【正文】 時和制動回收能量時的過充電。 本文 主要運用神經(jīng)網(wǎng)絡法估算 電動汽車電池 SOC，通過實驗不斷優(yōu)化參數(shù)使得剩余電量預測更為準確。電動汽車的發(fā)展對經(jīng)濟以及環(huán)境的影響意義重大： （ 1）節(jié)約能源，優(yōu)化能源結構。而電動汽車能量來源可以是多樣化的，推廣電動汽車能夠優(yōu)化能源供應結構，保證經(jīng)濟發(fā)展中的能源安全。電動汽車排放污染大氣的有害氣體是有限的，推廣電動企業(yè)的發(fā)展，可以減少溫室氣體排放量，有效緩解大氣污染。我國鋰資源、稀土資源儲藏量豐富，發(fā)展電動汽車可充分利用我國現(xiàn)有的 資源。燃料電池發(fā)動機的制造成本居高不下，這將制約著電動汽車的發(fā)展。 3 電動汽車動力電池 3． 1 動力電池的分類 動力電池是為電動汽車動力 系統(tǒng)提供能量的蓄電池，主要包括鋰離子電池、鎳氫電池和鉛酸電池等 [5][6]。其反應原理如下： 陽極反應 ??? ???? HP b S OeH S OP 44 2b 陰極反應 OHSOPH S OHP b O 2442 2be23 ????? ??? 總反應 OHP b S OH S OOPPb 2442 222b ???? 鉛酸蓄電池是最早發(fā)明的二次電池，其開路電壓高，價格便宜，放電電壓平穩(wěn)，生產技術成熟，使用可靠，因此一直被范圍廣的應用。 由于電極與電解液稀硫酸直接接觸，使極板柵很容易被腐蝕，且在電極上會生成緊密的白色硫酸鹽外皮，導致電池不能再充電，并且在放電過程中正極活性物質容易脫落，因此循環(huán)壽命一般僅為 150300 次。但能量密度低， 所以 無法在其它類型 電動汽車上應用。隔膜采用尼龍無紡布、多孔維尼綸無紡布等。在充電時，負極析出的氫貯存在儲氫合金中，正極由氫氧化亞鎳變成氫氧化鎳 NiOOH 和 H2O，放電時氧在負極被還原，正極由氫氧化鎳變成氫氧化亞鎳。 鎳氫電池技術成熟、安全性好，在混合動力的電動汽車領域占據(jù)主流地位。 電動汽車電池管理系統(tǒng)的設計 第 9 頁 共 33 頁 鋰離子電池 由于金屬鋰位于元素周期表的第一主族第二位，在金屬中具有最負的標準電極電位 ()，以及最小的電化當量 ()，因而與適當?shù)恼龢O材料匹配構成的鋰電池，具有比能量高、電壓高的特點。鋰離子電池特點是質量輕、能量大、使用壽命長、工作電壓高、低自放電，能夠連續(xù)、平穩(wěn)的放電，是目前世界上比能量最高、循環(huán)壽命最長的可充電電池之一。鋰離子電池性能較好，適用范圍也比較廣，具有 良好的應用前景，在未來將逐步占據(jù)電動汽車電池市場的主流地位。而影響 SOC 準確計量的因素很多，其中自放電因素、溫度因素、放電倍率因素、電池壽命因素等都與 SOC 密切相關。引起自放電的原因是多方面的，包括電極的腐蝕，活性物質的溶解，電極上的歧化反應等，其中最主要的主要原因是負極的腐蝕和正極的自放電。貯存過程中，在電池的正極上會發(fā)生副反應消耗正極的活性物質，從而使電池的容量下降。 電動汽車電池管理系統(tǒng)的設計 第 10 頁 共 33 頁 自放電速率可以用單位時間內容量降低的百分數(shù)來表示。 溫度因素 由于電池中電極材料的活性和電解液的電遷移率等都與溫度有密切關系，所以環(huán)境溫度對電池性能的影響非常關鍵。 一般來說，電池的中高溫放電容量明顯比低溫時放電容量大，這是因為高溫有利于電極材料中離子的擴散，提高了材料的動力學性能，同時電解液中電解質的電導率也隨著溫度的升高而增加，使得遷移內阻減小。 對于鉛酸蓄電池，可以根據(jù)如下經(jīng)驗公式來針對溫度對電池容量的影響進行補償： ]301[30 ）（ ???? Tk TT （ 31） 式中： TQ 溫度為 T℃ 時的容量； 30Q 溫度為 30℃ 時的容量； Tk 溫度系數(shù)，一般取 ～ 的常數(shù)； 該式是把 30℃ 時的容量作為標準容量，得出在溫度 T 時的電池容量。 對于鋰離子電池，工程中一般采用溫度系數(shù)的方法來對容量進行修正。得到下式： 電動汽車電池管理系統(tǒng)的設計 第 11 頁 共 33 頁 ??? ttT dttiQmQ 0 )()t()t( 0 （ 33） 考慮到 t 的荷電狀態(tài) ]/[)()( 0QmtQtSO C T? ,則有： ??? tt T QdttiktS O CS O C 0 00 /)()()t( （ 34） 式中： TT mk /1? 。 電池的電動勢也受到溫度的影響。以 SONY 公司的 US18650 鋰離子電池為例，以 23℃ 為標準的溫度條件，不同溫度下電池電動勢的相對變化量 ΔE(T)如 圖 31 所示： 圖 31 )(TE? 與電池溫度關系曲線 可以看出，對于鋰離子電池，溫度越高，電池的電動勢越高。 另外，溫度對電池的自放電率也有很大的影響。引起電池自放電的原因是多方面的，如電極的腐蝕，活性物質的溶解等。 放電倍率因素 電池在不同放電倍率（即放電電流）下放電時，放出的電量是不一樣的。一般來說，電流越大，能放出的電量越少。 Peukert 經(jīng)驗 公式如下： KtI ?n （ 35） 式中： I放電電流， A； t放電時間， h； n與電池類型有關的常數(shù)； K與活性物質有關的常數(shù)； 將 Peukert 方程兩邊都乘以 n1?I ，方程變?yōu)榱?KIIt n?? 1 ，方程左邊是放電電 流與時間乘積，在恒流放電的情況下實際上就是電池的放電容量 Q，所以方程又可以 寫成： KIQ n1?? （ 36） 由該方程可以看出，電池的放電容量 Q 是放電電流和常數(shù) n， K 的常數(shù)。確定 n 和 K 的值以后就可以根據(jù)方程求出在不同放電電流下的放電容量，實現(xiàn)不同放電倍率下的容量補償。則由式（ 39）得到： KQ I n?? 100 , KQ I n?? 111 （ 310） 兩式相除得： nII ?? 10101 )/(/ （ 311） 令 nII ?? 1011 / ）（? ，則有： 011 ?? 電動汽車電池管理系統(tǒng)的設計 第 13 頁 共 33 頁 將上式帶入理想狀態(tài)下的容量公式（ 36）得到： dtI t??? t 1001 0)t()t( ? （ 312） 方程兩邊除以電流 1I 下的總容量 01Q? 可得： 0t0 /)()()( 0 QdttiKtS O CtS O C t I??? （ 313） 式中 1/1??IK 。 結合式（ 37）和（ 39），可以得到同時對溫度和放電倍率補 償?shù)?SOC 計算公 式： ??? tt TI QdttiKKS O CtS O C 0 00 /)()t)( （ （ 314） 電池壽命因素 蓄電池經(jīng)歷一次充放電稱為一個充放電周期，在一定的放電制度下，電池容量降至某一規(guī)定值之前，電池所經(jīng)歷的循環(huán)次數(shù)，稱為二次電池的循環(huán)壽命。鋰離子電池的循環(huán)壽命一般 在 500～ 1000 次 。如果不考慮電池老化因素，隨著電池組容量的 下降， SOC 計算會 變得越來越不準確。 由于電池內阻的在線測量是很困難的，所以常常采用離線的方法得到電池容量與SOH 的對應數(shù)據(jù) 表格，汽車運行中對充放電循環(huán)次數(shù)累積計數(shù)，然后根據(jù)表格來對總容量進行修正。神經(jīng)網(wǎng)絡是在現(xiàn)代生物學研究人腦組織成果的基礎上提出的，用了模擬人類大腦神經(jīng)網(wǎng)絡的 結構和行為，它從微觀結構和功能上對人腦進行抽象和簡化，是模擬人類智能的一條重要途徑，反映了人腦功能的若干基本特征。它和人體中其他細胞的區(qū)別在于具有產生、處理和傳遞信號的功能。 其中樹突是由細胞體向外伸出，有不規(guī)則的表面和許多較短的分支的部分，其作用是收集由其他神經(jīng)細胞傳來的信息。軸突是由細胞向外伸出的最長的分支， 其功能是傳出信息，其端部的許多神經(jīng)末梢為信號的輸出端子。突觸對神經(jīng)沖動的傳遞具有延時和不應性，在相鄰的二次沖動之間需要一個時間間隔。 圖 41 生物神經(jīng)元模型 電動汽車電池管理系統(tǒng)的設計 第 15 頁 共 33 頁 4． 2 人工神經(jīng)網(wǎng)絡模型 目前神經(jīng)網(wǎng)絡模型的種類相當豐富，已有 近 40 余種神經(jīng)網(wǎng)絡 模型，根據(jù)神經(jīng)網(wǎng)絡模型的連接方式，人工神經(jīng)網(wǎng)絡大體上可分為三大類 :前饋網(wǎng)、反饋網(wǎng)絡和自組織網(wǎng)絡。每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。在各神經(jīng)元之間不存在反饋。 圖 42 前向型神經(jīng)網(wǎng)絡 反饋網(wǎng)絡 如圖 43 所 示 ，該網(wǎng)絡結構在輸出層到輸入層存在反饋，即每一個輸入節(jié)點都有可能接受來自外部的輸入和來自輸出神經(jīng)元的反饋。 圖 43 反饋型神經(jīng)網(wǎng)絡 自組織網(wǎng)絡 電動汽車電池管理系統(tǒng)的設計 第 16 頁 共 33 頁 如圖 44 所示， Kohonen 網(wǎng)絡是最典型的自組織網(wǎng)絡。這種映射是通過無監(jiān) 督的自適應過程完成的，所以也稱為自組織特征圖。 BP 網(wǎng)絡可看成是一從輸入到輸出的高度非線性映射。該算法是一種有導師學習算法，分兩步進行 :正向傳播和反向傳 播。在輸出層把現(xiàn)行輸出和期望輸出進行比較，若存在誤差，則進行反向傳播過程。當所有的樣本數(shù)據(jù)經(jīng)過反復訓練達到誤差精度要求后，樣本數(shù)據(jù)即以各節(jié)點間連接權重的形式存儲下來。 （ 3） 網(wǎng)絡的拓撲結構， BP 網(wǎng)絡一般主要由輸入層、隱層、輸出層組成，隱層中的每一個節(jié)點分別與輸入層和輸出層的每個節(jié)點連接。 基本的 BP 算法存在以下缺點 :(l)從數(shù)學上看它歸結為一非線性的梯度優(yōu)化問題，因此不可避免的存在局部極小問題。 基本的 BP 算法最大的問題是采用梯度法時的步長和勢態(tài)項系數(shù)是由經(jīng)驗確定的。 電動汽車電池管理系統(tǒng)的設計 第 18 頁 共 33 頁 圖 45 典型的 BP 網(wǎng)絡結構圖 BP 神 經(jīng)網(wǎng)絡算法的原理和步驟 BP 算法實質上是把一組樣本輸入輸出問題轉化為一個非線性優(yōu)化問題，并通過梯度算法利用迭代運算求解權值問題的一種學習算法。在正向傳播過程中，輸入信息從輸入層經(jīng)隱含層逐層處理，并傳向輸出層，每一層神