电动汽车动力电池荷电状态估计

精准可靠的荷电状态估计对电动汽车整车性能有举足轻重的影响,从而成为国内外学者研究的重要方向。文章选取三元锂离子电池作为研究对象,然后介绍了几种荷电状态的估计方法,选择使用模型基础法进行荷电状态的估计,构造一阶Thevenin模型,然后利用充放电实验所得数据和MATLAB里的多项式拟合工具构造得出开路电压-荷电状态（OCV-SOC）的函数对应关系。通过使用最小二乘法来辨识对模型中的参数值可以进行离线辨识,再使用自适应扩展卡尔曼滤波（AEKF）算法来估计锂离子电池的荷电状态。随后进行了动态应力测试（DST）实验,将扩展卡尔曼滤波（EKF）算法与AEKF算法进行荷电状态估计的对比及误差分析,从而对AEKF算法的精确度进行检验。最终通过实验数据可以得出结论,文章介绍的AEKF算法对DST实验工况的荷电状态估计可以保证较满意的精确度,并且此算法不是很复杂,操作性强。     

一种改进的安时—开路电压估算SOC的方法

精确估算动力电池的荷电状态(State of Charge,SOC)是发展电动汽车技术的关键。SOC值很难直接测出,只能通过与电池有关的温度、电流和电压等因素间接估算。文中提出了一种安时法和开路电压法结合的方法,对算法影响SOC估算的各个因素进行了补偿修正,并用Simulink建模仿真,对比仿真结果与试验结果,证明了该方法的准确性。     

大负荷工况下并联混合动力电动汽车控制策略仿真分析

分析了ADVISOR2002中并联混合动力电动汽车的电力辅助控制策略，指出了其中存在的不足。开发了新的控制策略，仿真结果表明，在大负荷工况下电池的荷电状态SOC得到了明显改善。     

轻度混合控制策略下混合动力电动汽车能量优化与仿真

为了优化轻度混合控制策略下的CFA6470混合动力电动汽车能量总成控制系统,设计了能量总成控制器,并将其分成5个模块;分析了节气门开启角与车辆行驶挡位的优化方法,轻度混合时的能量分配策略;提出了基于能量守恒原理的电池组荷电状态估计方法,并根据ECE-EUDC工况,在2种不同的期望车速下对设计的控制系统进行了仿真。仿真结果表明:在发动机的期望工况下,所设计的能量总成控制系统能够实现能量在发动机、驱动电机以及电池组之间的合理分配,电池组的荷电状态变化规律与车辆行驶状态相符合。     

搭载机电控制CVT电动汽车再生制动变速策略

基于对机电控制无级变速器工作原理的分析,提出电动汽车搭载机电控制无级变速器的结构方案,并相应地建立了电机数值模型、电池充电数学模型和机电控制无级变速器速比控制模型。综合考虑电机效率、机电控制无级变速器效率、电池荷电状态和整车特性,提出了再生制动时机电控制无级变速器的变速策略。在MATLAB/Simulink仿真平台上,搭建了系统再生制动性能仿真模型,并对搭载机电控制无级变速器的电动汽车再生制动性能进行了仿真。结果表明,采用所提出的变速策略与传统两挡变速策略相比,能更好地发挥电动汽车性能,提高再生制动过程中的能量回收率。通过台架试验,验证了仿真结果的有效性。     

基于电功率的HEV动力电池能量的监控方法

针对目前用于混合动力电动汽车动力电池能量管理的荷电状态法存在的“定义与结果难相一致”的问题,针对基于电功率的混合动力汽车动力电池能量的动态监控方法,建立了相应的数学模型,利用计算机仿真分析和实验来验证该方法的可行性和实用性。     

充电模式下锂离子电池组主动均衡控制方法研究

目前电动汽车都会采用到驱动动力强劲的锂离子电池,在充电模式下保证锂电子电池组实现主动均衡控制,有效推进电动汽车电力系统良性发展,提升电汽车整体性能。文章中所探讨的是基于双向Buck-Boost拓扑结构的主电路主动均衡控制系统,它其中基于荷电状态SOC建立主要均衡判据,进而实现了对主动均衡控制策略的有效改进。简单研究了充电模式下的锂离子电池组主动均衡控制电路设计方法,锂离子电池组的SOC均衡控制策略,并对其设计控制方法仿真结果进行分析。     

电动汽车用NiMH电池建模及基于状态空间的SOC预测方法

电动汽车的电池管理系统需要精确、可靠的电池荷电状态(SOC)预测器。针对氢镍(NiMH)电池，提出了一种集总参数等效电路模型，介绍了通过实验获得电池参数的方法。该模型考虑了温度对电池参数的影响，能反映电池充放电的动态过程。文中用状态空间描述了R—C电池模型，在此基础上建立了一种新的基于状态空间的SOC递推算法，并对电池的充放电过程进行了仿真计算。分析表明，提出的SOC估计方法同样可用于其它类型的动力电池。     

纯电动汽车最佳动力性换挡规律研究

通过建立纯电动汽车电池系统和电机系统的数值模型,分析了纯电动汽车的最佳动力性换档规律.根据电池最大放电功率随电池荷电状态减小而减小的特性,制定出当电池最大放电功率大于或小于电机最大输入功率时的动态3参数换挡规律和动态4参数换挡规律.仿真结果表明,所制定的换挡规律获得了比传统的2参数换挡规律更好的汽车加速性.     

纯电动汽车复合储能系统参数匹配及控制策略

为了解决纯电动汽车用动力电池功率密度低、大电流充放电能力差和循环使用寿命短等问题,以超级电容与动力电池组成的复合储能系统为研究对象,提出了基于典型循环工况的复合储能系统参数匹配优化方法;在满足各循环工况对复合储能系统能量需求与功率需求的前提下,以动力电池容量和超级电容容量为优化变量,对复合储能系统总成本与总质量进行了多目标优化。在此基础上,根据电机需求功率及超级电容荷电状态,以减小动力电池输出电流为目标,制订了基于滤波思想的基本规则控制策略;为更好地适应不同的循环工况,提出了复合模糊控制策略,其中主模糊控制器基于电机功率需求、动力电池荷电状态和超级电容荷电状态得到动力电池输出功率初次分配系数,子模糊控制器根据电机功率需求和超级电容当前荷电状态与其目标值的差值得到动力电池输出功率修正系数,二者协同作用得到动力电池最佳输出功率,并对整车动力性、经济性、动力电池电流和温度特性进行了仿真分析。结果表明:采用所提出的复合储能系统及2种控制方法与单一动力电池的纯电动汽车相比,百公里加速时间分别缩短了6.89%和9.85%,NYCC工况下总能耗分别降低了14.15%和19.08%,动力电池最大电流分别降低了63.4%和65.17%,动力电池温升分别降低了22.87%和61.53%。     

电动汽车SOC估计算法与电池管理系统的研究

在安时计量方法的基础上,采用基于折算库仑效率的卡尔曼滤波算法估计蓄电池荷电状态(SOC),并将此方法应用于HEV6580混合动力电动汽车镍氢电池管理系统。系统实现的功能包括:数据监测、数据显示、CAN通信、SOC估计、热管理和安全报警。经电池试验台模拟工况试验验证,电池管理系统各子系统达到设计要求且工作稳定。改进SOC估计方法解决了传统安时计量法不能估计初始SOC、难于准确测量库仑效率的问题,为电池管理系统稳定工作提供保证。     

Design of an energy management strategy for parallel hybrid electric vehicles using a logic threshold and instantaneous optimization method

A novel parallel hybrid electric vehicle (PHEV) configuration consisting of an extra one-way clutch and an automatic mechanical transmission (AMT) is taken as the study subject of this paper. An energy management strategy (EMS) combining a logic threshold approach and an instantaneous optimization algorithm is developed for the investigated PHEV. The objective of this EMS is to achieve acceptable vehicle performance and drivability requirements while simultaneously maximizing engine fuel economy and maintaining the battery state of charge (SOC) in its rational operation range at all times. Under the MATLAB/Simulink environment, a computer simulation model of the studied PHEV is established using the bench test results. Simulation results for the behavior of the engine, motor, and battery illustrate the potential of the proposed control strategy in terms of fuel economy and in keeping the deviations of SOC at a low level.     

Estimation of battery state-of-charge using ν-support vector regression algorithm

Accurately estimating the SOC of a battery during the electric vehicle drive cycle is a vital issue that currently remains unresolved. A support vector regression algorithm (SVR), which has good nonlinear approximation ability, a quick convergence rate and global optimal solution, is proposed to estimate the battery SOC. First, the training data and the test data required in the estimation operation are collected using the ADVISOR software, followed by normalization of the data above. Then, cross validation and grid search methodologies are used to determine the parameters in the ν-SVR model. Finally, simulation experiments have been carried out in the LIBSVM simulator. The simulation results show that, compared to the BP neural network algorithm, the ν-Support Vector Regression algorithm performs better in estimating the battery SOC.     

Kalman算法在纯电动汽车SOC估算中的应用误差分析

针对纯电动汽车电池组的工作状态和输出特性,分析了模型参数的变化对Kalman算法估算精度的影响.指出了纯电动汽车应用Kalman滤波算法估算SOC应考虑的因素,并结合电池模型参数的变化提出了Kal-man方程修正方案.最后通过电池的城市工况模拟试验,验证了分析的正确和可行性.     

纯电动车锂电池管理系统的应用浅析

首先介绍了纯电动车用电池管理系统在实车上具有的功能和组成结构。接着论述了应用中的SOC算法、SOH算法、均衡方法、热管理和故障诊断与处理等关键技术。最后就电池管理系统在功能安全、SOC估算精度和电池寿命估计算法等方面提出了一些建议,供设计开发人员参考。     

混合动力电动汽车模糊逻辑控制策略的研究与仿真

以四川汽车工业集团野马混合动力电动汽车设计要求为基础,提出了一种混合动力电动汽车模糊逻辑控制策略。这种策略通过对油耗和各排放参数动态地分配权重值确定出发动机的最佳转矩,然后再根据模糊控制原理,以电池SOC值、汽车驱动需求的输出转矩和电动机转速为模糊输入确定出发动机的实际输出转矩,最终实现整车油耗和排放的综合优化。通过在S imu link软件中搭建该控制策略的仿真模型并与基础的电力辅助控制策略相比较,证明了这种控制策略有利于整车运行经济性和环保性的提高。     

电动汽车再生制动控制算法研究

以"在满足车辆制动性能要求、保证车辆制动稳定性的前提下,最大限度地回收再生制动能量"为原则,对电动汽车再生制动力与制动器制动力的分配算法进行研究,得到车辆制动时制动力的控制算法,最后以某电动车辆为例进行仿真分析。制动力分配算法对车辆再生制动和机械制动的分配规律的制定具有较好的参考作用。     

基于遗传算法系统效率优化的PHEV电量保持模式控制策略

为了提高插电式混合动力汽车（PHEV）在电量保持下的燃油经济性,并解决插电式混合动力汽车在运行过程中动力元件效率对系统能量利用率影响的问题,制定了系统效率最优的控制策略。以PHEV关键动力部件的测试数据为基础,建立发动机、驱动电机、无级变速器（CVT）以及动力电池等关键部件的效率数值模型,并考虑了温度及荷电状态（SOC）对动力电池充放电功率的影响。设计以混合动力系统效率最优为适应度评价函数,将CVT速比、发动机转矩作为优化变量,以车速、加速度和SOC为状态变量,在动力性指标的约束下,运用遗传算法进行迭代寻优,PHEV的系统效率在第20代左右收敛于全局最优值。同时发动机转矩和CVT速比通过多代遗传进化,较快收敛于最佳值。将相关优化结果与车速、加速度拟合成相应的三维控制数表,综合数值建模和试验测试数据建模的方法,基于MATLAB/Simulink搭建插电式混合动力汽车整车控制策略仿真模型,采用新欧洲行驶循环工况进行仿真验证。结果表明：插电式混合动力汽车在电量保持模式下,利用遗传算法优化的系统效率最优控制策略相比优化前,动力电池SOC运行更为平稳,CVT效率有所提升,驱动电机及发动机转矩分配更为合理;百公里燃油消耗量从优化前的5.2 L降至4.5 L,燃油经济性提升了13.5%。     

基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...