新能源电池包通讯与控制技术研究

随着新能源汽车越来越普及,新能源汽车电池包通讯以及控制技术也越来越成熟,本文介绍了新能源汽车电池管理系统的组成以及与其他模块的功能结构,并简要概述了交流电充电系统控制逻辑的基本原理,进一步阐述了电池包通讯以及控制技术的重要意义.     

车用发动机起动机蓄电池的匹配分析估算

介绍一种通过发动机有关参数估算需配起动机的功率。再根据起动机有关参数估算需配蓄电池容量的方法。     

一款电动汽车用锂离子电池循环过程中的性能研究

以一款市售的40Ah三元离子电池为研究对象,研究其在充放电循环过程一致性的变化、高低温放电性能以及倍率充放电性能.结果表明,随着循环次数的增加,样品的容量一致性变差,低温特性和倍率充电性能变差,而高温放电特性和倍率放电性能基本无衰减.     

CRH2型200km/h动车组辅助供电系统

简单介绍了CRH2型200km/h动车组辅助供电系统的组成和特点,并分析了辅助供电及其辅助电源装置、蓄电池、辅助及控制用电设备、地面电源等关键组件的技术参数和技术特点。CRH2型动车组辅助供电系统技术成熟、应用可靠。     

基于决策树的异常电池分类方法

提出了一种基于决策树算法的异常电池精准定位和分类方法，帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型，从而实施准确的维修更换方法，提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据；以电压数据为基础，训练用于异常电池分类的决策树算法，使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明，该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上，该方法的分类准确率高达98%以上，能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。     

基于机器学习的锂离子电池荷电状态多步预测

先进电池管理技术依赖于对未来一段时间荷电状态变化的预测，难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度，利用实际锂电池数据研究了不同多步预测策略的效果。结果表明，实际锂电池荷电状态预测在充电过程中具有显著线性特性，放电过程表现出非线性特性。预测步长为 15个时，LR模型、KNN模型、RF模型的 MAPE均低于 6%，R2均大于 0.90。线性回归结合 MIMO策略具有最大的实际应用潜力。     

基于EMB的纯电动汽车制动能量回收优化控制策略研究

为提高电动汽车制动时回收的能量,减少能源浪费,本文中提出了一种基于电子机械制动(EMB)系统的再生制动力分配策略。首先,根据制动踏板信号得到当前制动强度,结合前后轴制动力分配策略分别得到前轴、后轴制动力。然后以车速、电池SOC值和制动踏板行程为输入,再生制动占比为输出,创建模糊控制器,且以制动时回收能量最大化为优化目标,运用PSO算法优化模糊控制器。最后进行Simulink和AVL Cruise的联合仿真。结果表明,在NEDC工况下能量回收提升2.5%,在CLTC-P工况下能量回收提升1.56%。     

基于云端放电数据的电池组一致性研究

为提升电池组放电数据使用价值，减少对电池组充电数据的依赖，改变放电数据因质量差、采集效率低等原因难以得到有效利用的现状，以云端放电数据为研究对象，提出一种动力电池组一致性评价方法。该方法筛选出电池组的有效放电循环数据片段，根据每一放电循环中的单体电压曲线绘制包络线，进而基于上下各数条包络线进行数学计算，最终拟合得到一条一次曲线，根据最终拟合一次曲线斜率大小对一致性进行定量评价。试验结果表明，对于不同一致性状况的电池组，该方法能合理对其评分；实车数据分析表明，该方法能有效运用于工程中。该方法为电池组一致性的评价提供一种新思路，在一定程度上实现放电数据的有效利用价值。