叉车循环工况,求出功率需求与能量需求,在确定单体超级电容与蓄电池参数的基础上,利用遗传算法求出电池与超级电容的单体数量。其次,对现有研究现状进行分析后,提出状态机自适应能量管理策略,将所有的状态分为11种,分别对应不同电池和超级电容的充放电量;提出基于瞬时优化的能量管理策略,建立电池电流波动和复合电源效率作为优化的目标函数,可达到任意时刻目标函数的局部最优化。然后,为使得模型达到全局最优化,以电池功率绝对值之和作为目标优化函数,提出基于凸优化的能量管理策略;并在此策略的基础上,以凸优化能量管理策略为基础进行数据训练学习,提出基于BP神经网络的能量管理策略。最后利用MATLAB/Simulink软件建立叉车动力系统模型,结果表明,状态机自适应能量管理策略的电池最大充放电流最小;相比状态机自适应能量管理策略,基于瞬时优化的能量管理策略的电流贯穿量降低了24.20%、电池的SoH提高了10.77%,体现了瞬时优化对目标函数的优化作用;基于凸优化的能量管理策略,在保证超级电容SOC初始与截止值基本相同的情况下,可实现目标函数的全局最优化;相比基于凸优化能量管理策略,基于BP神经网络的能量管理策略,其电池电流贯穿量降低了16.77%、电池的SoH上升了6.68%,电池性能参数有所提高,且在保证全局最优的同时在线运行。