APP下载

基于超声测量及神经网络的锂离子动力电池SOC 估算

2021-02-24周世杰李顶根

汽车工程学报 2021年1期
关键词:检测模型

周世杰,李顶根

(1.华中科技大学 中欧清洁与可再生能源学院,武汉 430074;2.华中科技大学 能源与动力工程学院,武汉 430074)

近年来,随着新能源技术的蓬勃发展,电动汽车也迎来了高速发展的时机。动力电池是电动汽车发展的核心技术,而锂离子动力电池由于其能量高、功率密度大、生命周期长,成为电动汽车中应用最多的电动电源[1]。此外,电动汽车中锂离子动力电池的SOC 是驾驶员判断电动汽车可行驶里程的关键因素。SOC 是指电池组中的每个单位所剩余电量的比例,以100%代表满电量,0%代表空电量[2]。准确估算电动汽车中动力电池的SOC 是电动汽车安全行驶的关键因素。

长期以来,在电池SOC 估算方面,学者们做了大量研究。WANG 等[3-4]利用卡尔曼滤波法来校正安时积分法中的电池初始SOC 值,用该方法进行试验时,测得的SOC 与实际SOC 相比误差仅为2.4%,有效提高了安时积分法的计算准确度。鲍慧等[5]提出了用安时积分法与开路电压法相结合,并分别对安时积分公式中各相关参数进行修正和优化,试验结果表明该改进方法可以减小安时积分法估算SOC时产生的累计误差。XING Yinjiao 等[6]提出了一种结合了开路电压(Open Circuit Voltage,OCV)与SOC 温度表的温度模型来估算SOC,使用无迹卡尔曼滤波法来调整每个采样步骤的模型参数,结果表明,该方法与不考虑环境温度的方法相比,可以提供具有较小均方根误差的准确SOC 估算,因此,当电池在不同的环境温度下工作时,该方法也能有效、准确地测量SOC。赵又群等[7]提出电池循环次数、瞬间大电流以及温度等因素都会使电池特性发生变化,使用扩展卡尔曼滤波算法对电池SOC 进行估算,会有较大的误差甚至导致算法不收敛。……

登录APP查看全文

猜你喜欢

检测模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用