基于神经网络的电动汽车磷酸铁锂电池SOC估算方法研究

目前电动汽车技术发展的关键问题是研制安全、高效和低价的动力电池。以磷酸铁锂为正极材料的磷酸铁锂电池以其自身优点,逐渐成为电动汽车动力电池发展的主要方向之一。动力电池在使用过程中,对荷电状态(State of Charge,后文简称SOC)准确地进行估算,可以有效提高电池的使用效率,提高电池的使用寿命。电池SOC不能直接测量,需要通过其它参数和方法间接获得。 本文结合电动汽车对动力电池性能的要求,对磷酸铁锂电池特性进行了分析。根据磷酸铁锂电池特性,对几种常用SOC估算方法进行对比分析,选择采用BP神经网络对电池SOC进行估算。为了提高网络训练的效果,对训练样本进行了一系列的优化处理。通过对具体问题的分析,确定了BP网络各层结构,经过大量试探实验确定了网络中间层的节点数。在MATLAB上对网络进行训练,并用训练好的网络对测试样本和恒流放电实验进行SOC估算,取得了较好的效果。 针对动力电池在实际工况中参数时变性的特点,对SOC估算网络进行了改进,在网络的输入中加入估算前几个时刻的电池电压、电流和温度参数。设计了改进后网络的训练样本的获取实验。在建立训练样本时,提出了对训练样本参考SOC加入温度和电流影响因子的方法。对改进后网络输入向量中时间点个数进行了分析,并采用试探的方法进行确定。对网络输入向量中各个时间点参数对SOC估算值影响权重系数进行了讨论分析,并用遗传算法对各时间点数据权重系数进行寻优。通过大量网络训练试探确定改进后网络的隐层节点数,建立新的SOC估算网络。分别在恒流放电和变电流放电情况下,对改进前后的网络进行SOC估算对比测试,测试结果证明改进后的网络在变电流工况下对SOC的估算要优于改进前网络。