基于分数阶理论的车用锂离子电池建模及荷电状态估计

针对电动汽车动力锂离子电池的状态估计问题,提出一种基于分数阶等效电路建模方法,并采用分数阶卡尔曼滤波算法估计电池荷电状态(SOC)。首先建立基于二阶等效电路的分数阶电池模型,采用遗传算法辨识阶数,然后利用分数阶卡尔曼滤波算法估计电池SOC,并与扩展卡尔曼滤波算法进行比较。实验结果表明,在恒流放电下采用分数阶模型,其端电压最大绝对误差为0.014V,SOC最大估计误差不超过2%。本文提出的基于二阶等效电路的分数阶模型及分数阶卡尔曼滤波算法,不仅给出了一种准确、可靠的建模方法,而且为有效提高电池管理系统中SOC估计的准确性提供了途径。     

基于分时电价的电动汽车充放电多目标优化调度

大规模电动汽车无序充电易造成电网负荷"峰上加峰"等后果,这严重影响电网安全运行,因此合理调度充电行为至关重要。基于分时电价制度和电动汽车可入网的情况,针对电动汽车调度机构建立了计及电网负荷波动及用户成本的多目标优化模型,采用交叉遗传粒子群算法求解得到次日优化充放电计划。基于某商用楼宇负荷数据进行算例仿真,对比分析了分时电价与固定电价下的仿真结果及不同分时电价对调度策略的影响,结果表明:分时电价引导下的调度策略在减小电网峰谷差与提高用户经济性上都具有更大优势;受峰谷电价差增大与尖峰电价的影响,新的分时电价下电网调峰效果更加明显,但用户成本却因平均电价上浮而增高。     

并联式混合动力汽车的BP网络实时能量管理

为了提高并联式混合动力汽车(PHEV)的燃油经济性,提出了一种基于BP神经网络的并联式混合动力汽车实时能量管理策略.采用瞬时优化能量管理策略结合多种路况离线仿真得到能量管理规则,利用模糊C-均值聚类对能量管理规则进行分类并提取部分规则作为神经网络的训练样本.训练得到的BP神经网络控制器根据车辆实时工况控制混合动力系统的转矩分配,以实现最优的能量分配.基于ADVISOR的仿真研究表明,与瞬时优化能量管理策略相比,该能量管理策略不仅能够保证车辆的燃油经济性,而且明显提高了能量管理的实时性.     

线性离散奇异系统的最优估计新方法

讨论了线性离散奇异系统的状态估计问题. 在系统正则的前提下, 将奇异系统的滤波估计问题转化为系统状态噪声带有前向时滞的滤波估计问题, 基于等价系统的新息分析及射影定理, 通过求解两个耦合的Riccati方程求得等价系统的滤波估计器, 最终得到与原始奇异系统状态同维的预报, 滤波, 及平滑估计器.     

电动汽车用高效回馈制动控制策略

为了提高电动汽车再生制动能量的回收和利用效率,在分析电动汽车典型循环工况制动时驱动电机的工作特点,并在同步旋转坐标系下考虑铁损的感应电机动态数学模型制动时能量转换关系的基础上,提出了基于损耗模型的高效制动效率优化控制策略。根据制动时的车速和制动转矩需求,重新分配感应电机的转矩和励磁电流,并结合给出的电动汽车前后轮制动力分配方案,可实现制动能量的高效回收利用。通过仿真软件ADVISOR中的对比仿真结果验证了控制策略的有效性,制动能量回收率有明显改善,提高了电动汽车电驱动系统效率,有利于合理利用其有限的能量延长电动汽车续驶里程。