论文部分内容阅读
随着世界范围环境污染和能源短缺问题的日益加剧，纯电动汽车作为一种有限能量电源驱动的绿色环保车型，逐渐成为各国汽车制造厂商研究和开发的热点。磷酸铁锂电池以其寿命超长、性价比高、使用安全、可快速充电及绿色环保等优势逐渐成为纯电动汽车动力电池的最佳选择之一。对锂离子电池组荷电状态的准确预测，是电池管理系统中要解决的重要问题。本文的研究内容来源于国家“863”计划课题，主要研究动力锂离子电池组剩余电量的预测方法。其中，荷电状态（Stateof Charge, SOC）描述的是电池剩余电量的数量。本文着重分析了电动汽车、特别是纯电动汽车(Pure electric vehicles, PEV)整车和电池管理系统存在的主要问题。从磷酸铁锂动力电池的电化学特性出发，以实验室静态环境充、放电数据作为依据，研究了动力锂离子电池组剩余电量精确预测的影响因素，并对当前时刻电池的荷电状态进行了定义。借鉴国产某型纯电动汽车技术参数和指标要求，对60Ah磷酸铁锂电池的充、放电数据进行实验室静态实测。采用ADVISOR汽车仿真软件建立了整车Simulink仿真模型,在国内外8种典型路况进行组合的条件下，获取了锂离子电池组放电时的电压、电流、温度，并利用安时累积法确定了抗误差累积条件下的SOC值。在此基础上，针对传统剩余电量预测方法准确度、智能预测方面存在的不足，设计了一种遗传-支持向量回归算法(GA-SVR)的智能算法。利用欧洲轻型汽车测试路况NEDC和日本Prius汽车测试路况1015，分别对单一的SVR算法和GA-SVR组合算法进行了仿真，并对均方误差MSE、相关系数R等参数进行了对比分析，均满足MSE≤0.3%，R≥90%的要求，为整车剩余电量的智能预测奠定了理论基础。研究搭建了以MSP430作为主控芯片的的锂离子电池管理系统平台，进行了实验室直流电机台架试验采集数据，并对混合算法的可行性和通用性进行了验证。研究表明，GA-SVR算法在电池组SOC预测方面具有准确度高、鲁棒性强等优点。