18650動力電池SOC的智能估算.pdf

1、能源危機和北京霧霾等能源環(huán)境問題刺激了新能源電動汽車的飛速發(fā)展。18650動力電池具有穩(wěn)定的安全性能和高容量等特點，被廣泛應用于電動汽車中。SOC(State of charge,荷電狀態(tài))作為18650動力電池應用時的關鍵參數，對其準確估算顯得極其重要。影響電池SOC的因素很多而且非常復雜，眾多學者先后提出諸多SOC估算方法，但始終沒有很好的解決精度和實用性等需求。近年來智能化方案被成功應用，可傳統(tǒng)方案只考慮了單一條件下的學習模式，當

2、遇到條件改變時，SOC估算誤差波動較大。本課題一方面探索了基于LabVIEW平臺對18650動力電池SOC進行虛擬估計的研究，另一方面重點展開采用基于神經網絡的智能化方案對18650動力電池SOC的建模與估算的研究。主要內容有：
　　(1)采用了一種新的基于LabVIEW平臺對18650動力電池SOC進行估算的方法。通過設計簡單實用的溫度采集與管理程序模塊、電壓采集與管理程序模塊、電流采集與管理程序模塊和電池SOC的算法模塊，進而

3、設計了18650動力電池SOC估算系統(tǒng)的前面板，對實驗電路總體結構分十個部分進行詳細介紹，最后通過PCI-6251數據采集卡對溫度、電壓和電流的數據進行采集，實現了對18650動力電池SOC的虛擬估計，最后對實驗結果進行分析，發(fā)現這種估算方法不僅便于實現，而且精度較高。
　　(2)提出了一種新的18650動力電池SOC的實用性估算思想。通過深入研究有效電量、循環(huán)衰老和環(huán)境溫度對18650動力電池SOC的影響，將外界條件劃分為12種

4、情況，利用MATLAB工具建立了一個BP(Back Propagation)神經網絡模型，進而建立了一個適用于不同條件下的SOC智能估算模型，同時給出了模型的工作流程圖。
　　(3)將電量為1.3Ah、額定電壓為3.7V的18650動力電池單體進行恒流放電實驗，對建立的智能估算模型進行了驗證和討論。從實驗中得到：樣本數據在BP神經網絡模型中訓練次數不到500次時，均方誤差便小于0.0001；實驗測試結果曲線與模型測試結果曲線基本吻