動(dòng)力鋰電池荷電狀態(tài)估計(jì)策略的研究.pdf

1、日趨惡化的大氣污染和能源問(wèn)題使得環(huán)保型電動(dòng)汽車(chē)在研制和推廣方面越來(lái)越多地被人們所關(guān)注。作為電動(dòng)汽車(chē)實(shí)用化和商品化的關(guān)鍵技術(shù)之一,電池管理系統(tǒng)的開(kāi)發(fā)與研制也被認(rèn)為是發(fā)展電動(dòng)汽車(chē)的重要環(huán)節(jié)之一。其中,電池剩余電量SOC(State OfCharge)估計(jì)一直以來(lái)都是電池管理系統(tǒng)研究的核心,是整車(chē)控制策略調(diào)整的判斷依據(jù)。磷酸鐵鋰鋰離子電池因其卓越的性能而備受關(guān)注,本文使用這種電池對(duì)荷電狀態(tài)SOC的估計(jì)策略進(jìn)行研究。
　　 本文首先對(duì)電

2、動(dòng)汽車(chē)及相關(guān)技術(shù)進(jìn)行了簡(jiǎn)單概述,其次在考慮磷酸鐵鋰鋰離子電池(LiFePO4)性能的同時(shí),分析了影響電池荷電狀態(tài)SOC的內(nèi)外因素。然后針對(duì)國(guó)內(nèi)外幾種常用的SOC估計(jì)方法中存在的估計(jì)精度不高,數(shù)學(xué)模型建模復(fù)雜,實(shí)時(shí)性差等缺點(diǎn),本文提出兩種新的算法,即最小二乘支持向量機(jī)法(LS-SVM)和小波神經(jīng)網(wǎng)絡(luò)法(Wavelet Neural Network),通過(guò)大量實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析比較,結(jié)果證明了兩種方法的有效性與可行性。最后本文又將電池健康