本文關鍵詞：基于改進PNGV模型的動力鋰電池SOC估計和充電優(yōu)化　出處：《哈爾濱工業(yè)大學》2014年碩士論文　論文類型：學位論文

  更多相關文章： 動力鋰電池 改進PNGV模型 SOC估計 粒子濾波 快速充電 多目標優(yōu)化

【摘要】：以磷酸鐵鋰電池為代表的動力電池近年成為電動汽車領域的研究熱點，但動力鋰電池的開發(fā)和應用還不夠完善，存在諸多問題，是電動汽車發(fā)展的一大技術瓶頸，如何提高動力鋰電池使用的安全性、高效性和便捷性成為解決問題的關鍵。 本文利用等效電路模型對動力鋰電池進行深入的分析和研究，使用PNGV模型模擬動力鋰電池特性，并根據(jù)電池特性和實驗結果，對PNGV模型提出了改進，改進后的PNGV模型更能體現(xiàn)動力鋰電池特性。本文利用改進PNGV模型，針對動力鋰電池能量控制管理中的兩個重點進行改善：一方面根據(jù)模型改進電池荷電狀態(tài)（SOC）估計算法，提高估算精度；另一方面從模型角度分析充電方案，進行充電多目標優(yōu)化，提高充電深度并縮短充電時間。 準確估計電池SOC是電池管理系統(tǒng)（BMS）運行的基礎，目前SOC估計算法精度低或者計算復雜，對初始值要求較高，難以保證動力電池管理系統(tǒng)的精確控制和管理。針對此問題，本文利用更為精確的等效電路模型——改進PNGV模型，分別結合拓展卡爾曼濾波(EKF)算法和粒子濾波（PF）算法進行SOC估計，使得估算精度得到了提高，最后文中對兩種算法進行詳細比較和分析，列出了各自優(yōu)缺點。 動力鋰電池快速充電是電動汽車的研究重點，快速且深度的充電使電動汽車的使用更加便捷。目前動力鋰電池快速充電的研究仍處于起步階段，現(xiàn)已提出的快速充電方案種類繁多，但具體原理和應用細則沒有得到詳細的研究。針對此問題，，本文根據(jù)改進PNGV模型對充電過程建立數(shù)學仿真模型，結合帶精英策略的快速非支配排序遺傳算法（NSGA-II），對快速充電方案進行多目標優(yōu)化，得到具體的充電優(yōu)化方案庫。方案庫提供了不同需求下的充電最優(yōu)方案，如充電時間一定時選取充電深度最深的充電方案，或者電動汽車行程一定，根據(jù)所需電量選擇充電時間最短的充電方案。最后，本文分別在電池測試系統(tǒng)平臺和搭建的充電系統(tǒng)上對優(yōu)化方案進行驗證，實驗結果證實了優(yōu)化充電仿真的可行性。
[Abstract]:The power battery, represented by lithium iron phosphate battery, has become the research hotspot in the field of electric vehicle in recent years, but the development and application of the power lithium battery is not perfect, there are many problems. How to improve the safety, efficiency and convenience of power lithium-ion battery is the key to solve the problem. In this paper, the equivalent circuit model is used to deeply analyze and study the power lithium battery, and the PNGV model is used to simulate the characteristics of the power lithium battery, and according to the characteristics of the battery and experimental results. The improved PNGV model is proposed, and the improved PNGV model can better reflect the characteristics of the dynamic lithium battery. The improved PNGV model is used in this paper. Two key points in power lithium battery energy control management are improved: on the one hand, according to the model, the state of charge (SOC) estimation algorithm is improved to improve the estimation accuracy; On the other hand, the charging scheme is analyzed from the point of view of model, and multi-objective optimization is carried out to improve the charging depth and shorten the charging time. Accurate estimation of battery SOC is the basis of battery management system. At present, the accuracy of SOC estimation algorithm is low or the calculation is complicated, and the initial value is required to be high. It is difficult to ensure the accurate control and management of the power battery management system. To solve this problem, this paper uses a more accurate equivalent circuit model-improved PNGV model. Combined with extended Kalman filter (EKF) algorithm and particle filter (PF) algorithm, the estimation accuracy is improved. Finally, the two algorithms are compared and analyzed in detail. The advantages and disadvantages are listed. Rapid charging of power lithium battery is the research focus of electric vehicle. The rapid and deep charging makes the use of electric vehicle more convenient. At present, the research of rapid charging of power lithium battery is still in its infancy. There are many kinds of fast charging schemes, but the specific principles and application rules have not been studied in detail. In order to solve this problem, the mathematical simulation model of charging process is established according to the improved PNGV model. Combining with NSGA-IIN, a fast non-dominated sorting genetic algorithm with elite strategy, multi-objective optimization of fast charging scheme is carried out. Get the specific charging optimization program library. The program library provides the optimal charging scheme under different requirements, such as the charging time when the deepest charging depth of the charging scheme, or the electric vehicle stroke is fixed. According to the quantity of electricity required to select the shortest charging time charging scheme. Finally, this paper respectively in the battery test system platform and build a charging system to verify the optimized scheme. The experimental results confirm the feasibility of optimizing the charging simulation.
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TM912

【共引文獻】

相關會議論文 前10條

1 朱進;;超級電容公交在城市公交應用中的推廣可行性探討[A];第十四屆中國科協(xié)年會第19分會場：電動汽車充放電技術研討會論文集[C];2012年

2 黃慧敏;文成林;徐曉濱;;機載ISAR距離跟蹤建模及其非線性濾波研究[A];第二十七屆中國控制會議論文集[C];2008年

3 ;Application of Wavelet Analysis Theory in Storage Energy System of Lithium Battery[A];中國自動化學會控制理論專業(yè)委員會A卷[C];2011年

4 李國;張心珂;楊國慶;高慶吉;;一種自適應的運動目標實時跟蹤算法[A];2006年首屆ICT大會信息、知識、智能及其轉換理論第一次高峰論壇會議論文集[C];2006年

5 馮志全;鄭艷偉;徐濤;楊波;;基于粒子濾波的人手跟蹤方法研究[A];第三屆和諧人機環(huán)境聯(lián)合學術會議（HHME2007）論文集[C];2007年

6 何文波;劉士榮;李文磊;;基于非線性濾波方法的非線性隨機系統(tǒng)的故障診斷[A];第25屆中國控制會議論文集（中冊）[C];2006年

7 朱虹;權冀川;張育銘;;淺析隨機集及其在多目標跟蹤中的應用[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

8 張劍鋒;曾國強;;基于UPF濾波的編隊衛(wèi)星相對軌道確定[A];'2010系統(tǒng)仿真技術及其應用學術會議論文集[C];2010年

9 朱偉濤;劉士榮;邱雪娜;;基于顏色和粒子濾波的視頻目標檢測與跟蹤[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

10 吳川;;基于DSP平臺的粒子濾波跟蹤算法的實現(xiàn)[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

相關博士學位論文 前10條

1 孟凡彬;基于隨機集理論的多目標跟蹤技術研究[D];哈爾濱工程大學;2010年

2 王小旭;非線性SPKF濾波算法研究及其在組合導航中的應用[D];哈爾濱工程大學;2010年

3 楊萌;非線性濾波及在慣導系統(tǒng)傳遞對準中應用研究[D];哈爾濱工程大學;2010年

4 高延增;超小型水下機器人關鍵性能提升技術研究[D];華南理工大學;2010年

5 劉美;WSN多目標跟蹤節(jié)點任務分配及跟蹤算法研究[D];華南理工大學;2010年

6 宮軼松;粒子濾波算法研究及其在GPS/DR組合導航中的應用[D];解放軍信息工程大學;2010年

7 張建華;適用于連續(xù)域多變量耦合問題的分布估計算法研究[D];蘭州理工大學;2010年

8 白雪;基于農田特征的車載GPS運動模型辨識及定位誤差研究[D];江蘇大學;2011年

9 夏益民;基于傳感器信息融合的移動機器人定位與地圖創(chuàng)建研究[D];廣東工業(yè)大學;2011年

10 許昕;基于濾波技術和粒子群優(yōu)化的齒輪箱故障診斷研究[D];中北大學;2011年

相關碩士學位論文 前10條

1 趙平強;電動單軌吊動力鋰電池組智能管理系統(tǒng)的研究[D];山東科技大學;2010年

2 黎繼剛;鋰離子動力電池管理系統(tǒng)的研究與實現(xiàn)[D];浙江理工大學;2010年

3 李東起;基于VxWorks的水下目標探測跟蹤研究[D];哈爾濱工程大學;2010年

4 馬勤;基于群體智能算法的動態(tài)目標跟蹤技術研究[D];天津理工大學;2010年

5 吳孟俊;基于不同模型的運動目標跟蹤算法研究[D];華東理工大學;2011年

6 張繼旺;無線定位中時延估計算法研究[D];北京交通大學;2011年

7 張宗;基于蒙特卡洛方法的改進粒子濾波算法[D];北京交通大學;2011年

8 朱林富;基于粒子濾波的故障診斷方法研究[D];北京交通大學;2011年

9 牟忠凱;衛(wèi)星姿態(tài)確定的非線性濾波方法研究[D];解放軍信息工程大學;2010年

10 萬喜喜;CAS理論在區(qū)域森林收獲調整中的應用研究[D];中南林業(yè)科技大學;2009年

本文編號：1392067