|本期目录/Table of Contents|

[1]王华杰,郑来芳.电动汽车电池荷电状态估算[J].武汉工程大学学报,2015,37(10):51-56.[doi:10. 3969/j. issn. 1674-2869. 2015. 10. 010]
　.Ｅｖａｌｕａｔｉｎｇ ｃｈａｒｇｅ ｓｔａｔｅ ｏｆ ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ ｂａｔｔｅｒｙ[J].Journal of Wuhan Institute of Technology,2015,37(10):51-56.[doi:10. 3969/j. issn. 1674-2869. 2015. 10. 010]
点击复制

电动汽车电池荷电状态估算(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
37
期数:
2015年10期
页码:
51-56
栏目:
机电与信息工程
出版日期:
2015-10-31

文章信息/Info

Title:
Ｅｖａｌｕａｔｉｎｇ ｃｈａｒｇｅ ｓｔａｔｅ ｏｆ ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ ｂａｔｔｅｒｙ
文章编号:
1674-2869(2015) 10-0051-06
作者:
王华杰; 郑来芳
太原工业学院电子工程系，山西 太原 ０３０００８
Author(s):
ＷＡＮＧ Ｈｕａ－ｊｉｅ;  ＺＨＥＮＧ Ｌａｉ－ｆａｎｇ
Ｅｌｅｃｔｒｏｎｉｃ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｔａｉｙｕａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｔａｉｙｕａｎ ０３０００８， Ｃｈｉｎａ
关键词:
电动汽车;  模糊神经网络; 最小二乘支持向量机; 电池荷电状态
Keywords:
ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ;  ｆｕｚｚｙ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ;  ｌｅａｓｔ ｓｑｕａｒｅ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ;  ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ
分类号:
ＴＭ９１２
DOI:
10. 3969/j. issn. 1674-2869. 2015. 10. 010
文献标志码:
A
摘要:
为了精确估计电动汽车电池的荷电状态（ＳＯＣ），将模糊神经网络和最小二乘支持向量机分别用来估计电池的ＳＯＣ，然后将两种方法相结合，交替地使用来预测电池ＳＯＣ. 在美国能源部纯电动汽车试验计划提供的混合工况ＵＤＤＳ－ＮＹＣＣ－ＵＳ０６＿ＨＷＹ驾驶循环实验中提取电池模型参数的充电／放电测试周期，用电池电流，电池电压和电池温度为独立变量，试验进行了８０ Ａｈ镍氢电池与动力测试周期来预测电池ＳＯＣ. 结果表明，此方法不仅可以准确的估算ＳＯＣ，而且能减少计算量.
Abstract:
Ｔｏ ｅｘａｃｔｌｙ ｅｖａｌｕａｔe ｔｈｅ ｓｔａｔｅ ｏｆ ｔｈｅ ｃｈａｒｇｅ（ＳＯＣ） ｏｆ ｔｈｅ ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ’ｓ ｂａｔｔｅｒｙ， ｔｈｅ ｆｕｚｚｙ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ ｗｅｒｅ ｕｓｅｄ ｓｅｐａｒａｔｅｌｙ ａｔ ｆｉｒｓｔ ａｎｄ ｔｈｅｎ ｔｈｅ ｔｗｏ ｍｅｔｈｏｄｓ ｗｅｒｅ ｃｏｍｂｉｎｅｄ ａｎｄ ｅｍｐｌｏｙｅｄ ａｌｔｅｒｎａｔｅｌｙ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ｂａｔｔｅｒｙ ＳＯＣ． Ｔｈｅ ｂａｔｔｅｒｙ ｍｏｄｅｌ ｐａｒａｍｅｔｅｒｓ ｏｆ ｃｈａｒｇｉｎｇ/ｄｉｓｃｈａｒｇｉｎｇ ｔｅｓｔｉｎｇ ｐｅｒｉｏｄ ｗｅｒｅ ｄｒａｗｎ ｆｒｏｍ ＵＤＤＳ－ＮＹＣＣ－ＵＳ０６＿ＨＷＹ ｄｒｉｖｉｎｇ ｃｙｃｌｉｃ ｅｘｐｅｒｉｍｅｎｔ， ｗｈｉｃｈ ｗａｓ ｐｒｏｖｉｄｅｄ ｂｙ ｔｈｅ Ｕ．Ｓ． ｄｅｐａｒｔｍｅｎｔ ｏｆ ｅｎｅｒｇｙ’ｓ ｅｌｅｃｔｒｉｃａｌ ｖｅｈｉｃｌｅ． Ｕｓｉｎｇ ｔｈｅ ｄａｔａ ｏｆ ｂａｔｔｅｒｙ ｃｕｒｒｅｎｔ， ｖｏｌｔａｇｅ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ ａｓ ｔｈｅ ｉｎｄｅｐｅｎｄｅｎｔ ｖａｒｉａｂｌｅｓ， ｔｅｓｔ ｏｎ ａｎ ８０ Ａｈ Ｎｉ－ＭＨ ｂａｔｔｅｒｙ ａｎｄ ｔｈｅ ｃｙｃｌｅ ｏｆ ｔｈｅ ｂａｔｔｅｒｙ’ｓ ｐｏｗｅｒ ｗａｓ ｃｏｎｄｕｃｔｅｄ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ｂａｔｔｅｒｙ’ｓ ＳＯＣ． Ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｎｏｔ ｏｎｌｙ ｃａｎ ａｃｃｕｒａｔｅｌｙ ｅｓｔｉｍａｔｅ ｔｈｅ ＳＯＣ ｂｕｔ ａｌｓｏ ｃａｎ ｒｅｄｕｃｅ ｔｈｅ ａｍｏｕｎｔ ｏｆ ｃａｌｃｕｌａｔｉｏｎ．

参考文献/References:

［１］　ＷANG Ｇｅｎｇ ｂｏ． Ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｂａｔｔｅｒｉｅｓ ｉｎ ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅｓ［Ｊ］． Ｈｕ ｂｅｉ Ａｕｔｏｍｏｔｉｖｅ Ｉｎｄｕｓｔｒｉｅｓ Ｉｎｓｔｉｔｕｔｅ，１９９６，32（12）：83-86．［２］　ＭA ｙｏｕ-ｌｉａｎｇ，ＣHEN ｑｕａｎ-ｓｈｉ，ＱI ｚｈａｎ-ｎｉｎｇ. Ａ ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ ＳＯＣ Ｄｅｆｉｎｉｔｉｏｎ ａｎｄ ｍｅａｓｕｒｅｍｅｎｔ ｍｅｔｈｏｄ ｏｆ ｂａｔｔｅｒｉｅｓ ｕｓｅｄ ｉｎ ＥＶＳ［Ｊ］． Ｊ Ｔｓｉｎｇｈｕａ Ｕｎｉｖ（Ｓｃｉ＆Ｔｅｃｈ），２００１，４１（１１）：９５－９７．［３］　邵海岳，钟志华，何莉萍，等．电动汽车动力电池模型及ＳＯＣ预测方法［Ｊ］．电源技术，２００４，２８（１０）：６３７－６４０．ＳＨＡＯ Ｈａｉｙｕｅ，ＺＨＯＮＧ Ｚｈｉｈｕａ，ＨＥ Ｌｉｐｉｎｇ，ｅｔ ａｌ． Ｔｈｅ ｍｏｄｅｌ ｏｆ Ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ ｂａｔｔｅｒｙ ａｎｄ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ＳＯＣ’ｓ ｅｓｔｉｍａｔｉｏｎ［Ｊ］． Ｐｏｗｅｒ Ｔｅｃｈｎｏｌｏｇｙ，２００４，２８（１０）：６３７－６４０．（ｉｎ Ｃｈｉｎｅｓｅ）［４］　裴晟，陈全世，林成涛．基于支持向量回归电池ＳＯＣ估计方法研究［Ｊ］． 电源技术，２００７，３１（３）：２４３－２５２．ＰＥＩ Ｓｈｅｎｇ， ＣＨＥＮＧ Ｓｈｉｑｕａｎ，ＬＩＮ Ｃｈｅｎｇｔａｏ. Ｓｔｕｄｙ ｏｎ ｅｓｔｉｍａｔｉｎｇ ｍｅｔｈｏｄ ｆｏｒ ｂａｔｔｅｒｙ ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ ｂａｓｅｄ ｏｎ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｒｅｇｒｅｓｓｉｏｎ［Ｊ］．Ｐｏｗｅｒ Ｔｅｃｈｎｏｌｏｇｙ，２００７，３１（３）：２４３－２５２．（ｉｎ Ｃｈｉｎｅｓｅ）［５］　郭桂芳，曹秉刚．电动车用Ｎｉ／ＭＨ电池组剩余容量的非线性自回归滑动平均预测［Ｊ］．控制理论与应用，２０１１，２８（４）：５９１－５９５． （ｉｎ Ｃｈｉｎｅｓｅ） ＧＵＯ Ｇｕｉ－ｆａｎｇ， ＣＡＯ Ｂｉｎｇｇａｎｇ． ＮＡＲＭＡＸ ｍｅｔｈｏｄ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｔｈｅ ｒｅｓｉｄｕａｌ ｃａｐａｃｉｔｙ ｏｆ Ｎｉ／ＭＨ ｂａｔｔｅｒｙ ｐａｃｋ ｆｏｒ ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ［Ｊ］． Ｃｏｎｔｒｏｌ Ｔｈｅｏｒｙ ＆ Ａｐｐｌｉｃａｔｉｏｎｓ ，２０１１，２８（４）：５９１－５９５． （ｉｎ Ｃｈｉｎｅｓｅ）［６］　ＳＵＹＫＥＮＳ Ｊ Ａ Ｋ． Ｄｅ Ｂｒａｂａｎｔｅｒ ＪａＬｕｋａｓ Ｌｅｔ ａｌＷｅｉｇｈｔｅｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ ｒｏｂｕｓｔｎｅｓｓ ａｎｄ ｓｐａｒｓｅ ａｐｐｒｏｘｉｍａｔｉｏｎ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２００２， ４８（１－４）：８５－１０５．［７］　阎威武，绍惠鹤．支持向量机和最小二乘支持向量机的比较及应用［Ｊ］．控制与决策，２００３，１８（３）：１８－２０．ＹＡＮ Ｗｅｉ-ｗｕ，ＳＨＡＯ Ｈｕｉ-ｈｅ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ ａｎｄ ｌｅａｓｔ ｓｑｕａｒｅｓ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ ｔｏ ｈｅａｒｔ ｄｉｓｅａｓｅ ｄｉａｇｎｏｓｅｓ［Ｊ］． Ｃｏｎｔｒｏｌ ａｎｄ Ｄｅｃｉｓｉｏｎ，２００３，１８（３）：１８－２０． （ｉｎ Ｃｈｉｎｅｓｅ）

相似文献/References:

备注/Memo

备注/Memo:
收稿日期;2015-08-25基金项目:国家自然科学基金资助项目(61072121)作者简介:王华杰(1988-),女,山西太原人,助教,硕士. 研究方向:嵌入式系统及应用.
更新日期/Last Update: 2015-11-13