MM1314午夜免费视频

                    24小時論文定制熱線

                    咨詢電話

                    熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                    您當前的位置:論文定制 > 畢業設計論文 >
                    快速導航
                    畢業論文定制
                    關于我們
                    我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                    代做畢業設計
                    常見問題

                    電動汽車用磷酸鐵鋰電池狀態估計

                    添加時間:2019/08/02 來源:哈爾濱工業大學 作者:劉首志
                    本文以電動汽車用磷酸鐵鋰電池為研究對象建立精確度更高的電池模型并進行 SOC 估計,基于選定的電池壽命衰退模型基礎上完成電池 RUL 估計,電池的 SOC 估計與 RUL 估計為電池管理系統的安全與保障提供支撐。
                    以下為本篇論文正文:

                    摘要

                      在能源危機的背景下,雖然新能源汽車近年來依靠國家的補貼政策銷量得到快速發展,但去年全年銷量仍然只有燃油車輛的 2.1%,部分原因是新能源汽車的安全問題和續航能力未能令人滿意。通過對電池的剩余電量以及剩余壽命的研究,可以為新能源汽車的電池管理系統的安全與保障提供支撐;同時對電池組均衡控制系統進行研究,可以維護電池管理系統的安全運行,從而保證新能源汽車的行駛安全。

                      本文以電動汽車用磷酸鐵鋰電池為研究對象,首先通過電池的充放電試驗確定電池開路電壓與 SOC(State of Charge)的映射關系式,同時對電池的回彈電壓階段進行分析后選定 Thevenin 模型作為電池模型。在 MATLAB/Simulink平臺下建立電池模型并進行復雜工況下的仿真,仿真結果與真實數據擬合平均誤差為 24.3mV,擬合效果良好,驗證了電池模型的可靠性。

                      針對通用的卡爾曼濾波算法估計 SOC 時,噪聲分布采用高斯分布帶來的負面影響,本文選定標準粒子濾波算法估計 SOC,在 MATLAB 平臺上將標準粒子濾波算法以及擴展卡爾曼濾波算法與電池模型結合,選定主要變量及方程的具體形式進行 SOC 遞推估計,仿真結果證明標準粒子濾波算法精確度更高,誤差不超過 4%。針對標準粒子濾波算法的重要性密度函數進行改進得到輔助粒子濾波算法,在 MATLAB 平臺上的仿真結果表明誤差最大值不超過 3.5%,較之標準粒子濾波算法估計精度更高。

                      在對常用 RUL(Remaining Useful Life)估計算法分析的基礎上,選定基于隨機重采樣的標準粒子濾波算法進行 RUL 估計,針對隨機重采樣的采樣效果較差的缺點,在 MATLAB 平臺上分別對采用多項式重采樣、殘差重采樣以及系統重采樣的標準粒子濾波算法進行試驗仿真,綜合比較后證明系統重采樣的RUL 估計精度最高,估計誤差為 34 個充放電循環。針對標準粒子濾波算法粒子退化現象改進得到正則化粒子濾波算法,仿真證明正則化粒子濾波算法相對標準粒子濾波算法 RUL 估計精度提高 3.64%,估計誤差為 16 個充放電循環。

                      對通用均衡方式進行分析后,本文選定基于電感的單向能量轉移式主動均衡作為均衡方案,對電感模塊與反激式變壓器模塊進行參數的配置計算后,基于 PSIM 平臺搭建均衡模型,仿真電池的電壓值正序依次遞減排列時均衡效果良好。針對電壓值亂序時均衡未能啟動的現象,并聯入反激式變壓器實現均衡電路的閉環拓撲。仿真結果表明,這種新型的綜合電感與變壓器的均衡方案兼顧能量利用率與工程實用性,均衡效果良好。

                      關鍵詞:鋰離子電池;粒子濾波算法;SOC 估計;RUL 預測;均衡控制

                    Abstract

                     

                      Under the background of energy crisis, although the clean-energy vehicles have been developed very fast in recent years owing to the country’s subsidy policies, the annual sales in last year were still only 2.1% of fuel vehicles and the reasons are safety and endurance problems partly. The research on the state of charge (SOC) and remaining useful life (RUL) of the battery can support the safety and security of the battery management system of clean-energy vehicles. At the same time, the research on the battery control system can maintain the safe operation of the battery system to ensure the safety of vehicles.

                      The paper consider the lithium-ion battery as the object of study. Firstly the paper determined the mapping relationship between the battery open voltage and the state of charge through the battery charge and discharge test date and chose the Thevenin model as battery model through the analysis on the battery rebound voltage stage. The battery model was established and the simulation was carried on. The simulation results were compared with the real data and maximum error is 33 mV, which can prove the high reliability of battery model.

                      The paper chose the standard particle filter to estimate state of charge to overcome the negative effect when the noise distribution of Kalman filter were Gaussian distribution. The standard particle filter and the extended Kalman filter was combined with battery model and the paper chose the main vectors and the concrete equation form to estimate the state of charge , whose results indicated the standard particle filter was more accurate and error is less than 4%. The standard particle filter was improved on the aspect of importance density function, which can be called auxiliary paticle filter algorithm. The simulation of the auxiliary particle filter to estimate SOC was carried out in MATLAB/Simulink and the maximum error didn’t exceed 3.5%, which is more accurate than the results of auxiliary particle filter.

                      The paper chose the standard particle filter used random resampling algorithm to estimate the RUL, which based on the analysis of the commonly RUL estimation algorithms. To overcome the weaknesses of the random resampling algorithm, the standard particle filters based on multinomial resampling, residual resampling and systematic resampling were carried out to estimate RUL. the results showed that the the standard particle filter based on systematic resampling got the most accurate result, whose estimation error was 34 charge and discharge cycles. To overcome the particle degradation phenomenon, the paper improved the standard particle filter and got the regularized particle algorithm. The simulation results showed the estimation accuracy based on regularized particle filter improved 3.64% compared with that of standard particle filter, whose estimation error was 16 charge and dicharge cycles.

                      The paper chose the one-way energy transfer active balance based on inductance as the balance scheme after analyzing the general balance methods. Then the paper calculated the parameters of the inductive module and the flyback transformer module and established the balance model based on PSIM. The balance simulation was accomplished when the voltage values of the battery arranged on the positive order. To overcome the weakness that the balance failed to start when the voltage values arranged out of order, the paper combined with the flyback transformer and achieved the closed-loop topology of the balance circuit. The simulation results showed that the active balace scheme based on the combination between the inductance and the flyback considered both energy utilization and engineering practicality and the simulation results was satisfactory.

                      Keywords: lithium polymer battery, state of charge estimation, remaining useful life prediction, equalization control

                      截至 2017 年 1 月份,我國的新能源汽車保有量為 109 萬輛,2016 年全年汽車保有量相對于 2015 年增長了 86.90%。其中純電動汽車的保有量為 74.1 萬輛,占新能源汽車總量的 67.98%,相比于 2015 年增長了 223.19%。2016 年全年全球電動汽車銷量為 77.4 萬輛,其中中國占比 53%[1]。在政策扶持與電動汽車本身的技術進步下,新能源汽車在中國發展非常迅速。

                      隨著我國經濟的飛速發展,汽車的銷量隨之迅猛增加,從而能源危機越來越凸顯的嚴重。根據相關資料,中國現在機動車保有量達 2.91 億輛,一年的燃油需求量為 2.53 億噸,而因此產生的機動車尾氣污染物排放量高至 5002.3 萬噸[2]。能源的巨大消耗及環境污染的日益嚴重將愈來愈成為阻礙中國經濟社會發展的障礙,新能源汽車的大力推廣對于這兩大問題的緩解有著很大的作用。

                      為了推動中國新能源汽車產業的長遠發展,我國政府多次出臺補貼政策,規劃至2020年時,純電動汽車以及插電式混合動力汽車生產能力達到 200萬輛,累計產銷超 500 萬輛。但即便 2016 年新能源汽車增長迅猛,全年銷量也只達到50 萬輛。原因主要是新能源汽車的安全問題以及續航能力還不能使人們信服。

                      對于內燃機來說其心臟是汽車發動機,而對于新能源汽車來說,它的心臟就是電池系統。使用的電池系統與新能源汽車的續駛里程和汽車安全息息相關。

                      目前新能源汽車使用的電池類型愈來愈成為主流的是鋰離子電池。鋰離子電池根據不同的正極材料類型,可以劃分為錳酸鋰電池、磷酸鐵鋰電池以及鎳鈷鋰電池等。鋰離子電池具有循環壽命長、比能量高以及自放電率低等突出的優點。

                      隨著新能源汽車大力推廣與應用的同時,由于動力電池的過充電、過放電以及電池過溫等引起的電池爆炸、汽車自燃以致損害汽車內駕乘人員生命安全的事故還時有發生。然而鋰離子電池自身容易過充過放、安全性較差的特點,故對于電池系統的監控技術以及保護措施提出了愈加嚴苛的要求。

                      新能源汽車的長遠發展必須克服續駛里程低的弱點,同時提升自身動力性以滿足人們的實際需求以及駕乘體驗,F有的新能源汽車動力電池通常多節電池成組后串并聯使用,但是動力電池在生產的過程當中由于生產工藝等原因,即便同一生產批次、同一型號的動力電池之間的電容與電阻等參數也難以避免的會出現差異。

                      動力電池之間不一致性的增大會造成以下情況:同一時刻充電狀態下有些電池電量較低,而有些電池電量大或者接近充滿狀態,這時繼續充電會造成電池的過充電現象;或者同一時刻放電狀態下某些電池電量放空而某些電池仍有電量,這時繼續放電就會造成動力電池的過放電現象?傊,動力電池之間的不一致性會嚴重影響新能源汽車的續駛里程以及動力性,影響動力電池組的使用壽命甚至破壞掉整個電池系統。因此,為了保持電池之間不一致性在安全范圍內,保護動力電池系統工作在良好狀態下從而保證新能源汽車的行駛安全,這時對于動力電池的各狀態參數的監控與反饋以及提高電池均衡控制系統的效能就顯得非常重要。

                      本文以電動汽車用磷酸鐵鋰電池為研究對象,對動力電池的 SOC 估計、電池剩余壽命進行研究,用以獲取動力電池的各工作狀態參數,為電池管理系統的安全與保障提供支撐;本文同時對動力電池的均衡控制系統進行研究,降低電池之間不一致性,提升新能源汽車行駛里程,維護電池管理系統的安全運行。

                      在初始容量已知并且電流傳感器精確度高的基礎上,通過安時積分法得到的 SOC 估計結果是相對精確地。但動力電池及電流傳感器在實際的工作過程中,傳感器會受到零點漂移、環境噪聲以及其他未知因素的影響,從而影響電流測量值出現相對誤差。更進一步的是,隨著相當長的周期循環過后,這種測量誤差會不斷的得到積累。因此安時積分法需要額外的誤差修正措施以獲取較好的 SOC 估計效果。針對由于誤差積累等因素導致的安時積分法的估計劣勢,一些學者提出了很多對于安時積分法的修正方法。

                      陳嵩等[3]通過設置容量修正模式門檻電壓等措施來對安時積分法進行修正;劉玉叢等[4]基于傳統安時積分法又考慮進 SOC 初值受電池充放電后的靜置時間的影響以及電池充放電受溫度的影響,從而對 SOC 初值進行及時修正,一定程度上降低了安時積分法造成的誤差積累的負面影響;Kutluay 等[5]提出一種以電流和溫度的在線安時積分估計方法,該方法估計精度可達 3%~4%;李哲等[6]則證明了初始 SOC 值的修正對提升安時積分法的準確性最為重要。

                      接下來闡述基于動力電池本征參數的映射估計方法,這種 SOC 估計方法是最為直接簡便的方法,包括開路電壓法、阻抗譜法[7]等;陔姵乇菊鲄档挠成涔烙嫹椒▋烖c是可以通過 SOC 與電池本征參數的映射關系直接獲取,缺點是該方法的適用條件有限,并且過度依賴于 SOC 與電池本征參數之間映射關系的準確度,例如開路電壓法需要經過長時間的靜置來獲得電池的開路電壓,不適用于行車狀態下的 SOC 估計。Holger Blanke 等[8]對基于阻抗譜的 SOC 估計方法進行了全面的梳理總結。

                      Waag W 等[9]證實鋰離子電池的阻抗參數會隨著電池老化而發生較大變化。阻抗譜法的另一個缺點是阻抗參數對于 SOC 的敏感程度遠遠低于對于溫度的敏感程度,因此需要考慮溫度因素作為 SOC 估計的補償措施,但是新能源汽車的電池溫度可能變化非常劇烈,所以估計精度難以得到保證。

                      然后闡述基于神經網絡以及機器學習方法的 SOC 估計方法。人工神經網絡、模糊神經網絡以及支持向量機可以用作 SOC 的估計方法,其中應用人工神經網絡進行 SOC 估計可以劃分為三種類型:直接運用人工神經網絡進行 SOC估計、與卡爾曼濾波器或其他控制器融合進行 SOC 估計以及利用人工神經網絡進行反饋矯正的安時積分法。

                      廖恩華[10]針對傳統 BP 神經網絡進行改進,在訓練樣本中加入溫度和電流影響因子,分析并運用試探的方法確定出改進的 BP 神經網絡輸入向量的時間點個數,運用遺傳算法優化各個時間點數據權重系數,取得了較好的估計效果。

                      直接運用人工神經網絡進行 SOC 估計的優點是不需要完全明晰動力電池的內部機理。但是這種方法需要非常龐大的數據來訓練神經網絡,并且對于老化后的動力電池再運用舊數據進行訓練的神經網絡估計效果將不再精確。這種方法無法隨著電池的老化而實時更新神經網絡,是一種開環估計方法。

                      Du 等[11]聯合擴展卡爾曼濾波同時運用基于人工神經網絡的極限學習機(Extreme Learning Machine,ELM)實現了對 SOC 的閉環估計。在這種聯合估計方法中,估計的 SOC 值作為神經網絡的輸入,而輸出的電壓值與實際電壓值比較之后的差值可以作為 SOC 估計的矯正標準。這種閉環估計的優點是理論上可以實現隨著動力電池老化而對人工神經網絡進行在線校準,從而神經網絡便得以與動力電池的老化進程相適應。但是這種估計方式需要處理器具備很高的計算能力,而且會帶來諸如過度擬合的潛在問題。

                      Sheikhan 等[12]利用人工神經網絡實現了對傳統安時積分法反饋糾正,他考慮到動力電池的老化效應,運用優化的多層結構感知器和 RBF 神經網絡作為安時積分法的矯正措施實現了對 SOC 的精確估計。模糊神經網絡估計 SOC 可以分為兩種類型:適應性模糊神經干預系統(Adaptive Neuro-fuzzy inference System,ANFIS)[13]與本區線性模式數(LocalLinear Model Tree,LOLIMOT)[14]。這兩種 SOC 估計方法都是開環估計,與直接運用人工神經網絡進行 SOC 的估計具有相同的缺點。

                      駱秀江等[15]將基于 VC 維和結構最小化理論的支持向量機(Support VectorMachine,SVM)用于 SOC 估計并取得了相對精確地估計效果。支持向量機估計 SOC 同樣需要大量的數據進行訓練,同時它也需要處理器具備很高的計算能力。

                      最后闡述基于電池模型的 SOC 估計方法;陔姵啬P偷 SOC 估計可以分為兩類:基于電池的電化學模型的 SOC 估計與基于等效電路模型的 SOC 估計。

                      Schmidt[16]針對基于電池的電化學模型的 SOC 估計,根據經典單粒子方法,開發了集中參數非線性模型,基于電解質點位的并入、液相鋰離子濃度的偏微分方程的模態分解等要點,提出了一種新型的電化學鋰離子電池模型。黃澤波[17]采用電化學模型作為電池模型,結合卡爾曼濾波器估計 SOC,取得了相對較好的估計效果。電化學模型的優點是可以深刻反映電池的內部機理,缺點有兩個方面,一方面由于精確的電化學模型復雜度非常高,不適用于應用在低成本的處理器上;另一方面隨著動力電池的老化過程,高復雜度的模型迫使模型參數的在線辨識更加困難。

                    電動汽車用磷酸鐵鋰電池狀態估計:

                    人工神經網絡直接估計 SOC 的典型結構
                    人工神經網絡直接估計 SOC 的典型結構

                    綜合電感與反激式變壓器主動均衡電路拓撲圖
                    綜合電感與反激式變壓器主動均衡電路拓撲圖

                    三節電池的主動均衡仿真模型
                    三節電池的主動均衡仿真模型

                    模型圖兩個 MOS 管樓漏極電壓示意圖
                    模型圖兩個 MOS 管樓漏極電壓示意圖

                    三節電池主動均衡仿真圖
                    三節電池主動均衡仿真圖

                    五節電池的電感單向均衡仿真
                    五節電池的電感單向均衡仿真

                    反激式變壓器主動均衡示意圖
                    反激式變壓器主動均衡示意圖

                    綜合電感與變壓器的六節電池的主動均衡仿真示意圖
                    綜合電感與變壓器的六節電池的主動均衡仿真示意圖

                    目 錄

                      摘 要
                      Abstract
                      第 1 章 緒 論
                        1.1 課題來源及其研究意義
                        1.2 國內外研究現狀
                          1.2.1 SOC 估計的國內外研究現狀
                          1.2.2 RUL 預測的國內外研究現狀
                          1.2.3 均衡控制系統的國內外研究現狀
                        1.3 本文主要研究內容
                      第 2 章 電池模型的參數辨識與試驗仿真
                        2.1 常用電池模型敘述
                          2.1.1 電化學電池模型
                          2.1.2 等效電路電池模型
                        2.2 電池的外特性與開路電壓特性
                        2.3 電池模型建立與參數辨識
                        2.4 電池模型的實現與仿真
                        2.5 本章小結
                      第 3 章 粒子濾波估計 SOC 的仿真分析與試驗驗證
                        3.1 粒子濾波器估計 SOC 的機理分析
                          3.1.1 貝葉斯遞推估計算法
                          3.1.2 貝葉斯重要性采樣
                          3.1.3 序貫重要性采樣算法與重采樣算法
                        3.2 粒子濾波器與電池模型結合估計 SOC 及試驗驗證
                          3.2.1 建立估計模型
                          3.2.2 估計驗證
                        3.3 擴展卡爾曼濾波算法估計 SOC 的性能試驗
                          3.3.1 擴展卡爾曼濾波與電池模型的結合
                          3.3.2 EKF 與 PF 估計 SOC 的試驗效果對比
                        3.4 輔助粒子濾波器估計 SOC 及試驗驗證
                          3.4.1 基于改進重要性密度函數的輔助粒子濾波器
                          3.4.2 輔助粒子濾波器估計 SOC 的性能試驗
                        3.5 本章小結
                      第 4 章 粒子濾波算法預測電池剩余壽命
                        4.1 基于標準粒子濾波器的鋰離子電池 RUL 預測方法
                          4.1.1 壽命衰退模型及試驗數據預處理
                          4.1.2 RUL 預測框架以及算法描述
                          4.1.3 RUL 的預測試驗與評價效果分析
                        4.2 基于四種重采樣方法的 RUL 預測仿真及性能對比試驗
                          4.2.1 標準粒子濾波三種重采樣算法 RUL 的預測仿真
                          4.2.2 四種重采樣算法的性能綜合對比試驗
                        4.3 基于改進重采樣算法的粒子濾波 RUL 預測仿真與性能試驗
                          4.3.1 正則化粒子濾波的原理
                          4.3.2 REG-PF 與 PF 預測 RUL 仿真與性能對比
                        4.4 本章小結
                      第 5 章 綜合電感與變壓器的主動均衡仿真
                        5.1 均衡系統的設計方案與參數設計
                        5.2 三節電池的儲能電感單向傳遞主動均衡仿真
                        5.3 多節電池主動均衡仿真及反激式變壓器均衡仿真
                        5.4 綜合電感與反激式變壓器環形拓撲均衡仿真
                        5.6 本章小結
                      結 論
                      參考文獻
                      攻讀碩士學位期間發表的論文及其它成果
                      哈爾濱工業大學學位論文原創性聲明和使用權限
                      致 謝

                    (如您需要查看本篇畢業設計全文,請您聯系客服索。

                    相關內容
                    好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                    所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                    如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
                    MM1314午夜免费视频