论文部分内容阅读
为克服全球温室效应,改善环境污染,具有零排放、零污染等优点的纯电动汽车逐渐成为未来绿色车辆的发展主流。随着纯电动汽车的不断推广和应用,具有预防电池过充或过放、维护电池组内部一致性等功能的电池管理系统(Battery Management System,BMS)已成为研究重点。电池管理系统运行时,首先要对电池的荷电状态(State of Charge,SOC)进行精确地估算与监控。SOC标志着电池剩余能量的多少,精确估计电池SOC对防止电池过充、过放及提高电池组整体能量输出具有重要作用。首先,文章定性分析了各影响因素如充放电倍率、电池温度、电池内阻、循环寿命、自放电与电池SOC之间的非线性关系;综述了各种常用SOC估算策略的原理;概述了各种SOC估算策略的特性。其次,为提高电池SOC的估算精度,提出了一种基于PSO-RBF神经网络的SOC估算方法,即使用粒子群(PSO)算法优化RBF该神经网络的权值向量。仿真结果表明,该方法能在百分误差为1.2%、MAE为0.005、RMSE为0.65的范围内准确估计SOC。具有较高的估算精度,能有效地应用于纯电动汽车动力电池的SOC估算。再次,为实现电池SOC的在线估算,通过分析15串电池组SOC在线估算的功能需求,设计了 SOC在线估算系统硬件模块的总体框架,采用模块化设计完成了系统中MCU模块、电压采集模块、电流采集模块、温度采集模块、通信模块、保护模块及电源模块的原理图和PCB图。基于MDK编译软件完成了各功能模块和基于PSO-RBF神经网络SOC估算策略的程序设计和调试。最后,利用电压表、温度测量表、电子负载和上位机软件等检验分析了 SOC在线估算系统中电压、温度与电流采集模块的采集精度。同时,为验证所设计的SOC估算策略用于在线估算的精确性,利用电子负载IT8818B与专业的电池测试系统Arbin BT2000等搭建了电池SOC放电实验平台,对SOC在线估算系统进行测试,实验结果表明,本文所设计的SOC在线估算系统能在5%的范围内准确估计电池组SOC,符合纯电动汽车对SOC估计精度与在线估算功能的要求。