本文關(guān)鍵詞： 粒子濾波 SOC估計 能耗預(yù)測 剩余里程估計　出處：《吉林大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著環(huán)境污染的逐年加重和石油資源的逐年減少,環(huán)保和節(jié)能問題越來越引起人們的重視。為改變這種狀況,全球各國政府與各汽車生產(chǎn)商,都在大力度投入發(fā)展新能源汽車。對比現(xiàn)有的各種類新能源汽車,純電動汽車因其相較于其他新能源車具有更加明顯的優(yōu)勢,已經(jīng)成為了目前行業(yè)內(nèi)研發(fā)的熱點(diǎn)。但是由于許多關(guān)鍵技術(shù)還沒有突破,其本身還存在著諸多問題。這諸多關(guān)鍵技術(shù)中就包括車載電源技術(shù)—電池能量管理。估計電池SOC狀態(tài)和車輛續(xù)駛里程是能量管理系統(tǒng)兩個重要功能,準(zhǔn)確的SOC狀態(tài)值是電動汽車剩余行駛里程預(yù)測的基礎(chǔ)。能實時地為駕駛員提供續(xù)駛里程信息,能夠提高用戶對電動汽車的使用信心。因此,能夠準(zhǔn)確估計電池SOC并據(jù)此預(yù)測出車輛剩余續(xù)駛里程,能夠極大地推動電動汽車普及,促進(jìn)電動汽車發(fā)展。本文中對這兩個問題分別展開了討論。目前對于SOC估計的研究主要都是圍繞電池單體展開,但車載動力電池是由很多單體電池組成的,如何對電池組剩余容量進(jìn)行估計是應(yīng)該重點(diǎn)研究的課題。本文利用實際的電池組實驗數(shù)據(jù),通過理論分析將電池組看作一個整體,進(jìn)行SOC估計。首先建立電池等效電路模型并根據(jù)采集的電池組放電實驗數(shù)據(jù),利用遞推最小二乘法對電池模型參數(shù)進(jìn)行了辨識,之后對電池組SOC進(jìn)行估計。根據(jù)建立的等效電路模型確定電池系統(tǒng)狀態(tài)方程,并結(jié)合模型參數(shù)辨識的結(jié)果及電池組實測得的實驗數(shù)據(jù),應(yīng)用粒子濾波完成電池組SOC狀態(tài)的動態(tài)估計,并把估計結(jié)果與擴(kuò)展卡爾曼濾波算法估計結(jié)果做了比較,表明基于粒子濾波的電池組SOC估計方法的效果更好,估計結(jié)果更準(zhǔn)確。在確定了電池組剩余容量狀態(tài)之后,為對電動汽車剩余里程進(jìn)行預(yù)測,就需要對車輛未來行駛能耗進(jìn)行估計。本文中提出了一種基于車輛過去平均行駛能耗預(yù)測未來平均行駛能耗的方法,利用支持向量機(jī)回歸理論,對能耗差異與車輛行駛工況變化之間的關(guān)系進(jìn)行分析。在確定了未來行駛能耗需求之后,基于SOC值計算電池的剩余能量值,將兩者結(jié)合估算出電動汽車剩余可行駛里程。最后通過仿真實驗,證明了應(yīng)用該方法能達(dá)到比較好的里程估計效果。
[Abstract]:With the increasing of environmental pollution and the decreasing of petroleum resources, the problem of environmental protection and energy saving has been paid more and more attention. In order to change this situation, governments and auto manufacturers all over the world. Compared with the existing kinds of new energy vehicles, pure electric vehicles have more obvious advantages than other new energy vehicles. Has become the industry research and development hotspot. But because many key technologies have not yet broken through. There are still many problems in the system. Among these key technologies are the on-board power supply technology-battery energy management. Estimating the battery SOC status and vehicle driving mileage are two important functions of the energy management system. Accurate SOC state value is the basis of residual mileage prediction for electric vehicles. It can provide drivers with driving range information in real time and improve the users' confidence in the use of electric vehicles. It can estimate the battery SOC accurately and predict the remaining driving mileage of the vehicle, which can greatly promote the popularity of electric vehicles. In order to promote the development of electric vehicles, the two problems are discussed separately in this paper. At present, the research of SOC estimation is mainly focused on the battery cell, but the on-board power battery is composed of a lot of single cells. How to estimate the residual capacity of the battery pack is an important research topic. In this paper, the battery pack is regarded as a whole by theoretical analysis using the actual experimental data of the battery pack. Firstly, the equivalent circuit model of the battery is established and the parameters of the battery model are identified by using the recursive least square method according to the collected discharge experimental data. Then the SOC of the battery pack is estimated. According to the established equivalent circuit model, the state equation of the cell system is determined, and combined with the result of the model parameter identification and the experimental data of the battery pack measured. The particle filter is used to complete the dynamic estimation of the SOC state of the battery pack, and the estimation results are compared with the estimation results of the extended Kalman filter (EKF) algorithm. The results show that the SOC estimation method based on particle filter is more effective and accurate. After determining the residual capacity state of battery pack, the residual mileage of electric vehicle is predicted. It is necessary to estimate the vehicle energy consumption in the future. In this paper, a method based on the vehicle energy consumption in the past to predict the future average driving energy consumption is proposed, and the support vector machine regression theory is used. The relationship between energy consumption difference and vehicle driving condition change is analyzed. After determining the future driving energy consumption demand, the residual energy value of the battery is calculated based on the SOC value. The residual mileage of electric vehicle is estimated by combining the two methods. Finally, the simulation results show that the proposed method can achieve better mileage estimation results.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U469.72

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙清,徐衍亮,安忠良,許家群,齊瑞貴;電動汽車的發(fā)展與環(huán)境保護(hù)[J];沈陽工業(yè)大學(xué)學(xué)報;2000年05期

2 章超,易家玉;全球電動汽車發(fā)展迅猛[J];大眾用電;2000年09期

3 章超;開發(fā)電動汽車市場前景廣闊[J];大眾用電;2000年09期

4 ;戴-克公司第四代電動汽車[J];重型汽車;2000年04期

5 ;電動汽車是中國汽車業(yè)趕超發(fā)達(dá)國家的重要切入點(diǎn)[J];電器工業(yè);2001年12期

6 徐新明;環(huán)保電動汽車時代誰執(zhí)牛耳[J];發(fā)明與革新;2001年04期

7 焦慶豐;電動汽車前景廣闊[J];大眾用電;2001年03期

8 劉茂理;云南需要電動汽車[J];云南交通科技;2001年01期

9 叢曉杰;電動汽車:推動世界的綠色動力[J];中國石油;2001年09期

10 豪彥;21世紀(jì)世界汽車工業(yè)發(fā)展趨勢(三)——電動汽車[J];汽車與配件;2001年Z1期

相關(guān)會議論文 前10條

1 宋翔;;電動汽車是未來的趨勢[A];重慶汽車工程學(xué)會2008年學(xué)術(shù)會議論文集[C];2008年

2 賈愛芹;;淺談電動汽車推廣的實現(xiàn)途徑[A];第六屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2009年

3 張夢潔;田令;;電動汽車的發(fā)展現(xiàn)狀及趨勢研究[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

4 倫景光;;電動汽車在中國的發(fā)展前景[A];科技進(jìn)步與學(xué)科發(fā)展——“科學(xué)技術(shù)面向新世紀(jì)”學(xué)術(shù)年會論文集[C];1998年

5 張夢潔;田令;;電動汽車的發(fā)展現(xiàn)狀及趨勢研究[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會暨2006年省汽學(xué)會理事會議資料[C];2006年

6 張炳力;趙韓;;貫徹“汽車新政”加快安徽電動汽車工業(yè)的發(fā)展[A];2004“安徽制造業(yè)發(fā)展”博士科技論壇論文集[C];2004年

7 張杰;;電動汽車發(fā)展需要更多“綠燈”[A];西南汽車信息：2013年第7期（總第328期）[C];2013年

8 姚勇;劉林生;顧健輝;陳林;李科江;趙曉;;電動汽車發(fā)展對配電網(wǎng)的影響及對策[A];2013年中國電機(jī)工程學(xué)會年會論文集[C];2013年

9 蔣惠琴;歐萬彬;鮑健強(qiáng);葉瑞克;;電動汽車:引領(lǐng)城市低碳交通的未來[A];生態(tài)城市建設(shè)與生態(tài)危機(jī)管理——中國未來研究會2010年學(xué)術(shù)年會論文集[C];2010年

10 李曉勤;魯植雄;逄小鳳;;淺述電動汽車的研究現(xiàn)狀與發(fā)展趨勢[A];江蘇省汽車工程學(xué)會第九屆學(xué)術(shù)年會論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 本報記者陳興安;電動汽車引領(lǐng)奧運(yùn)時尚[N];中國經(jīng)營報;2002年

2 賈俊國;公司推動電動汽車發(fā)展試點(diǎn)實施方案座談會在上海召開[N];國家電網(wǎng)報;2007年

3 孫逢春;助推電動汽車發(fā)展意義重大[N];國家電網(wǎng)報;2007年

4 本報記者 葛勝征;奧運(yùn)會 世博會重點(diǎn)采購電動汽車[N];政府采購信息報;2007年

5 本報記者 劉輝邋李層;發(fā)展電動汽車 國網(wǎng)搶得先機(jī)[N];中國電力報;2007年

6 記者 張靜;電動汽車產(chǎn)業(yè)發(fā)展論壇召開[N];經(jīng)濟(jì)日報;2009年

7 孫萌萌;工信部召集各方落實電動汽車政策[N];人民政協(xié)報;2009年

8 本報實習(xí)記者 楊冬;電動汽車能否順利駛?cè)搿爱a(chǎn)業(yè)化時代”[N];中國知識產(chǎn)權(quán)報;2009年

9 柯蕓;應(yīng)加快建立電動汽車研發(fā)支撐體系[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2008年

10 本報記者 張鳳宇;電動汽車中國汽車業(yè)的新機(jī)遇[N];中國信息報;2001年

相關(guān)博士學(xué)位論文 前10條

1 胡超;電動汽車無線供電電磁耦合機(jī)構(gòu)能效特性及優(yōu)化方法研究[D];重慶大學(xué);2015年

2 張虹;考慮電動汽車聚合站的主動配電網(wǎng)動態(tài)優(yōu)化調(diào)度[D];華北電力大學(xué);2015年

3 宋世欣;分布式驅(qū)動電動汽車控制策略及硬件在環(huán)實驗研究[D];吉林大學(xué);2015年

4 張迪;電動汽車充\換電設(shè)施選址模型研究[D];華中科技大學(xué);2015年

5 徐浩;面向規(guī)�；妱悠嚾刖W(wǎng)的充電站布局優(yōu)化及有序充電策略研究[D];華中科技大學(xué);2015年

6 張斌;電動汽車永磁同步驅(qū)動電機(jī)電磁熱設(shè)計研究[D];華中科技大學(xué);2015年

7 方支劍;計及電池與電網(wǎng)影響的電動汽車充換電控制[D];華中科技大學(xué);2015年

8 邵艾博（Khalid,Muhammad Shoaib）;可再生能源和電動汽車一體化管理對多模微電網(wǎng)穩(wěn)定性的影響分析[D];華中科技大學(xué);2015年

9 劉瑜俊;電動汽車儲能特性及其配置方法研究[D];東南大學(xué);2015年

10 強(qiáng)浩;計及無線充電的電動汽車對電網(wǎng)的影響研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 寇凌峰;電動汽車大規(guī)模接入對電網(wǎng)的影響分析[D];華北電力大學(xué)（北京）;2011年

2 黃潤;電動汽車入網(wǎng)對電網(wǎng)負(fù)荷影響的研究[D];上海交通大學(xué);2012年

3 楊俊秋;電動汽車充放電容量預(yù)測及控制策略的優(yōu)化研究[D];北京交通大學(xué);2012年

4 薛紅紅;電動汽車與電網(wǎng)互動技術(shù)之協(xié)調(diào)充電策略探究[D];華中師范大學(xué);2012年

5 許恬;我國當(dāng)前電動汽車潛在消費(fèi)者的識別與消費(fèi)行為研究[D];武漢理工大學(xué);2012年

6 唐升衛(wèi);電動汽車有序充電研究[D];湖南大學(xué);2012年

7 王傳能;電動汽車換電站優(yōu)化規(guī)劃研究[D];華北電力大學(xué);2012年

8 張晨曦;電動汽車入網(wǎng)技術(shù)及社會綜合效益研究[D];浙江大學(xué);2013年

9 何清晨;適用于城市通勤的個人電動汽車設(shè)計與研究[D];清華大學(xué);2012年

10 張敏;計及規(guī)�；妱悠嚦浞烹娯�(fù)荷的配電網(wǎng)效能分析[D];華北電力大學(xué);2013年

，

本文編號：1443657