Wie identifizieren Sie das vorhergesagte SOE für Lithium-Ionen-Batterien basierend auf den Betriebsbedingungen des Elektrofahrzeugs?

Liu Weilong, Wang Lifang, Wang Liye, Schlüssellabor für Leistungselektronik und Leistungsübertragung der Chinesischen Akademie der Wissenschaften, Forscher der Universität der Chinesischen Akademie der Wissenschaften, wiesen 2018 auf die erste Phase des Verfahrens der Elektrotechnik in diesem Energiezustand (SOE) hin ) ist die Elektroautobetriebsbatterie wichtige Statusindikatoren, die sich direkt auf die Reichweite von Elektroautos auswirken, die vom Arbeitszustand des Elektroautos erheblich beeinflusst werden.

Um basierend auf dem Arbeitszustand von Elektroautos zu schätzen, startet das SOE-zu-SOE-Schätzverfahren, der Moduserkennungsalgorithmus, den Forschungszustand des Vorhersagealgorithmus, basierend auf dem Modellbatterie-Restenergiezustand (SOR) -Schätzverfahren, basierend auf dem Erkennungsalgorithmus von Betriebsbedingung der Informationsentropietheorie, die Anwendung der Theorie des Markov-Kettenvorhersagealgorithmus, Aufbau des Fahrmodells des Elektrofahrzeugsystems wird erstellt, die Simulation für Fahrmodi des Elektrofahrzeugs entsprechende Batterievorhersage, Implementierung basierend auf den Arbeitsbedingungen der Elektrofahrzeugerkennung und Vorhersage von SOE wird geschätzt. Die Simulationsergebnisse zeigen die Wirksamkeit der vorgeschlagenen Methode.

Gegenwärtig ist das Elektroauto zu einer heißen Forschungs- und Automobilindustrie geworden, aber das Problem der "Reichweitenangst" der Flut begrenzt seine Entwicklung [1], den geladenen Zustand (Ladezustand, SOC) als Indikatoren für die verbleibende Leistung der Batterie der Parameter wird häufig in Elektroautos verwendet, muss Benutzer auf rechtzeitige Ladefunktion aufmerksam machen.

Infolge der Leistungsbatterie unter den Betriebsbedingungen der Entladungsspannung eines abnehmenden Trends wird jedoch der Leistungsbatterie-SOC in einem größeren Bereich der Energie (W * h) -Versorgungskapazität reduziert, wodurch im Verlauf des Elektroauto-Lauf-SOC-Index zeigten beschleunigten Abwärtstrend. Der Ladezustand als Ladeindikatorparameter, der leicht zu einer Ladezeit der Fehleinschätzung führen kann, verursachte den Benutzern von Elektroautos Unannehmlichkeiten.

Energiezustand der energiebatterie (Energiezustand, SOE) als Parameter für die W xh-Einheitsskala des Elektroautos. Der Anteil der Restenergie ist eine direkte Beschreibung der Energieversorgungskapazität der Batterie als Parameter für die Ladeanzeige des Elektroauto-Benutzers.

Gegenwärtig erstreckt sich das Batterie-SOE-Schätzverfahren für die Anwendung des SOC-Schätzalgorithmus üblicherweise, die Batterie wird basierend auf der Abbildungsbeziehung von SOC und SOE-SOE geschätzt [2, 3], wird durch SOC-Umwandlung von SOE erhalten, ist jedoch nicht genau Dies ist auf die Leistungsbatterie in der Praxis zurückzuführen, wobei die Änderung der Fahrzeugverkehrsbedingungen zu unterschiedlichem Energieverlust führen wird, die Änderung der tatsächlichen Versorgungsenergie zur Erzeugung der Leistungsbatterie vorzunehmen. Basierend auf der Vorhersage des zukünftigen Fahrzeugfahrzyklus hat die Batterie der verbleibenden verfügbaren Energiezustände (SOE) daher eine praktischere Bedeutung.

Die Vorhersage der Geschichte und der zukünftigen Verkehrsbedingungen ist die Voraussetzung für die Erkennung des Verkehrszustands. Dieses Papier basiert auf den Arbeitsbedingungen der SOE-Schätzungsforschung zur Erkennung von Lithium-Ionen-Batterien für Elektrofahrzeuge.

Das Batteriemodell ist die Grundlage für die Schätzung des Batteriestatus. Es kann in drei Hauptmodelle für elektrochemische Mechanismen (4, 5), ein Erfahrungsmodell [6, 7] und [8, 9] für drei Arten von Ersatzschaltbildmodellen unterteilt werden. Unter diesen hat aufgrund der Tatsache, dass das Ersatzschaltbildmodell leicht zu analysieren ist, eine gute Gemeinsamkeit der Vorteile ein breites Anwendungsspektrum erreicht.

SOE-Schätzalgorithmus basierend auf dem Batterie-Ersatzschaltbildmodell, basierend auf dem Modell des Schätzalgorithmus für den Restenergiezustand der Batterie (State of Residual Energy, SOR), basierend auf dem Erkennungsalgorithmus für den Betriebszustand der Informationsentropietheorie und dem Vorhersagealgorithmus basierend auf dem Theorie des Markov-Kettenantriebszyklus; Erstellen Sie das Modell eines Elektrofahrzeugs, erhalten Sie Batterievorhersagebedingungen, um basierend auf den Arbeitsbedingungen für die Identifizierung und Vorhersage von SOE zu schätzen; Die Ergebnisse der Simulationsanalyse überprüfen die Genauigkeit des Algorithmus.


Abbildung 1 Modellstruktur des Lithium-Ionen-Batterie-Ersatzschaltbilds

Abbildung 2 Modell eines Elektrofahrzeugsystems

Fig. 3 einen Batterie-SOE-Schätzalgorithmus

Fazit

In diesem Artikel wird eine Art von basierend auf den Arbeitsbedingungen der Erkennung von Elektrofahrzeugen und der Vorhersage des SOE-Schätzalgorithmus für Lithium-Ionen-Batterien vorgestellt.

Zunächst wird basierend auf der Theorie des Elektrodenimpedanzspektrums ein Batterieäquivalentschaltungsmodell unterschiedlicher Ordnung konstruiert und der GA-Algorithmus angewendet, um die Modellparameteridentifikation zu implementieren;

Zweitens, basierend auf AUKF, schlägt der SOR-Schätzalgorithmus basierend auf einem Batteriemodell unterschiedlicher Ordnung vor. Die Simulationsergebnisse zeigen, dass der Algorithmus eine schnelle Konvergenz erreichen kann.

Wiederum realisiert der FCMIE-Algorithmus die Identifizierung des Fahrzyklus eines Elektrofahrzeugs und den Zustand des Vorhersagealgorithmus basierend auf der Markov-Kettentheorie, dem Vorhersagezustand des Elektroautos. Die Simulationsergebnisse zeigen, dass der Algorithmus zur Vorhersage des Zustandseffekts gut ist.

Schließlich die Integration eines Batterie-Ersatzschaltbilds unterschiedlicher Ordnung in ein Elektrofahrzeug-Systemmodell, die Simulation, um die entsprechenden Batterie-Elektrofahrzeuge zu erhalten, um den Zustand des Arbeitszustands der Vorhersage vorherzusagen, die Batterie des Batterie-Energieverlusts in den Berechnungsfällen und dann zu Schätzen Sie die Batterie von SOE.

SOE schätzt den Partyfehler auf 2,45%, der vorgeschlagene Batterie-SOE-Schätzalgorithmus hat einen guten Effekt.

Die Seite enthält den Inhalt der maschinellen Übersetzung.