基于遗传算法的电动汽车HESS功率优化分配

针对电动汽车锂离子电池和超级电容的混合储能系统不同工作模式的功率最优分配困难的问题,提出基于遗传算法的混合储能系统能量功率的最优分配策略。对储能系统的不同工作模式进行分类管理,建立能量管理系统输出功率与需求功率误差最小的目标函数。采用遗传算法求解目标函数,获得锂离子电池和超级电容的出力系数,进而优化功率分配。最后,搭建混合储能系统仿真模型和实验台进行仿真和实验,结果表明,在EUDS和UDDS路况下,与传统滞环控制相比,采用遗传算法优化的能量管理总损耗降低1.2%和0.9%。     

基于增益调整的Joint-EKF算法估算电池SOC

在电流采样过程中,电流漂移噪声会对采样精度造成干扰,进而影响锂离子电池荷电状态(SOC)估算的精度。采用联合扩展卡尔曼滤波(Joint-EKF)算法,以Thevenin模型为等效电路模型基础,将电流漂移值与状态变量同步预测,可提高估算精度。在电流突变时,需要加快算法修正速度来解决算法跟踪效果差的问题。基于Joint-EKF算法,通过调整滤波增益动态修正SOC,可进一步提高SOC估算精度。结果表明:改进算法后的SOC估算误差为2.8%,比改进前的减小2.4%。