线性二次型调节器电池热管理系统性能研究
这是一篇关于锂电池组,LQR控制,热管理系统,液冷,SOC的论文, 主要内容为由于传统能源日益减少、环境污染日趋严重,新能源汽车的发展有效促进了汽车的节能减排,有助于降低环境污染和碳排放。在新能源汽车中,锂电池作为储能单元的电动汽车(EV)正在快速发展。与其他类型的电池相比,锂电池因其功率密度高、寿命长、自放电率低、成本低等优点,得到了广泛的应用。随着EV对快充需求的不断提高,电池在快充时,由于大功率、大电流的影响使得产热量迅速升高,如果电池温度控制不当,会导致电池性能下降,寿命缩短,甚至造成燃烧或爆炸等安全事故。锂电池在快充条件下的实时控制已成为EV发展急待解决的核心问题之一。因此,本文提出了一种基于线性二次型调节器(LQR)的控制方法对液冷冷却的锂离子电池组热管理系统进行优化控制。主要内容包括:(1)根据锂电池的电化学反应方程,阐述了锂电池充放电的工作原理,并由Bernadi提出的电池产热方程计算了电池的生热速率。通过脉冲功率试验法分别测得锂电池在不同快充倍率和放电倍率下的电池内阻。结果表明,提高充放电倍率对电池内阻的影响不大,18650锂电池的内阻变化范围为21 mΩ～30 mΩ。(2)在对电池单体高倍率快充条件下的自然对流产热情况研究的基础上,通过Amesim平台搭建了18650锂电池组热管理系统,对电池进行散热仿真和SOC估算,分析了不同流速对电池组的最高温度、温差以及SOC的影响。结果表明,随着流速的提高,电池组的最高温度有所降低,电池组的温差会减小,电池组的平均SOC有所提高。(3)介绍了LQR控制算法的原理及设计方法,比较分析了LQR、PID、模糊PID和恒流速控制下的电池组热管理能力。在3C充电NEDC放电工况下,对比分析了四种控制器对电池组热管理系统的最大温差、最高温度、响应时间以及电池组SOC的影响。结果表明:LQR控制器在电池组液冷管道反向布置时,电池组温差最小,响应速度最快,电池组的SOC最高。(4)设计了锂电池组的参数硬件在环检测电路,设计上位机检测系统与下位机数据采集模块,并实现了上下位机的通信,通过实验实现了不同充电倍率及不同标准工况下的电压、电流及温度数据的实时采集,验证了LQR算法输入参数的准确性及控制有效性。
电动汽车动力电池状态估计方法研究与实现
这是一篇关于电动汽车,动力电池,电池管理系统,SOC,SOH的论文, 主要内容为电动汽车动力电池的荷电状态(State of charge,SOC)估计与电池健康状态(State of health,SOH)的估计是电池管理系统(Battery Management System,BMS)的核心技术。正确的SOC估计能够使驾驶者对驾驶行为进行准确判断,而正确的SOH估计能够避免因电池老化带来的危险。因此,本文针对这两者的估计方法进行了研究,主要研究内容如下:首先,对于电池的模型,选择了二阶电容电阻等效电路模型来模拟电池的充放电反应,并在此基础上对电池的状态空间模型进行搭建,最后根据实际使用情况对模型进行离散化处理。在搭建好的电池模型基础上,通过滚动时域估计的方法对SOC进行估计,针对电池电压与SOC的非线性关系,采用分段线性函数进行表示,并通过混合逻辑模型将分段函数转换为单个不等式约束,最后以求解二次规划的方法对SOC进行求解。对于SOH估计而言,电池的健康状态估计并不需要过高的时效性,同时电池在工作过程中又存在着大量的充放电数据可以研究,因此,本文选择通过数据驱动的方法对电池的SOH进行估计。首先选择电池容量表征SOH,随后选择便于在线提取且相关度高的老化特征(电池充电电流中曲线的曲率、所围成的三角形的中心,直线部分的斜率与截距)为输入,基于BP神经网络实现了对SOH的估计,最后通过SOH的数值对SOC的估计进行修正,形成联合估计。最后,设计了SOC和SOH估计算法的实现架构,以嵌入式S32K148为实验平台,对SOC估计算法进行了实现,同时针对实现过程中存在的时效性和内存问题进行优化,并对SOC和SOH的联合估计进行了实验验证。
基于18650锂电池SOC估测系统开发
这是一篇关于BMS,SOC,18650锂电池,UKF,锂电池估测系统的论文, 主要内容为在碳减排的大环境下,大力发展再生能源对实现“双碳”目标具有十分重要的意义,而再生能源最大的消费主力之一就是电动汽车。电动汽车的核心之一是电池管理系统(Battery Management System,BMS),BMS主要的作用就是实时监控汽车的行驶状态,但目前BMS仍有不足,存在精度低、体积大等问题。由于锂电池估测系统对汽车行驶安全至关重要,因此开发了精度更高、体积更小的锂电池估测系统。论文研究了锂电池的特性,以18650锂电池为研究对象,设计了不同温度下锂电池容量和内阻测试实验以及不同放电倍率下锂电池容量和内阻测试实验。建立了二阶RC等效电路模型并列出其函数表达式,根据函数表达式推导了状态空间方程,在matlab中对标定的OCV-SOC曲线进行拟合,在恒流脉冲工况下使用最小二乘法进行参数辨识,使用UDDS工况和恒流脉冲工况验证了模型的准确性。仿真结果表明,所建立的二阶RC等效电路模型准确度高,平均误差低于9.5m V。搭建了锂电池SOC仿真估测平台,结合电池模型使用EKF和UKF算法对锂电池SOC进行估测。在UDDS工况和恒流脉冲工况条件下,验证了SOC估测算法的准确性,分析了估测算法的鲁棒性。实验结果表明,UKF算法与EKF算法都具有较高的估测精度,但UKF算法比EKF算法精度更高,误差更小。设计了锂电池硬件原理图并说明各部分原理。从产品角度出发,制作了硬件估测装置外壳,结合硬件估测装置组装成完整的估测系统。使用Labview开发了锂电池状态监控界面,对估测系统进行恒流放电测试,验证估测系统的准确性。实验结果表明,锂电池估测系统估测结果准确,误差小,最大误差低于3%,硬件估测装置体积小巧,方便携带。
线性二次型调节器电池热管理系统性能研究
这是一篇关于锂电池组,LQR控制,热管理系统,液冷,SOC的论文, 主要内容为由于传统能源日益减少、环境污染日趋严重,新能源汽车的发展有效促进了汽车的节能减排,有助于降低环境污染和碳排放。在新能源汽车中,锂电池作为储能单元的电动汽车(EV)正在快速发展。与其他类型的电池相比,锂电池因其功率密度高、寿命长、自放电率低、成本低等优点,得到了广泛的应用。随着EV对快充需求的不断提高,电池在快充时,由于大功率、大电流的影响使得产热量迅速升高,如果电池温度控制不当,会导致电池性能下降,寿命缩短,甚至造成燃烧或爆炸等安全事故。锂电池在快充条件下的实时控制已成为EV发展急待解决的核心问题之一。因此,本文提出了一种基于线性二次型调节器(LQR)的控制方法对液冷冷却的锂离子电池组热管理系统进行优化控制。主要内容包括:(1)根据锂电池的电化学反应方程,阐述了锂电池充放电的工作原理,并由Bernadi提出的电池产热方程计算了电池的生热速率。通过脉冲功率试验法分别测得锂电池在不同快充倍率和放电倍率下的电池内阻。结果表明,提高充放电倍率对电池内阻的影响不大,18650锂电池的内阻变化范围为21 mΩ～30 mΩ。(2)在对电池单体高倍率快充条件下的自然对流产热情况研究的基础上,通过Amesim平台搭建了18650锂电池组热管理系统,对电池进行散热仿真和SOC估算,分析了不同流速对电池组的最高温度、温差以及SOC的影响。结果表明,随着流速的提高,电池组的最高温度有所降低,电池组的温差会减小,电池组的平均SOC有所提高。(3)介绍了LQR控制算法的原理及设计方法,比较分析了LQR、PID、模糊PID和恒流速控制下的电池组热管理能力。在3C充电NEDC放电工况下,对比分析了四种控制器对电池组热管理系统的最大温差、最高温度、响应时间以及电池组SOC的影响。结果表明:LQR控制器在电池组液冷管道反向布置时,电池组温差最小,响应速度最快,电池组的SOC最高。(4)设计了锂电池组的参数硬件在环检测电路,设计上位机检测系统与下位机数据采集模块,并实现了上下位机的通信,通过实验实现了不同充电倍率及不同标准工况下的电压、电流及温度数据的实时采集,验证了LQR算法输入参数的准确性及控制有效性。
跨平台电池管理系统参数估计技术研究与设计
这是一篇关于电池管理系统,SOC,强化学习,EKF,云平台的论文, 主要内容为旋翼无人机因其垂直起降、控制简单、便于悬停而在越来越多的领域得到广泛的应用,但是,电动旋翼无人机因其算力弱、容量小、功耗受限等问题,导致其电池相关参数估算精度不足,故通过云端增强其电池管理能力已成为电动无人机(集群)电池管理系统的必经之路。无人机由于工作状态、任务需要或外界干扰,经常会导致与云端中止数据更新,使得电池管理能力增强失效。因此,本文利用端云跨平台架构优势,对无人机电池管理系统数据链断续时的电池参数进行优化估计;同时,利用云端丰富资源,设计策略实现电动旋翼无人机(集群)全生命周期电池参数在线监测,根据监测数据作为利益攸关方的决策依据。论文具体研究内容如下:首先,分析典型应用场景下各利益攸关方的需求,进行功能设计和指标评估,形成端云跨平台电池管理系统总体方案。以植保和搜救作为典型场景,对无人机操作人员和设备维护人员等利益攸关方的需求进行分析,梳理出集群能量分析、故障定位与预测等8个核心需求;根据需求设计电池参数云端全时在线、集群电池全生命周期管理等功能与相关指标;选用端云结合的硬件基座,设计基于强化学习和扩展卡尔曼滤波(EKF)的端云协同架构,作为跨平台电池管理系统总体设计方案。其次,论述跨平台协同电池参数估计总体策略,设计终端算法和云端算法,然后进行仿真验证。总体策略介绍了跨平台协同电池参数估计算法的基本过程并提出四层BMS端云协同架构;终端算法基于模型驱动方式,进行建模和HPPC工况测试,结合云端策略使用EKF算法估算电池参数(SOC),并分析了基于云端的自适应EKF高精度电池参数估计方法流程;云端结合强化学习和EKF方法,通过强化学习(DQN)优化EKF参数(测量误差协方差R),实现对SOC精准全时估算;最后,搭建仿真平台,使用开源数据集验证了算法准确性。最后,根据跨平台电池管理系统需求及总体方案,进行跨平台电池管理系统的设计与搭建,完成了系统平台验证。对其硬件电路和驱动进行相关设计。云端依托华为云平台,根据需求设计终端设备接入模块、数据存储模块、云端电池管理模块和云端电池数据可视化模块;最后通过调试完成跨平台电池管理系统平台验证。终端电池管理系统利用双平台优势,能够不断完善终端计算能力,并提高电池状态全时估算精准度。利用开源数据集和自测电池数据进行仿真实验,验证了跨平台电池管理系统参数估计算法的有效性,对电动旋翼无人机等无人系统电池管理单元有着较高应用价值。
光储型直流微网多储能功率协调控制研究
这是一篇关于直流微电网,光伏发电,储能控制,SOC,协调控制的论文, 主要内容为传统化石能源的耗用导致了生态环境问题,可见当前形势有利于新型可再生能源的发展,其中太阳能资源的特征表明了光伏发电存在极为普遍的未来运用发展空间。本文以光储直流微网作为研究对象,通过储能系统来实现微网的稳定运行,对于多个储能单元并联连接的微网中,还需要解决线路阻抗产生的功率分配问题。正文针对含多储能系统的微网稳定控制方法展开研究,其中包含功率协调控制设计。同时光伏系统存在发电不稳定和能量密度低等缺点,因此分析不同的系统结构,将增强能量转换效率并且减少成本费用作为研究中的优化目标。本文研究内容如下:介绍光储型直流微电网的系统结构和工作方式,建立微电网的基本模型,对其能量流动进行分析。针对微网中光伏发电部分展开研究,根据其等效电路得到模型,分析其工作原理。对最大功率点跟踪技术进行研究,分析不同控制方式的收益效果。光伏电池通常以阵列形式接入微电网以达到输出电压和输出功率要求,不同的阵列结构有相应的功率损耗和应用成本,针对这些拓扑结构,搭建仿真模型,进行数据分析,了解不同结构的特性和结构本身对功率损耗的影响。对多储能系统进行稳定控制设计和功率协调控制设计,针对传统控制策略存在的系统稳定控制缺陷,设计改进型下垂控制。首先设计二次控制方法,通过自适应动态补偿方式,解决控制过程中存在的系统母线电压偏差和电流分配精度问题,以此实现系统的稳定控制和功率协调控制。其次,设计基于蓄电池的荷电状态和额定输出功率的电流修正系数,动态地影响控制过程,使系统有更合理的控制逻辑。然后,针对常用的PID控制,加入线性自抗扰控制算法,由于前馈控制的优越性,使得系统在应对更大的负载变化中依然保持可控效果,并且有更好的稳态特性,减小纹波。在MATLAB/Simulink中搭建系统仿真模型,进行控制理论验证。设计搭建实验平台,以DSP28335作为核心控制器,编写软件程序,完成实验调试。仿真与实验结果基本一致,可以表明本文的控制设计方法能够实现对系统有效调控。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码港湾 ，原文地址：https://m.bishedaima.com/lunwen/54950.html
