电动汽车动力电池剩余容量的预测

《电动汽车动力电池剩余容量的预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨理工大学T学硕十学位论文电动汽车动力电池剩余容量的预测摘要电动汽车是以动力电池作为能源的一种环保型汽车，所以动力电池的性能及其预测成为影响电动汽车整车性能的一个关键性因素，它对行驶里程、加速性能和最大爬坡度等性能都将产生直接的影响。因此，动力电池剩余容量的精确估算对电池行业具有十分重要的理论意义和实际应用价值。本文首先介绍了动力电池的发展历史及现状，对剩余电量的预测方法逐一进行分析，得出当前常用的方法存在问题，由于电池的特点是制约因素多，输入输出难以用确定系统建立关系，而神经网络具有对非线性、

2、不确定性系统的任意逼近能力，因此该方法用于电池剩余容量预测效果明显。本文以磷酸铁锂电池作为研究对象，根据磷酸铁锂电池的工作原理，对电池在不同温度下的工作电压、电流进行了实际数据采集，在对电池电流、电压和温度特性分析的基础上，提出了基于BP神经网络的预测方法，并建立了预测模型：针对BP神经网络容易陷入局部最小的缺点，进一步提出了BP神经网络和GA遗传算法相结合的GA．BP算法智能预测方法，从网络结构参数和网络训练参数的角度出发，对建立的预测模型进行了改进。研究结果表明，改进后的预测模型在保证了预测的精

3、度的同时，也提高了效率。根据之前所做的工作建立起试验系统，使用此系统对未实际测量的数据进行预测，通过验证数据与预测结果的对比分析，得到误差在工程允许的范围内，从而验证了系统的可靠性和准确性。关键词电池剩余容量：神经网络；遗传算法；预测哈尔滨理工大学T学硕十学位论文BatteryRemainingCapacityForecastingMethodandRealizationforElectricVehicleAbstractElectricVehicles(EV)areakindofenvironme

4、ntallyfriendlycarspoweredbybatteries．TheperformanceofbatteriesplaysanimportantroleonthewholeperformanceofEV，anddirectlyinfluencesitsperformance，suchas，therangeofdriving，accelerationability,climbingcapacityandSOon．Thisthesisfocusesonthepredictionoftheba

5、tteryremainingcapacityofbakeriesHopethattheworkdonecanmakeameaningfulattemptforthebatterytestingindustry．Atfirstintroducedthedevelopmenthistoryandstatusquoofpowerbattery,andseveralforecastingmethodsoftheremainingcapacity．Andthenanalyzingeachoftheexisti

6、ngforecastingmethodswegottheconclusionthatthecurrentcommonlyusedmethodshavevariousdeficiencies，duetothecharacteristicsofthebatteryiSinfluencedbylotsofconstraints．difficulttodeterminetheinput-outputrelationssystem，becauseNeuralnetworkhavethecapacityofar

7、bitraryapproachingnonlinear,uncertainsystem，thereforetheeffectofthemethodusedtopredictthebatteryremainingcapacityissignificantly．InthispaperLiFeP04batteriesiSresearched。bycarefulanalysisofLiFeP04battery’Sworkprinciples，collectingtheactualdatabattery’So

8、peratingvoltageandcurrentunderdifferenttemperatures，onbaseofanalyzingthebatteryvoltage，currentandtemperaturecharacteristics．weintroducedtheforecastingmethodofBPneuralnetworks，andestablishedapredictionmodel，toovercometheshortcomingsofBPn