一个模拟驱动的预测模型,用于估计电动汽车电池的充电状态

科学领域:

• 电动汽车技术 电动汽车技术
• 电池管理系统 电池管理系统
• 电化学工程 电化学工程

背景情况:

• 准确的电荷状态 (SOC) 预测对于电动汽车离子电池的安全和高效运行至关重要.
• 传统方法通常需要复杂的参数识别,用于与SOC估计相关的电路组件.
• 现有的过技术可能无法在动态电动汽车环境中提供足够的准确性来进行实时SOC预测.

研究的目的:

• 提出并验证一种新的三阶段方法,用于精确估计电动汽车离子电池中的SOC.
• 为了提高电池电路模型参数识别的精度.
• 与现有的过算法相比,提高SOC预测校正的性能.

主要方法:

• 使用忘记因子递归最小方程 (FFRLS) 方法对二级RC电路模型进行参数识别.
• 通过模态数据融合方法构建电池模拟模型.
• 使用无味卡尔曼波器 (UKF) 校正模拟模型预测.

主要成果:

• 该FFRLS方法在参数识别方面表现出高精度.
• 拟议的三阶段方法,结合UKF,实现了最低的根平均平方误差 (RMSE):模拟数据为0.0025,实验数据为0.0186.
• 该方法在实际操作数据上保持了5%的预测误差,超过粒子波器 (PF) 和扩展卡尔曼波器 (EKF).

结论:

• 开发的三阶段方法为电动汽车离子电池中SOC估计提供了高度准确和可靠的方法.
• 结合FFRLS,模式数据融合和UKF,比传统方法提供了更高的性能.
• 这种增强的SOC预测能力有助于改善电池管理和车辆性能.