基于人工免疫粒子滤波的纯电动汽车锂电池SOC估计研究
全球经济尤其是汽车工业的发展在给人们生活带来舒适与方便的同时，也带来了环境污染和能源危机等一系列问题。为了解决原有汽车工业中存在的问题以满足可持续发展的需要，纯电动汽车成为了未来汽车工业发展的方向。而制约纯电动汽车发展的最大阻力就是动力电池的寿命和续驶里程，因而一套完善准确的电池管理系统是必不可少的。其中电池荷电状态(SOC)又是电池管理系统中最重要的参数之一。根据准确的SOC值，可以时刻了解电池箱的性能和状态，避免电池的过充和过放，延长电池的寿命，同时可以据此来估计电动汽车的续驶里程。所以如何准确实时的估计SOC值对电动汽车发展具有重要的研究意义。 论文中涉及的纯电动汽车锂电池数据均来自于北京市在运行的纯电动环卫车真实数据，与以往研究多采用实验模拟数据具有很大的区别。实车电池工作环境更加复杂，影响SOC值的因素也更加多样，使采集的数据比实验室仿真数据更具有研究意义。由于数据的复杂性，在进行预测SOC之前需要对采集的大量电池数据进行处理，删除不完整和错误数据，得到连续完整的电池数据，方便之后的SOC预测。 为了准确预测电动汽车SOC值，论文根据采集数据的特征并结合经验电池模型，建立了适合纯电动汽车的电池状态空间模型。并采用遗忘因子递推最小二乘法对模型的参数进行了标定。目前对模型求解大部分研究集中在卡尔曼滤波上，而粒子滤波突破了传统卡尔曼滤波的框架，对系统的状态噪声和观测噪声没有任何限制，可适用于任何非线性系统，精度可以逼近最优估计，是一种很有效的非线性滤波技术。基于粒子滤波的优越性，论文把粒子滤波与电池模型相结合，通过采集的实车数据进行了电池的SOC预测仿真实验。结果显示，粒子滤波算法预测SOC结果能把误差控制在一定的范围内，具有一定的适用性。 为了增加粒子的多样性，论文探索性的采用了人工免疫算法来对粒子滤波进行优化。并通过与标准粒子滤波的对比实验和大量统计实验证明，人工免疫粒子滤波算法对纯电动汽车锂电池SOC的估计更加的准确，具有很好的精度，可以满足实际的需求。
电动汽车;锂电池;荷电状态;粒子滤波算法;人工免疫算法;SOC估计
北京交通大学
硕士
智能交通工程
毕军
2013
中文
U463.633;TP18
77
2014-02-25（万方平台首次上网日期，不代表论文的发表时间）