電動汽車電池管理系統(tǒng)的設(shè)計設(shè)計

《電動汽車電池管理系統(tǒng)的設(shè)計設(shè)計》由會員分享，可在線閱讀，更多相關(guān)《電動汽車電池管理系統(tǒng)的設(shè)計設(shè)計（34頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、電動汽車電池管理系統(tǒng)的設(shè)計 第 34 頁 共 34 頁 電動汽車電池管理系統(tǒng)的設(shè)計 1 緒論 1．1 研究背景 隨著經(jīng)濟(jì)的發(fā)展，汽車的擁有量也在急劇增加。目前，市場上以燃油汽車為主，燃油汽車的不斷增加，不僅加劇了環(huán)境的污染，也嚴(yán)重的威脅到了能源安全，使用替代能源將成為汽車的重要發(fā)展方向。 電動汽車（EV,Electric Vehicle）[1]，作為清潔、高效、智能的汽車，可有效的解決環(huán)境和能源問題，是燃油汽車?yán)硐氲奶娲?。目前，電動汽車尚不如燃油汽車技術(shù)完善，而制約電動汽車推廣的最主要問題是動力電源的壽命短，使用成本高，電池儲容量小。因此電池組的有效管理對電動汽車的發(fā)展具

2、有重要意義，而準(zhǔn)確估算電動汽車電池SOC，可以提高動力電池的能量效率，延長電池的使用壽命。而影響SOC準(zhǔn)確計量的因素很多，其中開路電壓、自恢復(fù)效應(yīng)、溫度、充放電電流、老化程度等都與SOC密切相關(guān)，本課題將對電動汽車電池SOC進(jìn)行估算研究。隨著電動汽車的推廣應(yīng)用，將減少對石油資源的依賴以及減少環(huán)境污染。 1．2 動力電池SOC的定義 電池荷電狀態(tài)SOC（State of Charge）[2]是一個相對量，表示電池目前的剩余電量與電池的額定電量的比值。是描述電池狀態(tài)的一個重要參數(shù)。通常把一定溫度下的電池充電到不能再吸收能量的狀態(tài)，定義SOC為1；而將電池再不能放出能量的狀態(tài)，定義SOC為0。

3、 SOC的理想定義和實車環(huán)境下的SOC的計算方法是有差別的。從能量的角度定義SOC： （1-1） 其中，E1為已放出能量，E0為總的可用能量。 （1-2） 其中、、分別為描述放電倍率、環(huán)境溫度和循環(huán)工作次數(shù)的參數(shù)。 從電量的角度定義SOC： （1-3） 日本本田公司電動汽車EV plus定義SOC： （1-4） 剩余容量=額定容量-凈放電量-自放電量-溫度補償容量 （1-5） 由于SOC受很多因素的影響，所以不

4、同的電動汽車對SOC的定義使用形式也不一樣。 1．3 動力電池的估算方法 目前SOC估算方法有：放電實驗法、Ah計量法、開路電壓法、負(fù)載電壓法、內(nèi)阻法、線性模型法、神經(jīng)網(wǎng)絡(luò)法、卡爾曼濾波法[3]。 1.3.1 放電實驗法 放電實驗法采用恒定電流進(jìn)行連續(xù)放電，放電電流與時間的乘積為剩余電量。該方法適用于所有電池，但是需要大量的時間，電池進(jìn)行的工作也要被迫中斷，所以放電實驗法不適合行駛中的電動汽車，可用于電動汽車電池的檢修。 1.3.2 Ah計量法 如果充放電起始狀態(tài)為SOCError! Reference source not found.o，那么當(dāng)前狀態(tài)的SOC為：

5、 （1-6） Cn為額定容量；I為電池電流；為充放電效率。 1.3.3 開路電壓法 開路電壓法在數(shù)值上接近電池的電動勢。MH/NI電池和鋰離子電池的開路電壓與SOC關(guān)系的線性度不如鉛酸電池好，但在充電初期和末期可根據(jù)對應(yīng)關(guān)系估算SOC。該方法需要電池長時間靜置，而電池恢復(fù)穩(wěn)定需要幾個小時甚至十幾個小時，測量不方便，所以只適用于電動汽車駐車狀態(tài)。 1.3.4 負(fù)載電壓法 電池放電開始瞬間，電壓迅速從開路電壓狀態(tài)進(jìn)入負(fù)載電壓狀態(tài)，在負(fù)載電流保持不變時，負(fù)載電壓隨SOC變化的規(guī)律與開路電壓隨SOC的變化規(guī)律相似。該方法能夠?qū)?/p>

6、時估算SOC值，但實際應(yīng)用時，劇烈波動的電池電壓給負(fù)載電壓應(yīng)用帶來了困難。 1.3.5 內(nèi)阻法 內(nèi)阻是電池內(nèi)部化學(xué)反應(yīng)的表現(xiàn)，也是反映電池壽命的重要指標(biāo)。電池內(nèi)阻有交流內(nèi)阻和直流內(nèi)阻之分，它們都與SOC有密切關(guān)系。電池交流阻抗可用交流阻抗儀來測量，受溫度影響很大。實際測量中，將電池從開路狀態(tài)開始恒流充電或放電，相同時間里負(fù)載電壓和開路電壓的差值除以電流值就是直流內(nèi)阻。準(zhǔn)確測量電池單體內(nèi)阻比較困難，這是內(nèi)阻法的缺點。 1.3.6 線性模型法 該方法是基于SOC變化量、電流、電壓和上一個時間點SOC值，建立的線性方程： （1-7）

7、 （1-8） 為當(dāng)前時刻SOC值，為SOC變化量，U和I為當(dāng)前時刻的電壓和電流值，為系數(shù)。 1.3.7 神經(jīng)網(wǎng)絡(luò)法 神經(jīng)網(wǎng)絡(luò)具有非線性的基本特性，具有并行結(jié)構(gòu)和學(xué)習(xí)能力，對于外部激勵，能給出相應(yīng)的輸出，它可以模擬電池的動態(tài)特性，估算其SOC值。神經(jīng)網(wǎng)絡(luò)法適用于各種電池，但是需要大量參考數(shù)據(jù)進(jìn)行訓(xùn)練，估計誤差受訓(xùn)練數(shù)據(jù)和訓(xùn)練方法的影響很大。 1.3.8 卡爾曼濾波法 卡爾曼濾波法的核心思想，是對動力系統(tǒng)的狀態(tài)做出最小方差意義上的最優(yōu)估算，應(yīng)用于電池SOC估算，電池被看成動力系統(tǒng)，SOC是系統(tǒng)的內(nèi)部狀態(tài)?？柭鼮V波法是近年才開始的，該方法適用于各種電池，尤其適用于電流波動

8、比較劇烈的混合動力汽車電池SOC估算。 電動汽車電池SOC估算的方法很多，由上述介紹可知，不同的方法有各自的優(yōu)缺點。Ah計量法適用于所有的電動汽車電池，是目前最常用的辦法之一。開路電壓法在充電初期和末期估算效果比較好，常和Ah計量法結(jié)合使用。負(fù)載電壓法很少應(yīng)用到實車上，但常用來作為電池充放電截止的判據(jù)。 內(nèi)阻法存在爭議，在實車上應(yīng)用較少。線性模型法、神經(jīng)網(wǎng)絡(luò)法和卡爾曼濾波法是近來發(fā)展起來的新方法，這些方法常被結(jié)合起來提高SOC估算的結(jié)果準(zhǔn)確度。 1．4 本文研究的基本內(nèi)容及意義 本文第一章介紹了課題的研究背景，主要估算方法和意義，并對SOC給出了不同的定義； 第二章對電動汽車

9、的發(fā)展史進(jìn)行概述，主要闡述了發(fā)展電動汽車的意義和目前電動汽車在國內(nèi)外發(fā)展的現(xiàn)狀； 第三章介紹了鋰離子電池的原理，以及影響電池SOC的不同因素； 第四章分析了神經(jīng)網(wǎng)絡(luò)的特點，學(xué)習(xí)算法，以及我們對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計； 第五章具體給出運用神經(jīng)網(wǎng)絡(luò)法對電池SOC進(jìn)行估算的過程。 準(zhǔn)確估算電動汽車電池SOC，可以幫助我們及時了解到電池所處的狀態(tài)，準(zhǔn)確預(yù)測電動汽車的續(xù)駛里程，以及防止電池的過充電或過放電，延長電動汽車電池的壽命。所以準(zhǔn)確估算電動汽車電池SOC對于電動汽車的發(fā)展有著非常重要的意義。 2 電動汽車發(fā)展史概述 2．1 電動汽車發(fā)展史概述 19世紀(jì)30年代到20世紀(jì)——電動汽車的崛

10、起。電動汽車的歷史并不比內(nèi)燃機(jī)汽車短，它也是最古老的汽車之一。電動車由美國人托馬斯-達(dá)文波特和蘇格蘭人羅伯特-戴維森在1842年研制，他們首次使用了不可充電電池。20世紀(jì)初，安東尼電氣、貝克、底特律電氣 、愛迪生、Studebaker和其它公司相繼推出電動汽車，電動車的銷量全面超越汽油動力汽車。電動車在19世紀(jì)20年代大獲成功，銷量在1912年達(dá)到了頂峰。 20世紀(jì)20年代到80年代——汽柴油機(jī)成為主流。電動車在20世紀(jì)初迎來成功之后，很快又失去了成長的勢頭。 電動汽車數(shù)年都沒能取得技術(shù)上的突破，而內(nèi)燃機(jī)汽車卻得到迅猛發(fā)展。從20世紀(jì)20年代開始，電動汽車逐漸被內(nèi)燃機(jī)汽車替代。 20世紀(jì)9

11、0年代到現(xiàn)在——電動汽車的復(fù)蘇。20世紀(jì)70年代和80年代的能源危機(jī)令電動車再次得到業(yè)界的重視。在1990年的洛杉磯車展，通用汽車首席執(zhí)行官羅杰-史密斯(Roger Smith)發(fā)布了Impact純電動概念車，并宣布通用汽車電動車將實現(xiàn)量產(chǎn)，并上市銷售。 上世紀(jì)90年代，汽車制造商們對于節(jié)省燃油和減少排放的環(huán)保車型的興趣有所下降。在美國市場，SUV越來越受到歡迎。 進(jìn)入21世紀(jì)之后，面對全球范圍日益嚴(yán)峻的能源形勢和環(huán)保壓力，電動汽車（EV，Electric Vehicle）作為新能源汽車的主體，面臨著新的機(jī)遇和挑戰(zhàn)[4]。 2．2 電動汽車國內(nèi)外發(fā)展現(xiàn)狀 2.2.1 目前我國電動汽車

12、發(fā)展情況 經(jīng)過10多年的努力，我國電動汽車自主創(chuàng)新取得了重要突破，自主開發(fā)的產(chǎn)品開始批量化進(jìn)入市場，發(fā)展環(huán)境逐步改善，產(chǎn)業(yè)發(fā)展具備了較好基礎(chǔ)，具有了加快發(fā)展的有利條件和比較優(yōu)勢。 電動汽車的核心是動力系統(tǒng)電氣化。我國電動汽車開發(fā)高起點起步，圍繞重點目標(biāo)和核心技術(shù)，建立起了純電動、混合動力和燃料電池三類汽車動力系統(tǒng)技術(shù)平臺和產(chǎn)學(xué)研合作研發(fā)體系，取得了一系列突破性成果，為整車開發(fā)奠定了堅實的基礎(chǔ)。自2002~2008年，我國在電動汽車領(lǐng)域已獲得專利1796項，其中發(fā)明專利達(dá)940項。我國自主研制出容量為6Ah-100Ah的鎳氫和鋰離子動力電池系列產(chǎn)品，能量密度和功率密度接近國際水平，同時突破了

13、安全技術(shù)瓶頸，在世界上首次規(guī)模應(yīng)用于城市公交大客車；自主開發(fā)的200kW以下永磁無刷電機(jī)、交流異步電機(jī)和開關(guān)磁阻電機(jī)，電機(jī)重量比功率超過1300w/kg，電機(jī)系統(tǒng)最高效率達(dá)到93％；自主開發(fā)的燃料電池發(fā)動機(jī)技術(shù)先進(jìn)，效率超過50%，成為世界上少數(shù)幾個掌握車用百千瓦級燃料電池發(fā)動機(jī)研發(fā)、制造以及測試技術(shù)的國家之一。 混合動力汽車在系統(tǒng)集成、可靠性、節(jié)油性能等方面進(jìn)步顯著，不同技術(shù)方案可實現(xiàn)節(jié)油10%-40%；純電動汽車技術(shù)在國際上處于先進(jìn)水平，大容量鋰離子動力電池純電動客車實現(xiàn)了規(guī)模應(yīng)用，小型純電動轎車批量出口歐美；燃料電池汽車可靠性明顯提高，無故障間隔里程與國外同步達(dá)到3000公里，燃料經(jīng)濟(jì)

14、性國際領(lǐng)先。 2.2.2 國外主要國家電動汽車發(fā)展情況 目前世界各國著名的汽車廠商都在加緊研制各類電動汽車，并且取得了一定程度的進(jìn)展和突破。 從目前世界范圍內(nèi)的整個形勢來看，日本是電動汽車技術(shù)發(fā)展速度最快的少數(shù)幾個國家之一，特別是在混合動力汽車的產(chǎn)品發(fā)展方面，日本居世界領(lǐng)先地位。1997年12月，豐田汽車公司首先在日本市場上推出了世界上第一款批量生產(chǎn)的混合動力轎車PRIUS。繼PRIUS混合動力轎車之后，豐田汽車公司還推出了ESTIMA混合動力汽車和搭載軟混合動力系統(tǒng)的CROWN轎車。此外，本田汽車公司開發(fā)的Insight混合動力電動汽車也已投放市場，供不應(yīng)求。 美國的汽車公司在電動

15、汽車產(chǎn)業(yè)化方面比來自日本的同行遜色不少，三大汽車公司僅僅小批量生產(chǎn)、銷售過純電動汽車?，F(xiàn)已推出三款混合動力概念車GMPrecept、FordProdigy、DaimlerchryslerDodgeESX3。 2．3 電動汽車的電池管理系統(tǒng) 電池是電動汽車的動力源，在電動汽車中占有重要的地位。如何有效管理和監(jiān)控電池一直是電動汽車的關(guān)鍵技術(shù)之一，因此電動汽車的電池管理系統(tǒng)是電動汽車必不可少的重要組成部分。電池管理系統(tǒng)主要有三個功能：(1)精確監(jiān)測電池電壓、電流和溫度參數(shù)，這是電池管理系統(tǒng)有效運行的基礎(chǔ)和關(guān)鍵；(2)在監(jiān)控正確參數(shù)的前提下，應(yīng)用一定的算法準(zhǔn)確預(yù)測出電池電量狀態(tài)；(3)建立起一個

16、四通八達(dá)的數(shù)據(jù)傳遞通道，實現(xiàn)電動汽車內(nèi)部部件間，內(nèi)部與外部計算機(jī)的數(shù)據(jù)通訊和處理。 在電池管理系統(tǒng)中，電池電壓的精確測量和剩余電量的準(zhǔn)確預(yù)測是管理系統(tǒng)亟待突破的兩個技術(shù)關(guān)鍵。在電池的充、放電過程中，電池的端電壓變化只有數(shù)十毫伏，因此電池電壓檢測需要很高的精度，否則就無法正確判斷電池的工作狀態(tài)。而且電池在線充、放電時電壓、電流都會產(chǎn)生波動，汽車內(nèi)溫度變化及電磁干擾對電壓檢測產(chǎn)生較大的影響，要使電壓測量達(dá)到要求的精度比較困難。而目前應(yīng)用在剩余電量預(yù)測方面有許多種算法，由于對電池內(nèi)部運行機(jī)理的復(fù)雜性以及狀態(tài)的不可確定性，一般建立在實驗數(shù)據(jù)上的算法更為準(zhǔn)確，對不同類型和安時數(shù)的電池而言算法可能不同

17、，因此專用性較強(qiáng)。 2.3.1 電動汽車電池管理系統(tǒng)的研究現(xiàn)狀 電動汽車的發(fā)展不斷成熟，但也還有很多問題沒有解決，例如如何提高電動汽車的續(xù)駛里程和舒適性，電池的剩余電量的指示，電池如何在變化的氣候條件下工作，如何對電池快速充電。電池的數(shù)量有限，充放電并不均衡。如何有效地利用電池的能量，延長電池的壽命。電動車還有能量回收的問題。這些問題都涉及到電池的能量管理和整車的能量管理。與電機(jī)、電機(jī)控制技術(shù)、電池技術(shù)相比，電池管理技術(shù)還不是很成熟。 電池自身的性能參數(shù)影響電池的壽命，但電池本身的問題不在電池管理的范圍之內(nèi)。電池外部因素也影響電池的壽命，如電池的充電參數(shù)，包括充電方式、充電電流、充電

18、結(jié)束電壓；電池的放電參數(shù)，包括電池的放電電流、放電深度、脈沖電流等；電池的溫度；對電池維護(hù)的方式和頻率。從電動汽車的使用過程中發(fā)現(xiàn)，單個電池的壽命遠(yuǎn)比電動汽車中的電池長，借助電池管理系統(tǒng)(BMS)，還可以優(yōu)化電池的外部參數(shù)，大大增加電池的壽命。 要實現(xiàn)這些功能就應(yīng)建立一個電池監(jiān)測和控制系統(tǒng)，其功用是通過監(jiān)測和控制單個電池的性能，最大化電池的充放電效果。它是一個基于微處理器的適時監(jiān)測系統(tǒng)，每個不良電池的情況都應(yīng)及時顯示在駕駛員儀表板上。預(yù)測電池每個循環(huán)可提供的電量及回收制動的能量所產(chǎn)生的電量，并控制放電深度和充電時和制動回收能量時的過充電。電池監(jiān)測和控制系統(tǒng)是一個隨車系統(tǒng)，因此電池的狀況是一個

19、動態(tài)的過程。 本文主要運用神經(jīng)網(wǎng)絡(luò)法估算電動汽車電池SOC，通過實驗不斷優(yōu)化參數(shù)使得剩余電量預(yù)測更為準(zhǔn)確。 2．4 發(fā)展電動汽車的重要意義 隨著能源危機(jī)的不斷加深，石油資源的日趨枯竭以及大氣污染、全球氣溫上升的危害加劇，作為有效緩解環(huán)境污染和能源衰竭的電動汽車將成為經(jīng)濟(jì)舞臺上的主角。電動汽車的發(fā)展對經(jīng)濟(jì)以及環(huán)境的影響意義重大： （1）節(jié)約能源，優(yōu)化能源結(jié)構(gòu)。目前我國的石油對外依存太高，燃油車耗油占全國總油耗比例也日益增加。而電動汽車能量來源可以是多樣化的，推廣電動汽車能夠優(yōu)化能源供應(yīng)結(jié)構(gòu)，保證經(jīng)濟(jì)發(fā)展中的能源安全。 （2）保護(hù)環(huán)境，減少碳排放量。電動汽車排放污染大氣的有害氣體是有限

20、的，推廣電動企業(yè)的發(fā)展，可以減少溫室氣體排放量，有效緩解大氣污染。 （3）優(yōu)化資源配置。我國鋰資源、稀土資源儲藏量豐富，發(fā)展電動汽車可充分利用我國現(xiàn)有的資源。 但是目前電動汽車行業(yè)還存在著一些問題亟待解決，燃料電池發(fā)動機(jī)的壽命短與傳統(tǒng)的內(nèi)燃機(jī)相比相差很遠(yuǎn)。燃料電池發(fā)動機(jī)的制造成本居高不下，這將制約著電動汽車的發(fā)展。準(zhǔn)確估算電動汽車電池SOC，將有效的解決電池的使用壽命等問題。 3 電動汽車動力電池 3．1 動力電池的分類 動力電池是為電動汽車動力系統(tǒng)提供能量的蓄電池，主要包括鋰離子電池、鎳氫電池和鉛酸電池等[5][6]。 3.1.1 鉛酸電池 鉛酸蓄電池的正極活性物質(zhì)是PbO

21、2，負(fù)極活性物質(zhì)是海綿狀的金屬鉛，電解液是稀硫酸。其反應(yīng)原理如下： 陽極反應(yīng) 陰極反應(yīng) 總反應(yīng) 鉛酸蓄電池是最早發(fā)明的二次電池，其開路電壓高，價格便宜，放電電壓平穩(wěn)，生產(chǎn)技術(shù)成熟，使用可靠，因此一直被范圍廣的應(yīng)用。但鉛酸蓄電池作為動力蓄電池主要存在循環(huán)壽命短、電池自放電較強(qiáng)、比能量低等缺點。 由于電極與電解液稀硫酸直接接觸，使極板柵很容易被腐蝕，且在電極上會生成緊密的白色硫酸鹽外皮，導(dǎo)致電池不能再充電，并且在放電過程中正極活性物質(zhì)容易脫落，因此循環(huán)壽命一般僅為150-300次。 鉛酸電池安全性好、成本低，在微混和城市型純電動汽

22、車上具有一定優(yōu)勢。但能量密度低，所以無法在其它類型電動汽車上應(yīng)用。 3.1.2 鎳氫電池 MH/Ni電池正極的活性物質(zhì)為氫氧化鎳，負(fù)極板的活性物質(zhì)為儲氫合金，其反應(yīng)原理如下： 陰極反應(yīng) 陽極反應(yīng) 總反應(yīng) 鎳氫蓄電池的電解液多采用KOH溶液，有時加入少量的LiOH。隔膜采用尼龍無紡布、多孔維尼綸無紡布等。 為了防止過充生成氣態(tài)氫氣引起爆炸，電池中設(shè)有防爆裝置。在充電時，負(fù)極析出的氫貯存在儲氫合金中，正極由氫氧化亞鎳變成氫氧化鎳NiOOH和H2O，放電時氧在負(fù)極被還原，正極由氫氧化鎳變成氫氧化亞鎳。 鎳氫動力蓄

23、電池具有良好的可逆性、高比能量、高功率、適合大電流放電、可循環(huán)充放電、無污染等特點，已經(jīng)被廣泛的應(yīng)用。 鎳氫電池技術(shù)成熟、安全性好，在混合動力的電動汽車領(lǐng)域占據(jù)主流地位。但能量密度低，成本高，技術(shù)發(fā)展較慢，性能也難以進(jìn)一步提高。 3.1.3 鋰離子電池 由于金屬鋰位于元素周期表的第一主族第二位，在金屬中具有最負(fù)的標(biāo)準(zhǔn)電極電位(-3.045V)，以及最小的電化當(dāng)量(0.259g/Ah)，因而與適當(dāng)?shù)恼龢O材料匹配構(gòu)成的鋰電池，具有比能量高、電壓高的特點。 以石墨/鋰鈷氧電池為例，反應(yīng)原理如下： 負(fù)極： 正極： 電池總反應(yīng)：

24、 與其它二次電池相比，鋰離子電池具有更良好的綜合性能，電池的平均電壓為3.6V；與相同瓦時數(shù)的鎳氫電池相比，重量和體積比鎳氫電池小約20%~30%，真正達(dá)到了高比能量。鋰離子電池特點是質(zhì)量輕、能量大、使用壽命長、工作電壓高、低自放電，能夠連續(xù)、平穩(wěn)的放電，是目前世界上比能量最高、循環(huán)壽命最長的可充電電池之一。因為鋰離子電池有以上優(yōu)勢，鋰離子動力電池的研究也逐漸受到人們的重視。鋰離子電池性能較好，適用范圍也比較廣，具有良好的應(yīng)用前景，在未來將逐步占據(jù)電動汽車電池市場的主流地位。 3．2 影響電池SOC的因素 準(zhǔn)確估算電池SOC，可以提高動力電池的能量效率，延長電池的使用壽命。而影

25、響SOC準(zhǔn)確計量的因素很多，其中自放電因素、溫度因素、放電倍率因素、電池壽命因素等都與SOC密切相關(guān)。 3.2.1 自放電因素 電池在貯存的過程中容量會下降，這是由電池的自放電引起的。引起自放電的原因是多方面的，包括電極的腐蝕，活性物質(zhì)的溶解，電極上的歧化反應(yīng)等，其中最主要的主要原因是負(fù)極的腐蝕和正極的自放電。 電池的負(fù)極一般是比較活潑的金屬，其標(biāo)準(zhǔn)電極電位比氫的電極負(fù)，當(dāng)有正電性的金屬雜質(zhì)存在時，就容易與負(fù)極形成有腐蝕作用的微電池。貯存過程中，在電池的正極上會發(fā)生副反應(yīng)消耗正極的活性物質(zhì)，從而使電池的容量下降。如果正極物質(zhì)從電極上溶解，到達(dá)負(fù)極后就會發(fā)生氧化還原反應(yīng)，引起自放電。

26、自放電速率可以用單位時間內(nèi)容量降低的百分?jǐn)?shù)來表示。為了計算電池的自放電，一般為電池管理系統(tǒng)配置一個實時時鐘，系統(tǒng)記錄下電池組上次掉電時和本次上電時的系統(tǒng)時間，得到電池組的靜置時間，然后根據(jù)事先通過離線實驗測得的自放電率來計算靜置時電池組的自放電，完成自放電補償。 3.2.2 溫度因素 由于電池中電極材料的活性和電解液的電遷移率等都與溫度有密切關(guān)系，所以環(huán)境溫度對電池性能的影響非常關(guān)鍵。其影響主要體現(xiàn)在以下幾個方面：對電池容量的影響，對電池電動勢的影響以及對電池自放電率的影響。 一般來說，電池的中高溫放電容量明顯比低溫時放電容量大，這是因為高溫有利于電極材料中離子的擴(kuò)散，提高了材料的動力

27、學(xué)性能，同時電解液中電解質(zhì)的電導(dǎo)率也隨著溫度的升高而增加，使得遷移內(nèi)阻減小。但是如果溫度過高，電解液會發(fā)生副反應(yīng)而產(chǎn)生大量的氣體，使電極材料變質(zhì)，從而加速電池的老化，使電池的容量迅速衰減。 對于鉛酸蓄電池，可以根據(jù)如下經(jīng)驗公式來針對溫度對電池容量的影響進(jìn)行補償： （3-1） 式中：--溫度為T℃時的容量； --溫度為30℃時的容量； --溫度系數(shù)，一般取0.006～0.008的常數(shù)； 該式是把30℃時的容量作為標(biāo)準(zhǔn)容量，得出在溫度T時的電池容量。當(dāng)然也可以選擇其他溫度（如2

28、5℃）下的容量作為標(biāo)準(zhǔn)。 對于鋰離子電池，工程中一般采用溫度系數(shù)的方法來對容量進(jìn)行修正。假定在理想狀態(tài)下，用電流積分法（安時法）計算電量的公式如下： （3-2） 式中：--t時刻的電池電量； --t時刻的電池電量，這里假設(shè)t0時刻的電量為滿電量； 若考慮溫度對容量的影響，在溫度T時電池的初始容量變?yōu)?，總?cè)萘孔優(yōu)?是與溫度有關(guān)的溫度系數(shù)，是標(biāo)準(zhǔn)溫度下的總?cè)萘浚?。得到下式? （3-3） 考慮到t的荷電狀態(tài),則有：

29、 （3-4） 式中：。可以通過實驗的方法得到在不同溫度下的，建立表格，計算時通過查表和線性插值的方法進(jìn)行計算來實現(xiàn)對溫度的補償。 電池的電動勢也受到溫度的影響。在不同溫度下，同一個電池在相同SOC的情況下電動勢是不同的。以SONY公司的US18650鋰離子電池為例，以23℃為標(biāo)準(zhǔn)的溫度條件，不同溫度下電池電動勢的相對變化量ΔE(T)如圖3-1所示： 圖3-1 與電池溫度關(guān)系曲線 可以看出，對于鋰離子電池，溫度越高，電池的電動勢越高。在工程實際中，可以將電池在不同的溫度下靜置，獲得不同溫度下的ΔE (T)，建立數(shù)據(jù)表格，通過查表和線性插值的方法來使用。 另外，溫度

30、對電池的自放電率也有很大的影響?；瘜W(xué)電源在存儲過程中容量會下降，這主要就是由兩個電極的自放電引起的。引起電池自放電的原因是多方面的，如電極的腐蝕，活性物質(zhì)的溶解等。溫度越高，電池的容量保持能力就越低，自放電率越大。 3.2.3 放電倍率因素 電池在不同放電倍率（即放電電流）下放電時，放出的電量是不一樣的。也就是說，在初始條件相同的情況下，用不同電流放電至截止電壓，電池所能放出的電量是不同的。一般來說，電流越大，能放出的電量越少。 早在1898年，Peukert就總結(jié)出了放電容量和放電電流關(guān)系的經(jīng)驗公式，目前已經(jīng)廣泛應(yīng)用于蓄電池在變電流工作時的容量修正。Peukert經(jīng)驗公式如下：

31、 （3-5） 式中：I--放電電流，A； t--放電時間，h； n--與電池類型有關(guān)的常數(shù)； K--與活性物質(zhì)有關(guān)的常數(shù)； 將Peukert方程兩邊都乘以，方程變?yōu)榱?，，方程左邊是放電電流與時間乘積，在恒流放電的情況下實際上就是電池的放電容量Q，所以方程又可以寫成： （3-6） 由該方程可以看出，電池的放電容量Q是放電電流和常數(shù)n，K的常數(shù)。為了確定常數(shù)n，K的值，需要用兩種放電率，進(jìn)行放電實驗，記錄兩種放電電流的放電時間和，于

32、是根據(jù)式（3-6）得到如下兩式： , （3-7） 分別取對數(shù)得到： , （3-8） 聯(lián)立兩式求解可得到n的值： （3-9） 將n帶入Peukert方程即可得到K的值。確定n和K的值以后就可以根據(jù)方程求出在不同放電電流下的放電容量，實現(xiàn)不同放電倍率下的容量補償。 假設(shè)為標(biāo)準(zhǔn)放電電流，放出的電量為標(biāo)準(zhǔn)容量；以電流放出的電量為。則由式（3-9）得到： , （3-10） 兩式相除得：

33、 （3-11） 令，則有： 將上式帶入理想狀態(tài)下的容量公式（3-6）得到： （3-12） 方程兩邊除以電流下的總?cè)萘靠傻茫? （3-13） 式中。根據(jù)n和K的值確定不同電流下的，建立表格，通過查表和插值的方法來對放電倍率進(jìn)行修正，可以避免在工程實際中進(jìn)行繁瑣的數(shù)學(xué)運算，同時又滿足精度的要求。 結(jié)合式（3-7）和（3-9），可以得到同時對溫度和放電倍率補償?shù)腟OC計算公式： （3-14） 3.2.4 電池壽命因素 蓄電池經(jīng)歷一次充放電稱為一個

34、充放電周期，在一定的放電制度下，電池容量降至某一規(guī)定值之前，電池所經(jīng)歷的循環(huán)次數(shù)，稱為二次電池的循環(huán)壽命。當(dāng)電池的放電容量衰減到初始容量的70%左右時（不同電池有不同的規(guī)定），電池的循環(huán)次數(shù)就是電池的循環(huán)壽命。鋰離子電池的循環(huán)壽命一般在500～1000次。 影響電池壽命的主要因素有：在充放電過程中電極活性物質(zhì)表面積減少，極化增大；電極活性物質(zhì)脫落，腐蝕或晶型改變導(dǎo)致活性降低；電池內(nèi)部短路；隔膜損壞等。如果不考慮電池老化因素，隨著電池組容量的下降，SOC計算會變得越來越不準(zhǔn)確。 隨著電池循環(huán)次數(shù)的增加，會出現(xiàn)充放電容量下降和電池內(nèi)阻增加的現(xiàn)象，它們的變化趨勢與電池的健康狀態(tài)（State of

35、 Health,SOH）有相對穩(wěn)定的函數(shù)關(guān)系，因此可以根據(jù)電池的容量和內(nèi)阻來確定電池的SOH。 由于電池內(nèi)阻的在線測量是很困難的，所以常常采用離線的方法得到電池容量與SOH的對應(yīng)數(shù)據(jù)表格，汽車運行中對充放電循環(huán)次數(shù)累積計數(shù)，然后根據(jù)表格來對總?cè)萘窟M(jìn)行修正?？紤]容量的修正系數(shù)，得到如下同時考慮溫度、放電倍率和SOH補償?shù)腟OC計算公式： （3-15） 4 人工神經(jīng)網(wǎng)絡(luò)理論 人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)，Neural Network）[13][14]是模擬人腦思維方式的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物學(xué)研究人腦組織成果的基礎(chǔ)上提出的，用了模擬人類

36、大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為，它從微觀結(jié)構(gòu)和功能上對人腦進(jìn)行抽象和簡化，是模擬人類智能的一條重要途徑，反映了人腦功能的若干基本特征。 4．1 生物神經(jīng)元細(xì)胞 神經(jīng)系統(tǒng)的基本構(gòu)造單元是神經(jīng)細(xì)胞，也稱神經(jīng)元，它是基本的信息處理單元。它和人體中其他細(xì)胞的區(qū)別在于具有產(chǎn)生、處理和傳遞信號的功能。生物神經(jīng)元主要有由細(xì)胞體、樹突、軸突和突觸組成。 其中樹突是由細(xì)胞體向外伸出，有不規(guī)則的表面和許多較短的分支的部分，其作用是收集由其他神經(jīng)細(xì)胞傳來的信息。我們可以把樹突理解為信號的輸入端，用來接收神經(jīng)沖動。軸突是由細(xì)胞向外伸出的最長的分支，其功能是傳出信息，其端部的許多神經(jīng)末梢為信號的輸出端子。神經(jīng)元之間樹

37、突和軸突相互連接的接觸點稱為突觸，其是調(diào)節(jié)神經(jīng)元之間相互作用的基本單元，每個神經(jīng)細(xì)胞所產(chǎn)生和傳遞的基本信息是興奮或抑制在兩個神經(jīng)細(xì)胞之間由突觸傳遞，同時它還可以加強(qiáng)興奮或抑制的作用，但兩者不能同時發(fā)生。突觸對神經(jīng)沖動的傳遞具有延時和不應(yīng)性，在相鄰的二次沖動之間需要一個時間間隔。 簡單神經(jīng)元網(wǎng)絡(luò)及其簡化結(jié)構(gòu)如圖4-1所示，其中（1）為細(xì)胞體(Soma)（2）為樹突(Dendrite)（3）為軸突(Axon)（4）為突觸(Synapse)。 圖4-1 生物神經(jīng)元模型 4．2 人工神經(jīng)網(wǎng)絡(luò)模型 目前神經(jīng)網(wǎng)絡(luò)模型的種類相當(dāng)豐富，已有近40余種神經(jīng)網(wǎng)絡(luò)模型，根據(jù)神經(jīng)網(wǎng)絡(luò)模型的連接方式，人工

38、神經(jīng)網(wǎng)絡(luò)大體上可分為三大類:前饋網(wǎng)、反饋網(wǎng)絡(luò)和自組織網(wǎng)絡(luò)。 4.2.1 前向網(wǎng)絡(luò) 如圖4-2所示，神經(jīng)元分層排列，組成輸入層、隱含層和輸出層。每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。輸入模式經(jīng)過各層的順次變換后，由輸出層輸出。在各神經(jīng)元之間不存在反饋。感知器和誤差反向傳播網(wǎng)絡(luò)采用前向網(wǎng)絡(luò)形式。 圖4-2 前向型神經(jīng)網(wǎng)絡(luò) 4.2.2 反饋網(wǎng)絡(luò) 如圖4-3所示，該網(wǎng)絡(luò)結(jié)構(gòu)在輸出層到輸入層存在反饋，即每一個輸入節(jié)點都有可能接受來自外部的輸入和來自輸出神經(jīng)元的反饋。這種神經(jīng)網(wǎng)絡(luò)是一種反饋動力學(xué)系統(tǒng)，它需要工作一段時間才能達(dá)到穩(wěn)定。 圖4-3 反饋型神經(jīng)網(wǎng)絡(luò) 4.2.3 自組

39、織網(wǎng)絡(luò) 如圖4-4所示，Kohonen網(wǎng)絡(luò)是最典型的自組織網(wǎng)絡(luò)。Kohonen認(rèn)為，當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外界輸入時，網(wǎng)絡(luò)將會分成不同的區(qū)域，不同區(qū)域具有不同的響應(yīng)特征，即不同的神經(jīng)元以最佳方式響應(yīng)不同性質(zhì)的信號激勵，從而形成一種拓?fù)湟饬x上的特征圖，該圖實際上是一種非線性映射。這種映射是通過無監(jiān)督的自適應(yīng)過程完成的，所以也稱為自組織特征圖。 圖4-4 自組織神經(jīng)網(wǎng)絡(luò) 4．3 神經(jīng)網(wǎng)絡(luò)特征及要素 4.3.1 神經(jīng)網(wǎng)絡(luò)特征 神經(jīng)網(wǎng)絡(luò)具有以下幾個特征： A. 能逼近任意非線性函數(shù) B. 信息的并行分布式處理與存儲 C. 可以多輸入、多輸出 D. 便于用超大規(guī)模集成電路或光學(xué)集成電

40、路系統(tǒng)實現(xiàn)，或用現(xiàn)有的計算機(jī)技術(shù)實現(xiàn) E. 能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境變化 4.3.2 神經(jīng)網(wǎng)絡(luò)三要素 神經(jīng)網(wǎng)絡(luò)具有以下3個要素： A. 神經(jīng)元（信息處理單元）的特性 B. 神經(jīng)元之間相互連接的拓?fù)浣Y(jié)構(gòu) C. 為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則 4．4 BP神經(jīng)網(wǎng)絡(luò) 4.4.1 BP神經(jīng)網(wǎng)絡(luò)簡介 BP網(wǎng)絡(luò)全稱為誤差反向傳播網(wǎng)絡(luò)(ErrorBackpropagationNN，EBP)，它是一種多層前向神經(jīng)網(wǎng)絡(luò)，它是由一個輸入層，若干隱層和一個輸出層組成。 BP網(wǎng)絡(luò)可看成是一從輸入到輸出的高度非線性映射。BP網(wǎng)絡(luò)采用BP學(xué)習(xí)算法來訓(xùn)練網(wǎng)絡(luò)權(quán)重。該算法是一種有導(dǎo)師學(xué)習(xí)算法，分兩步進(jìn)

41、行:正向傳播和反向傳播。這兩個過程簡敘如下: （1）正向傳播，輸入的樣本從輸入層經(jīng)過隱層一層一層進(jìn)行處理，通過所有的隱層之后，則傳向輸出層:在逐層處理的過程中，每一層神經(jīng)元的狀態(tài)只.對下一層神經(jīng)元的狀態(tài)產(chǎn)生影響。在輸出層把現(xiàn)行輸出和期望輸出進(jìn)行比較，若存在誤差，則進(jìn)行反向傳播過程。 （2）反向傳播，反向傳播時，把誤差信號按原來正向傳播的通路反向傳回，并對每個隱層的各個神經(jīng)元的權(quán)系數(shù)進(jìn)行修改，以期望誤差信號趨向最小。當(dāng)所有的樣本數(shù)據(jù)經(jīng)過反復(fù)訓(xùn)練達(dá)到誤差精度要求后，樣本數(shù)據(jù)即以各節(jié)點間連接權(quán)重的形式存儲下來。然后，在輸入層加上輸入信號，經(jīng)正向傳播后，便得到期望輸出的近似值。 （3）網(wǎng)絡(luò)的拓?fù)?/p>

42、結(jié)構(gòu)，BP網(wǎng)絡(luò)一般主要由輸入層、隱層、輸出層組成，隱層中的每一個節(jié)點分別與輸入層和輸出層的每個節(jié)點連接。在網(wǎng)絡(luò)建模的過程中，輸入層及輸出層節(jié)點數(shù)一般可根據(jù)實際需要加以確定，而隱層節(jié)點數(shù)的選取則有一定的難度，需要依據(jù)具體情況分析確定。 基本的BP算法存在以下缺點:(l)從數(shù)學(xué)上看它歸結(jié)為一非線性的梯度優(yōu)化問題，因此不可避免的存在局部極小問題。(2)學(xué)習(xí)算法的收斂速度慢，通常需要上千次或更多。 基本的BP算法最大的問題是采用梯度法時的步長和勢態(tài)項系數(shù)是由經(jīng)驗確定的。步長和勢態(tài)項的系數(shù)選取不好會使訓(xùn)練時間過長甚至?xí)鹜耆荒苡?xùn)練其原因:一是網(wǎng)絡(luò)的麻痹現(xiàn)象，一是局部最小。 圖4-5 典型的

43、BP網(wǎng)絡(luò)結(jié)構(gòu)圖 4.4.2 BP神經(jīng)網(wǎng)絡(luò)算法的原理和步驟 BP算法實質(zhì)上是把一組樣本輸入輸出問題轉(zhuǎn)化為一個非線性優(yōu)化問題，并通過梯度算法利用迭代運算求解權(quán)值問題的一種學(xué)習(xí)算法。其學(xué)習(xí)過程包括誤差正向傳播和反向傳播兩個過程。在正向傳播過程中，輸入信息從輸入層經(jīng)隱含層逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號沿原來的路徑返回。通過反復(fù)修改各層神經(jīng)元的權(quán)值和閾值，使誤差最小。 BP算法的基本步驟為： (l)初始化權(quán)值W和閾值b，即把所有權(quán)值和閾值都設(shè)置成較小的隨機(jī)數(shù)； (2)提供訓(xùn)練樣本集，包括輸入向量P和

44、要求的預(yù)期輸出T； (3)計算隱含層和輸出層的輸出； 隱含層的輸出為： （4-1） 輸出層得輸出為： （4-2） 式中，tansig是sigmoid型函數(shù)的正切式，sigmoid型函數(shù)為；purelin型函數(shù)是線性函數(shù)。 (4)調(diào)整權(quán)值: ,i=1,2,.... （4-3） 其中，w(k+l)、w(k)分別為k+1、k時刻的權(quán)向量；叮是學(xué)習(xí)率；D(k)是k時刻的負(fù)梯度。 (5)計算均方誤差函數(shù)mse： （4-4） 式中，e表示誤差

45、矢量，t表示目標(biāo)矢量，a表示輸出矢量，N表示矢量維數(shù)。 (6) 重復(fù)步驟(2)一(5)，直至均方誤差函數(shù)滿足精度￡為止，即mse<。 圖4-6 BP網(wǎng)絡(luò)的學(xué)習(xí)方法示意圖 4.4.3 LM算法 在實際應(yīng)用中，由于基本BP算法收斂速度慢，因此出現(xiàn)了許多改進(jìn)算法。BP算法的改進(jìn)主要有兩種途徑：一種是采用啟發(fā)式學(xué)習(xí)算法;另一種則是采用基于數(shù)值最優(yōu)化理論的優(yōu)化算法。其中，LM法是一種最為常用的算法。LM(LeveberMarquardi）算法，它無需計算優(yōu)化問題的Hessian矩陣，Hessian矩陣可以用下面的矩陣來近似替換：

46、（4-5） 其梯度為： （4-6） 其中，J是雅克比矩陣，它含有網(wǎng)絡(luò)訓(xùn)練誤差的一階導(dǎo)數(shù)，是權(quán)值和閩值的函數(shù)。e是網(wǎng)絡(luò)誤差矢量，則： （4-7） 式中，I為單位矩陣；為系數(shù)，在計算過程中是自適應(yīng)調(diào)整的。 如果比例系數(shù)μ=0，則為牛頓法；如果μ取值很大,則接近梯度下降法，每迭代成功一步，則μ減小一些，這樣在接近誤差目標(biāo)的時候，逐漸與牛頓法相似。牛頓法在接近誤差的最小值的時候，計算速度更快，精度也更高。實踐證明，采用該方法可以較原來的梯度下降法提高速度幾十甚至上百倍。 LM算法實際上是梯度

47、下降法和牛頓法的結(jié)合。起始時，λ取一個很大的數(shù),相當(dāng)于經(jīng)典的梯度下降法；隨著向最優(yōu)點的靠近，λ減小到零，則相當(dāng)于牛頓法。這樣就克服了基本BP網(wǎng)絡(luò)收斂速度慢，存在局部極小問題等問題，這對于快速、精確的預(yù)測SOC是很有利的。 4.4.4 神經(jīng)網(wǎng)絡(luò)模型的建立 考慮到鋰離子電池充放電的特點，本文采用3層LM神經(jīng)網(wǎng)絡(luò)對SOC進(jìn)行預(yù)測。網(wǎng)絡(luò)隱層節(jié)點數(shù)的選取目前尚無理論上的指導(dǎo)。影響SOC的因素很多，提高輸入層節(jié)點數(shù)，即考慮的因素越多，并不能提高神經(jīng)網(wǎng)絡(luò)的判別準(zhǔn)確率，反而增加了學(xué)習(xí)時間。同時，考慮到指標(biāo)的簡易性和代表性，根據(jù)Kolmogorov定理，一個3層的前向網(wǎng)絡(luò)具有對任意精度連續(xù)函數(shù)的逼

48、近能力。 輸入層的輸入矢量為[X1,X2]，其中X1是電池的放電電流的數(shù)值(I)，X2是電池放電電壓的數(shù)值(U)。輸出層只有一個節(jié)點(Y)，并認(rèn)為是MH/Ni電池的放電容量。經(jīng)過多次試驗后，發(fā)現(xiàn)在隱含層中采用15個節(jié)點就可以比較準(zhǔn)確地描述鋰離子電池放電電流和放電電壓與電池放電容量的關(guān)系。矩陣選取2個指標(biāo)(某時刻電池的電壓、電流)，即輸入層的神經(jīng)元節(jié)點數(shù)為2。一個輸出，即該時刻電池的SOC。隱含層采用Transig激活函數(shù)，輸出層采用Purelin線性激活函數(shù)。 激活函數(shù)是一個神經(jīng)元及網(wǎng)絡(luò)的核心，網(wǎng)絡(luò)解決問題的能力與功效除了與網(wǎng)絡(luò)的結(jié)構(gòu)有關(guān)，在很大程度上取決于所采用的激活函數(shù)。在進(jìn)行SOC預(yù)

49、測時，輸入層和隱含層之間的激活函數(shù)采用正切Sigmoid函數(shù),隱含層與輸出層采用線性函數(shù)。正切Sigmoid函數(shù)如下： （4-8） 選用Trainlm函數(shù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,最大訓(xùn)練步數(shù)epochs為500； goal為110-6；show為2，其他參數(shù)均選用缺省值。網(wǎng)絡(luò)經(jīng)初始化，利用函數(shù)Trainlm對網(wǎng)絡(luò)進(jìn)行500次的訓(xùn)練后，網(wǎng)絡(luò)誤差平方和mse達(dá)到了目標(biāo)誤差(goal)要求，即E<110-6。 5 基于神經(jīng)網(wǎng)絡(luò)的電動汽車電池SOC估算研究 5．1 動力電池的充放電實驗 5.1.1 樣本數(shù)據(jù)的選取 保持測試的環(huán)境溫度為25℃，在相對

50、較小的電流下進(jìn)行放電，在充放電測試儀上對鋰離子動力電池進(jìn)行測試，并自動記錄電池的電壓、電流和放電容量。 測量的具體步驟為： （1）通過相同的充電制度將電池充滿電，擱置1小時； （2）以0.2C、0.6C、1.0C、1.4C、1.8C、2.0C的放電倍率對電池進(jìn)行放電； （3）選擇放電電壓、電流為輸入變量，對應(yīng)的放電容量為輸出變量； （4）對以上數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理； 因為隱含層采用S型激活函數(shù)，而S型激活函數(shù)的輸入和輸出變量應(yīng)在相應(yīng)的區(qū)間范圍內(nèi)，所以標(biāo)準(zhǔn)化處理的過程是必不可少的。 標(biāo)準(zhǔn)化處理的公式： （5-1） 式中：—標(biāo)準(zhǔn)化后的數(shù)值；

51、 —測量數(shù)值中的最大值； —測量數(shù)值中的最小值； 圖5-1 鋰離子電池2C的充電曲線 圖5-2 鋰離子電池2C的放電曲線 5．2 BP網(wǎng)絡(luò)電池模型的建立 鋰離子動力電池是一種高比能量、高比功率的新型電池。電池的充放電是通過Li+在正負(fù)極之間的遷移來實現(xiàn)的。通過前面的研究，我們知道鋰離子動力電池在放電初期放電電壓迅速降低，而且隨著放電倍率的增大，放電電壓下降的速度隨之增大；鋰離子動力電池在放電的中期有一個較長的電壓平臺，在這一階段放電電壓相對平穩(wěn)，而且放電倍率越大，放電電壓平臺越低；在鋰離子動力電池放電后期，放電電壓又一次進(jìn)入快速衰減期。隨著電池放電倍率的增大，鋰

52、離子動力電池的放電容量成下降趨勢。這是由于鋰離子在電池內(nèi)的擴(kuò)散速度較慢，隨著放電電流的增加，電池內(nèi)的濃差極化增大，由電池的固有內(nèi)阻所引起的電壓降也增加，從而使電池的放電容量相應(yīng)下降。鋰離子動力電池的電流、電壓、溫度和內(nèi)阻都對電池容量和SOC產(chǎn)生的影響。溫度和內(nèi)阻會對鋰離子動力電池的容量產(chǎn)生一定的影響，但影響并不是很大；電流和電壓應(yīng)是影響電池容量的主要因素小電流和常溫放電對鋰離子動力電池是有利的。于是我們在建立電池模型時，保池的放電容量只與電池持測試的環(huán)境溫度為25℃，放電在中等倍率下進(jìn)行，以減少溫度、內(nèi)阻對鋰離子動力電池容量的影響。這樣我們就可以認(rèn)為，鋰離子動力電的電壓和電流有關(guān)。以具有兩個輸

53、入變量，一個輸出變量的映射關(guān)系，即： Q(放電容量)=f（U,I） （5-2） 根據(jù)Kolmogorov定理，給定任意連續(xù)函數(shù)，可以精確的用一個三層BP網(wǎng)絡(luò)實現(xiàn)，該網(wǎng)絡(luò)的第一層即輸入層有n個神經(jīng)元，中間層有(2n+1)個神經(jīng)元，第三層即輸出層有m個神經(jīng)元。一個三層的前向網(wǎng)絡(luò)具有對任意精度連續(xù)函數(shù)的逼近能力。因此，建立三層BP網(wǎng)絡(luò)，來反映鋰離子動力電池的放電容量只與電池的電壓和電流之間的關(guān)系。該網(wǎng)絡(luò)具有兩個輸入變量，即某一點的電壓和電流，一個輸出變量，即這一點對應(yīng)的容量。隱含層采用S型激活函數(shù)，輸出層采用線性激活函數(shù)。這樣我們就建立了鋰離子動力電池的B

54、P網(wǎng)絡(luò)模型。 圖5-3 具有三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型 5．3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 MATLAB是用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，主要包括MATLAB和Simulink兩大部分。MATLAB 的應(yīng)用范圍非常廣，包括信號和圖像處理、通訊、控制系統(tǒng)設(shè)計、測試和測量、財務(wù)建模和分析以及計算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨提供的專用 MATLAB 函數(shù)集）擴(kuò)展了 MATLAB 環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類型的問題。 本文利用MATLAB仿真系統(tǒng)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，主要用到了MATLAB中神經(jīng)網(wǎng)絡(luò)工具箱。MATLAB操作環(huán)境如下圖所示：

55、圖5-4 Matlab操作環(huán)境 在Matlab操作環(huán)境中調(diào)用人工神經(jīng)網(wǎng)絡(luò)工具箱，其過程如圖5-5和圖5-6所示： 圖5-5 人工神經(jīng)網(wǎng)絡(luò)工具箱調(diào)用 圖5-6 人工神經(jīng)網(wǎng)絡(luò)工具箱操作界面 首先將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)輸入網(wǎng)絡(luò)，采用LM算法訓(xùn)練網(wǎng)絡(luò)，設(shè)定誤差指數(shù)SSE為0.005，經(jīng)過435個步長的訓(xùn)練，網(wǎng)絡(luò)誤差收斂達(dá)到了精度的要求，其網(wǎng)絡(luò)誤差曲線如圖5-7所示： 圖5-7 網(wǎng)絡(luò)誤差曲線 由上圖可以看出，網(wǎng)絡(luò)誤差達(dá)到了精度要求，這樣我們就完成了對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。可以應(yīng)用我們建立的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行SOC估算。 5．4 網(wǎng)絡(luò)的測試 在對網(wǎng)絡(luò)進(jìn)行訓(xùn)練的基礎(chǔ)上

56、，應(yīng)用BP網(wǎng)絡(luò)進(jìn)行測試。首先將訓(xùn)練所用的數(shù)據(jù)輸入網(wǎng)絡(luò)，分別為0.2C、0.6C、1.0C、1.4C、1.8C、2.0C放電倍率下，鋰離子動力電池容量測量數(shù)據(jù)（Measured date）與預(yù)測數(shù)據(jù)（Estimated date）的比較圖。 圖5-8 0.2C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 圖5-9 0.6C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 圖5-10 1.0C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 圖5-11 1.4C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 圖5-12 1.8C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 圖5-13 2.0C下放電容

57、量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 從圖中可以看出，對放電容量的預(yù)測值與實驗所得的真實結(jié)果相差很小，誤差小于7％。上述實驗表明，我們已經(jīng)建立了有效的BP網(wǎng)絡(luò)。 保持測試的環(huán)境溫度不變，仍為25℃，在充放電測試儀上以放電倍率0.8C、1.0C、1.6C對鋰離子動力電池進(jìn)行測試，并自動記錄電池的電壓、電流和放電容量，測量步驟同上，將三組放電倍率下電池的電壓和電流數(shù)據(jù)輸入網(wǎng)絡(luò)，其輸出結(jié)果如下圖所示： 圖5-14 0.8C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 圖5-15 1.0C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 圖5-16 1.6C下放電容量測量數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較曲線 從

58、圖中可以看出，對放電容量的預(yù)測值與實驗所得的真實結(jié)果相差不大，最大相對誤差小于7％，滿足對鋰離子動力電池容量預(yù)測的要求。 上述實驗表明，我們建立的BP網(wǎng)絡(luò)具有較好的適應(yīng)性，已經(jīng)較為有效的預(yù)測了鋰離子動力電池電壓、電流和放電容量間的映射關(guān)系。我們可以較為準(zhǔn)確的用人工神經(jīng)網(wǎng)絡(luò)對電動汽車電池進(jìn)行SOC的估算。 結(jié) 論 電動汽車動力電池組SOC估計是電池技術(shù)的重點也是難點。準(zhǔn)確估算電動汽車電池SOC，可以幫助我們及時了解到電池所處的狀態(tài)，準(zhǔn)確預(yù)測電動汽車的續(xù)駛里程，以及防止電池的過充電或過放電，延長電動汽車電池的壽命。 電池是一個高度非

59、線性的系統(tǒng)，很難建立描述其充放電過程的準(zhǔn)確數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)具有非線性的基本特性，所以神經(jīng)網(wǎng)絡(luò)能夠模擬電池的復(fù)雜動態(tài)特性，這為估計電池SOC提供了新方法，MATLAB軟件也為神經(jīng)網(wǎng)絡(luò)方法估計SOC的實際應(yīng)用提供了可能。 本文在針對鋰離子動力電池本身性能研究的基礎(chǔ)上，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)理論，對電動汽車用鋰離子動力電池進(jìn)行建模和分析。我們在收集了大量的試驗數(shù)據(jù)的前提下，利用MATLAB進(jìn)行了仿真計算，對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，實現(xiàn)了電動汽車鋰離子動力電池智能管理系統(tǒng)模型的建立，并得到以下結(jié)論： （1）進(jìn)一步完善和改進(jìn)電池組神經(jīng)網(wǎng)絡(luò)模型。在本文的計算過程中，簡化了一些影響因素，如環(huán)境溫度對電池容量的影

60、響等。 （2）為了更加準(zhǔn)確估計電池組的SOC，應(yīng)該適當(dāng)?shù)脑黾虞斎氲臄?shù)量，這樣就能更接近于實際的電池工況，準(zhǔn)確的估計電池組的SOC。 （3）如果以神經(jīng)網(wǎng)絡(luò)模型作為基礎(chǔ)，結(jié)合其他SOC的估計方法，或許能夠更準(zhǔn)確的得到電池組的SOC。 （4）要獲得比較準(zhǔn)確的電池電動勢值，需要將它靜置足夠長的時間，以提高精度。 （5）可以嘗試用反饋神經(jīng)網(wǎng)絡(luò)來取代BP網(wǎng)絡(luò)估算電池的充放電系數(shù)。 致 謝 本論文是在王業(yè)琴老師的親切關(guān)懷和悉心指導(dǎo)下完成的。無論是方案的確定，還是淪文的撰寫，王業(yè)琴老師都給予了我極大的幫助和支持。記得在做課題初期，感覺自己觸及的是一

61、個全新的領(lǐng)域，不知從何做起，是她給了我啟發(fā)，引導(dǎo)我去尋找新的思路和方法。從課題開始到論文完稿的這段時間里，我與王業(yè)琴老師進(jìn)行過多次交流和探討。在交流和探討的過程中，不但糾正了我以前對一些問題的錯誤認(rèn)識，而且還強(qiáng)化了對許多新的概念的正確理解，真是受益匪淺。特別是她那淵博的專業(yè)知識、一絲不茍的科研精神、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、兢兢業(yè)業(yè)的工作作風(fēng)，令我終身難忘。在此，謹(jǐn)向我的導(dǎo)師王業(yè)琴老師致以最衷心的感謝和最崇高的敬意! 另外，我要向所有學(xué)習(xí)期間曾給我?guī)椭睦蠋?、同學(xué)和朋友表示感謝，向多年來一直默默無聞支持我的家人表示由衷的感謝，沒有他們的支持，便沒有我今天的成績。 最后，衷心地感謝在百忙中評閱本文和參

62、加答辯的各位老師。 參 考 文 獻(xiàn) 1 劉劍，谷中麗，戴旭文.EV用蓄電池的發(fā)展與應(yīng)用.汽車工藝與材料，2002年第2期 2麻友良，陳全世，齊占寧.電動汽車用電池SOC定義與檢測方法[J].清華大學(xué)學(xué)報（自然科學(xué)版）,2001（41）：11-13 3 黃文華，韓曉東，陳全世等.電動汽車SOC估計算法與電池管理系統(tǒng)的研究[J].汽車工程,2007（3）：198-202 4 張美云，潘玲.國內(nèi)外電動汽車的發(fā)展概括和趨勢[J].廣西機(jī)械，2006（3）：19-22 5 高玉京，陳全世，林成濤等.電動汽車用鋰離子蓄電池

63、充放電性能[J].電源技術(shù),2006（7）：539-542 6 吳川.動力鋰離子電池正極材料及相關(guān)機(jī)理研究，博士論文，北京理工大學(xué)，2002 7 林成濤，王軍平，陳全世.電動汽車SOC估計方法原理與應(yīng)用[J].2004（5）：376-378 8 宮學(xué)庚，齊鉑金，劉有兵，楊清新.電動汽車動力電池模型和SOC估算策略[J].電源技術(shù),2004（10）：633-666 9 紹海邱，鐘志華，何利平等.電動汽車動力電池模型及SOC預(yù)測方法[J].電源技術(shù),2004（10）：637-640 10 邱綱，陳勇.電動汽車用動力電池組SOC的神經(jīng)網(wǎng)絡(luò)估計[J].大連理工大學(xué)學(xué)報,2006（4）：230

64、-233 11 趙克剛，羅玉濤，裴鋒.基于神經(jīng)網(wǎng)絡(luò)的電池荷電狀態(tài)估計方法[J].中南大學(xué)學(xué)報（自然科學(xué)版）,2007（10）：930-933 12 裴晟，陳全世，林成濤.基于支持向量回歸的電池SOC估計方法研究[J]電源技術(shù),2006（3）：242-246 13 袁曾任.人工神經(jīng)元網(wǎng)絡(luò)及其應(yīng)用.北京清華大學(xué)出版社.1999 14 高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實例，北京：機(jī)械工業(yè)出版社，2 15 Battery Management System with State of Charge Indicator for Electrical vehicle.Beijing Institute of Technology.2007[Z]