电动汽车锂电池荷电状态估算及均衡控制策略研究

• 作 者: 褚彪
• 出 处: 江西理工大学
• 发表日期: 2020年01期
• 关键词: 电池管理系统 SOC估算 粒子群算法 BP神经网络 均衡控制

传统汽车行业在促进社会经济和满足人们生活需求的同时,也极大地亏耗了地球资源以及带来了严重的环境污染。锂电池凭借其输出电压高、循环寿命长、自放电率低、能量密度大、无污染、质量轻等优点,迅速占据广大市场。拥有着低功耗、噪声小、零污染等系列优点的电动汽车被公认为是未来汽车的一大发展趋向,电池管理系统(Battery Management System,BMS)关乎着汽车能源稳定安全问题,是电动汽车相关技术中尤为重要的一项技术。优秀的BMS能够对电池进行过流、过压等保护,有效增加电池使用寿命、增加续航里程,为用户提供实时可靠的电池状态信息,帮助用户掌控电池状态。由于电池荷电状态(State of charge,SOC)估算以及均衡控制策略是电动汽车BMS中两个基本且非常关键的技术,所以本文着重对以上两种技术做相关研究。本文首先在分析国内外BMS的研究现状的基础上,对BMS的基本功能、硬件框架以及软件流程进行介绍;其次从锂电池不一致性产生、给电池组带来的危害以及解决方法三个方面进行分析;然后通过对比分析常用的电池等效模型的优缺点,本文对原有的Thevenin电路等效模型进行了简化,建立一种更为简单易计算的Thevenin等效电路模型;最后利用遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)与人工神经网络(Artificial Neural Network,ANN)算法相结合,提出基于GA-BP神经网络的锂电池SOC估算以及HPSO-BP神经网络法的锂电池SOC估算,利用MATLAB进行实验仿真,验证了两种联合算法无论在精确性还是收敛性上都有不错的表现。最后在分析研究常见能耗型与非能耗型均衡电路的基础上,本文设计出一种级联型均衡控制电路,同时为该电路制定了相应的均衡控制策略。均衡控制目标选定为各电池模块的SOC一致性,当最大SOC偏差大于3%时,对电池组启动均衡控制,当电池组的最大SOC偏差控制在1%以内时,将均衡电路处于待机状态,完成均衡。实验仿真表明该均衡控制电路能够正常实现充放电均衡功能以及故障冗余功能。