动力电池及能量管理技术任务2 动力电池电量管理.pptxVIP

项目三动力电池能量管理PART 03任务目标1. 了解动力电池电量管理的作用。2. 了解SOC估算的作用。3. 掌握SOC估算常用的算法。4. 掌握典型动力电池SOC的估算策略。任务2 动力电池电量管理一、 SOC估算的作用（1）保护蓄电池。（2）提高整车性能。（3）降低对动力电池的要求。（4）提高经济性，选择较低容量的动力蓄电池组可以降低整车的制造成本。任务2 动力电池电量管理二、 SOC估算常用的算法1. 开路电压法开路电压法是最简单的测量方法，主要根据电池组开路电压判断SOC的大小。由电池的工作特性可知，电池组的开路电压和电池的剩余电量容量存在着一定的对应关系。随着电池放电容量的增加，电池的开路电压降低。由此，可以根据一定的充放电倍率时电池组的开路电压和SOC的对应曲线，通过测量电池组开路电压的大小，插值估算出电池的SOC值。任务2 动力电池电量管理任务2 动力电池电量管理2. 容量积分法容量积分法是通过对单位时间内，流入流出电池组的电流进行累积，从而获得电池组每一轮放电能够放出的电量，确定电池SOC的变化。设电池满充电状态下电量为QM，完全放电后电池电量为0，则有任务2 动力电池电量管理3. 电池内阻法电池内阻有交流内阻（常称交流阻抗）和直流内阻之分。电池交流阻抗为电池电压与电流之间的传递函数，是一个复数变量，表示电池对交流电的反抗能力，要用交流阻抗仪来测量。直流内阻表示电池对直流电的反抗能力，等于在同一很短的时间段内，电池电压变化量与电流变化量的比值。任务2 动力电池电量管理任务2 动力电池电量管理4. 模糊逻辑推理和神经网络法模糊逻辑推理和神经网络是人工智能领域的两个分支，模糊逻辑接近人的形象思维方式，擅长定性分析和推理，具有较强的自然语言处理能力；神经网络采用分布式存储信息，具有很好的自组织、自学习能力。它们共同的特点是均采用并行处理结构，可从系统的输入、输出样本中获得系统输入、输出关系。电池是高度非线性的系统，可利用模糊推理和神经网络的并行结构和学习能力估算SOC。任务2 动力电池电量管理采用神经网络预测SOC的典型结构如图3-12所示。网络结构为多输入单输出的三层前馈网络。输入量为电流、电压、温度、充放电容量、内阻等，输出量为SOC值。中间层神经元个数取决于问题的复杂程度及分析精度。神经网络输入变量的选择是否合适，变量数量是否恰当，直接影响模型的准确性和计算量。神经网络法适用于各种电池，其缺点是需要大量的参考数据进行训练，估计误差受训练数据和训练方法的影响很大。任务2 动力电池电量管理任务2 动力电池电量管理5. 卡尔曼滤波法卡尔曼滤波理论的核心思想是对动力系统的状态做出最小方差意义上的最优估算。卡尔曼滤波法应用于电池SOC估算，电池被称为动力系统，SOC是系统的一个内部状态。电池模型的一般数学形式为状态方程： 观测方程： 系统的输入向量uk中，通常包含电池电流、温度、剩余电量和内阻等变量，系统的输出量yk通常为电池的工作电压，电池SOC包含在系统的状态量xk中。任务2 动力电池电量管理三、 典型动力电池SOC的估算策略EKF-Ah-OCV组合算法包含了卡尔曼滤波算法、安时积分法和开路电压法这3种算法，用于估算锂电池动态系统随时间的变化和状态，流程图如图3-13所示。任务2 动力电池电量管理具体算法步骤： ① t0时刻，电池处于静置状态，用开路电压法测量出电池的开路电压并计算出SOC的初始值SOC0。② 在t0～t1阶段，用拓展卡尔曼算法修正SOC0，也包含在这个时间段。③ 在t1～t2阶段，这个阶段SOC初始值为SOC1，用安时积分法估算出SOC，t2时刻SOC为SOC2。④ 在t2～t3阶段，用扩展卡尔曼滤波算法修正SOC2，在时刻t3得到估算值SOC3。⑤ 重复步骤③和④，直至放电结束。谢谢观看