论文部分内容阅读
电动汽车具有低噪声、几乎零排放的优点,是解决能源、环境等问题的重要途径。动力蓄电池是电动汽车的重要组成部分,在很大程度上决定了电动汽车的性能。由于磷酸铁锂电池具有功率密度高、单体电压高等特性,在电动汽车应用中倍受青睐。单体电池在制造中不可避免地存在不一致性,电动汽车频繁且不规则的起步停车、加速爬坡及减速制动等工况切换造成了电池组的充放电方式、电流大小及历时长短的不确定性,导致了电池组内热环境的不均匀性,因而加剧了电池间不一致性,这对大容量串联电池组尤为明显。这种不一致性的加剧将致使单体电池寿命急速衰减,直至失效。要实现大容量磷酸铁锂电池的广泛应用,有效的电池均衡系统是改善电池组性能、延长电池组寿命的关键技术,也是电池管理系统研究的热点。本文的主要研究内容如下:1)针对当前耗散型均衡电路能耗大以及非耗散型均衡电路结构复杂、效率低的缺陷,结合磷酸铁锂串联电池系统的特点,提出兼有充电模式与放电模式的复合均衡电路,同时也对放电电阻与DC/DC转换器进行参数设计,为获得良好的均衡性能提供了可靠的硬件基础;2)采用Digatron多功能电池测试仪对磷酸铁锂电池进行恒流充放电特性、脉冲充放电特性、循环寿命特性、内阻特性、迟滞特性、开路电压特性及效率特性的实验研究,并建立相应的回归模型。通过上述各项特性的研究,获得磷酸铁锂电池各项特性的物理表现和数学表达及其演变规律,为电池荷电状态(SOC)的动态估算以及均衡控制算法的优化提供强大的数据基础;3)考虑到电压均衡易造成过度均衡,容量均衡不宜在线实施的缺陷,本文采用SOC均衡。针对目前电池SOC估算存在的适用性差、精度低的问题,结合对磷酸铁锂电池的电化学机理及其动态特性演变规律研究,提出基于加权反馈模型与动态修正模型的加权反馈自适应融合算法以实现电池动态SOC的估算。针对单一算法的局限性,采用遗传模糊控制算法对安时积分法与Thevenin等效电路模型进行加权反馈从而形成加权反馈模型;考虑到电池实时工况下电池温度、SOH、自放电因子、自恢复因子等参数对SOC的影响,建立基于QPSO-BP神经网络的动态修正模型以实现对加权反馈模型的修正。为了验证加权反馈自适应融合算法的有效性,对磷酸铁锂电池进行不同初始SOC、不同电池温度及不同老化条件下的试验验证,并获得较好的估算精度,为均衡控制提供了有效的评价指标;4)针对目前均衡算法存在的过度均衡、均衡能量损耗以及均衡时间浪费的问题,通过解决单体电池SOC估算中采样参数时间不一致性与噪声等难题,本文提出基于单体电池SOC的自适应遗传算法以实现均衡控制,同时对均值-差值均衡算法、模糊控制均衡算法进行比较研究。考虑到自适应遗传算法实时性差的缺陷,采用数据驱动参数辨识法实现算法的在线优化。为了验证自适应遗传算法对均衡控制的有效性,对磷酸铁锂电池组进行仿真及实验研究,研究结果表明自适应遗传算法在改善动力电池组一致性的基础上,能有效提高均衡能量效率与时间效率。