电动汽车能源管理系统演示文稿

电动汽车能源管理系统演示文稿当前1页，总共35页。电动汽车能源管理系统当前2页，总共35页。复杂控制实验室一、当今电动汽车的关键技术当今电动汽车三项关键技术尚未有突破性进展。1、总体机电一体化匹配设计及车身技术电动汽车由于车身质量、空间和能源的矛盾，因此设计时采用轻质材料以减轻汽车自身质量；充分利用空间的情况下，尽可能增大车厢内部成员空间的同时，最大限度地降低空气阻力系数和滚动阻力系数，以求减小行驶阻力，利用机电一体化匹配设计，在具体工况条件下，求得电动汽车整车参数达到最优设计。当前3页，总共35页。复杂控制实验室2、电动机及其控制技术2.1、驱动电机电动汽车用电动机主要有直流电动机、感应电动机、永磁无刷电动机和开关磁阻电动机。要使电动汽车有良好的使用性能，驱动电机应具有较宽的调速范围及较高的转速，足够大的启动扭矩，体积小、质量轻、效率高且有能量回馈的性能。目前电动汽车所采用的电动机中，直流电动机基本上已被交流电动机、永磁电动机或开关磁阻电动机所取代。电动汽车所用的电动机正在向大功率、高转速、高效率和小型化方向发展。当前4页，总共35页。复杂控制实验室2.2、电机控制技术随着电机及驱动系统的发展，控制系统趋于智能化和数字化。变结构控制、模糊控制、神经网络、自适应控制、专家系统、遗传算法等非线性智能控制技术，都将各自或结合应用于电动汽车的电机控制系统。它们的应用将使系统结构简单、响应迅速、抗干扰能力强，参数变化具有鲁棒性，可大大提高整个系统的综合性能。

当前5页，总共35页。复杂控制实验室3、动力电池及其管理系统3.1、动力电池常用的动力电池为铅酸电池、镍氢电池和锂离子电池。动力电池新品种不断出现，性能不断提高技术不断进步，但动力电池仍然是动力汽车的瓶颈，具有能量密度低，快速充电能力差、价格昂贵等缺点。

当前6页，总共35页。复杂控制实验室

3.2、电池管理系统：电动汽车上对电池实施管理的具体设备就是电池管理系统（batterymanagementsystem,BMS）,使电池工作在合理的电压、电流、温度范围内。BMS是电池组热管理和SOC估计等技术的应用平台。BMS对于电池组的安全、优化使用和整车能量管理策略的执行都是必要的。

当前7页，总共35页。复杂控制实验室二、电池管理系统1、电池模型电动汽车电池性能模型又可分为简化的电化学模型、等效电路模型、神经网络模型、部分放电模型和特定因素模型1.1简化的电化学模型Peukert(普克特)方程（1）式（1）中，I为放电电流；n为电池常数；为电流的放电时间当前8页，总共35页。复杂控制实验室Shepherd模型（2）式2中，为电池端电压；为电池完全充满时的开路电压；为欧姆内阻；为极化内阻；I为瞬时电流；为由安时积分法算得的电池净放电量。当前9页，总共35页。复杂控制实验室1.2等效电路模型等效电路模型基于电池工作原理用电路网络来描述电池的工作特性，适用于多种电池。根据电路元件的特点，可分为线性等效电路模型和非线性等效电路模型。当前10页，总共35页。复杂控制实验室1.2.1基本电路模型基本电路模型是其他复杂等效电路模型的基础。Thevenin模型如图1所示，是最有代表性的电路模型。电容C与电阻R2并联（描述超电势）后与电压源Voc（描述开路电压）、电阻R1（电池内阻）串联。由于随着电池工作条件和内部状态的变化，Thevenin电池模型参数无法随之变化，因此准确性较差。当前11页，总共35页。复杂控制实验室图1Thevenin电池性能模型

当前12页，总共35页。复杂控制实验室1.2.2线性电路模型线性电路模型如图2所示，此模型是对Thevenin电池模型的改进。开路电压Voc为电压源Eo和电容Cb两端的电压，与之串联的是一个由3个电容C1、C2、C3和3个电阻R1、R2、R3组成的电路网络（描述超电势），与所有这些元件并联的是自放电电阻Rp。线性电路模型的参数不受温度等因素影响。当前13页，总共35页。复杂控制实验室图2线性等效电路模型当前14页，总共35页。复杂控制实验室1.2.3非线性电路模型线性电路模型经过非线性化得到,图3所示的非线性模型。模型中电池容量用电容Cb表示；电阻Rp与Cb并联，表示电池自放电；开路电压Voc为Cb和Rp两端的电压；超电动势由电容、电阻并联网络模拟，该网络与Cb和Rp串联，网络中的电阻R1由两个反向理想二极管并联来模拟，表示在放电和充电时过压阻抗的差异；当前15页，总共35页。复杂控制实验室R1表示内阻，RS与R1-C1并联网络、RP-Cb并联网络串联。电池内阻是R1与RS的和,RS表示电解液、极板和流动内阻,R1表示电解液扩散的内阻；和R1一样，RS由两个理想二极管反向并联，用以描述充电和放电状态的差异。模型中Cb、RS、RP和R1都是电压的函数，RP随温度的变化而变化，只有C1为常数。当前16页，总共35页。复杂控制实验室图3非线性等效电路模型

当前17页，总共35页。复杂控制实验室1.3神经网络模型电池是一个高度非线性的系统，神经网络具有非线性的基本特性，具有并行结构和学习能力，对于外部激励能给出相对应的输出响应，适合进行电池建模。如图所示，采用三层神经网络来估计电池SOC，此神经网络采用BP算法来训练，中间层神经元响应函数为。神经网络输入变量的选择和数量影响模型的准确性和计算量。神经网络方法的误差受训练数据和训练方法的影响很大，所有的电池试验数据都可用来训练模型并优化模型性能。当前18页，总共35页。复杂控制实验室图4用于估计电池SOC的典型神经网络结构当前19页，总共35页。复杂控制实验室

1.4、温度模型电池在其最佳工作温度范围外工作时容量会发生衰减，(3)式是描述温度对电池容量影响的最常用模型。(3)式3中，C为电池在温度T时的容量；C25为电池在25℃时的容量;为温度系数Ah/℃，不同种类或型号电池的温度系数不同，需要通过试验得到；T为电池工作温度。还有以其它影响因素为研究对象的电池模型，如循环寿命、容量衰减。由于电池性能影响因素多，且具有高度非线性，至今还没有建立起涵盖了所有影响因素的高精度通用电池性能模型。当前20页，总共35页。复杂控制实验室2、电池管理系统图5所示，BMS的主要工作原理可简单归纳为:数据采集电路首先采集电池状态信息数据,再由电子控制单元(ECU)进行数据处理和分析,然后根据分析结果对系统内的相关功能模块发出控制指令,并向外界传递信息。增设热管理系统、安全装置、充电系统以及与PC机的通信联系。另外还增加与电动机控制器的通信联系,实现能量制动反馈和最大功率控制。

当前21页，总共35页。复杂控制实验室图5：BMS结构示意图

BMS通常包含以下功能组成部分:数据采集、剩余容量(SOC)的估算、电气控制(充放电控制、均衡充电等)、热管理、安全管理和数据通信。当前22页，总共35页。复杂控制实验室2.1数据采集在BMS中,采集到的数据是对电池作出合理有效管理和控制的基础。因此电压、电流、温度数据的采样精度、采样频率和数据过滤就非常重要。

当前23页，总共35页。复杂控制实验室2.2SOC的估算SOC的确定是BMS中的重点和难点,由于电动汽车电池在使用过程中表现的高度非线性,使准确估计SOC具有很大难度。传统的SOC基本估算方法有开路电压法、内阻法和安时法等。近年来又相继研发出许多对电池SOC的新型算法,例如模糊逻辑算法模型、自适应神经模糊推断模型、卡尔曼滤波估计模型算法以及新出现的线性模型法和阻抗光谱法等。当前24页，总共35页。复杂控制实验室2.2.1安时法安时法是目前最常用的传统方法,且常与其它方法组合使用,如安时内阻法、安时-Peukert方程法、安时开路电压法等。SOC状态可由公式（4）计数。（4）式中，为起始状态；为额定容量；I为电池电流；为充放电效率。当前25页，总共35页。复杂控制实验室为了更准确估算SOC,在算法中还需要考虑对电池的温度补偿、自放电和老化等多方面因素。例如,对电池SOC

的估算中考虑电池的实际可用容量(包含了对温度的考虑)、自放电率和电池老化对容量的影响,提出了SOC计算公式为：SOC

(%)=100%×(额定容量+容量补偿因数+自放电效应+老化效应-放电量+充电量)/额定容量(5)其SOC估算精确度在±3%内。当前26页，总共35页。复杂控制实验室2.2.2动力电池SOC的神经网络估计电动汽车的运行情况是十分复杂的，电池的SOC受到环境温度、初始电压、电池内阻、工作时间等很多因素的影响。理想的神经网络模型当然是输入量越多越全面，输出结果的映射就越好，也就越接近实际的工况。下面建立两个输入量的电池神经网络模型。以放电电压V和放电时间T，作为一组输入变量，采用三层BP神经网络，即输入层、输出层和一个隐层。在V－T神经网络模型中采用了50个神经元，输出层采用的是线性输出，因为这种输出可以得到比较准确的映射结果。当前27页，总共35页。复杂控制实验室图6：动力电池SOC估计两输入神经网络模型当前28页，总共35页。复杂控制实验室ⅰ）神经网络模型建立后，首先用C/3放电的实验数据来训练神经网络模型，经过多次的训练可以得到比较好的仿真结果。图7是C/3放电时的容量仿真曲线和实验曲线的对比情况，吻合得非常好，可见该神经网络模型上是正确的。图7：C/3放电实验曲线和仿真曲线的对比当前29页，总共35页。复杂控制实验室ⅱ）利用神经网络模型最终希望得到的是能够估计任意放电电流的情况下电池组的剩余容量情况。所以对V-T模型用1C和2C放电的试验数据大量训练，模型训练结束以后，用它来估计电池组其他放电电流时的放电容量。本文是在知道电池组1C放电容量和2C放电容量的情况下，利用该模型估计1.5C的放电容量，估计结果如图8，从图8中可以看出，估计曲线与实验曲线基本吻合，最大值百分误差小于8％，可以满足使用要求。当前30页，总共35页。复杂控制实验室该模型估计出1.5C的放电容量，就可以估计出任意放电电流时的电池组的放电容量。可见该模型在理论上是正确的，可以用作电池组的SOC估计。图8：利用V-T神经网络模型估计1.5C放电容量当前31页，总共35页。复杂控制实验室2.3电气控制电气控制需要实现的功能有:控制充电过程,包括均衡充电，根据SOC、电池健康状态(SOH)和温度来限定放电电流。电气控制中需要结合所使用的电池技术和电池类型来设定一个控制充电和放电的算法逻辑,以此作为充放电控制的标准。当前32页，总共35页。复杂控制实验室2.4安全管理和控制

BMS在安全方面主要侧重于对电池的保护,以及防止高电压和高电流的泄漏,其所必备的功能有:过电压和过电流制、过放电控制、防止温度过高、在发生碰撞的情况下关闭电池。安全管理系统最重要的是及时准确地掌握电池各项状态信息,在异常状态出现时及时发出报警信号或断开电路,防止意外事故的发生。当前33页，总共35页。复杂控制实验室2.5热管理电池在不同的温度下会有不同的工作性能。温度的变化会使电池的