基于神經(jīng)網(wǎng)絡(luò)的HEV動(dòng)力鋰電池組能量管理策略.pdf

1、混合動(dòng)力汽車(chē)(Hybrid Electric Vehicle，HEV)動(dòng)力電池組電池荷電狀態(tài)(State of charge，SOC)估計(jì)是 HEV電池管理系統(tǒng)中最為關(guān)鍵和困難的組成部分。電池荷電狀態(tài)的準(zhǔn)確估計(jì)不僅僅能夠?yàn)?HEV的駕駛者提供當(dāng)時(shí)的電池能量存儲(chǔ)狀況，而且還是電池管理系統(tǒng)中充放電管理和均衡控制管理的基礎(chǔ)。
　　本文以 HEV對(duì)鋰離子電池的荷電狀態(tài)估計(jì)算法進(jìn)行研究。通過(guò)對(duì)鋰電池的工作原理、電池充電、放電特性進(jìn)行分析，以

2、電池電流、溫度等因素對(duì)電池電量的影響方式，電池自放電率、循環(huán)次數(shù)及工作狀態(tài)等其它的影響因素為依據(jù)，提出加動(dòng)量項(xiàng)自回歸小波神經(jīng)網(wǎng)絡(luò)的 HEV鋰離子動(dòng)力電池組 SOC估計(jì)，并在MATLAB中建立神經(jīng)網(wǎng)絡(luò)模型，對(duì)其收斂性進(jìn)行了證明。與人工神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)以及自回歸小波神經(jīng)網(wǎng)絡(luò)對(duì) HEV鋰離子動(dòng)力電池組的SOC進(jìn)行仿真對(duì)比，并進(jìn)行誤差的分析。結(jié)果表明本文所采用的方法不僅能提高SOC的估算精度，而且網(wǎng)絡(luò)收斂快，能夠進(jìn)行在線估測(cè)