CN112345940A - 基于soc预估的车辆复合电源系统模糊逻辑控制方法 - Google Patents

基于soc预估的车辆复合电源系统模糊逻辑控制方法 Download PDF

Info

Publication number
CN112345940A
CN112345940A CN202011167420.0A CN202011167420A CN112345940A CN 112345940 A CN112345940 A CN 112345940A CN 202011167420 A CN202011167420 A CN 202011167420A CN 112345940 A CN112345940 A CN 112345940A
Authority
CN
China
Prior art keywords
lithium battery
bat
charge
soc
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011167420.0A
Other languages
English (en)
Other versions
CN112345940B (zh
Inventor
冯娜
马铁华
陈昌鑫
王晨斌
高伟涛
孟青
牛慧芳
张文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North University of China
Original Assignee
North University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North University of China filed Critical North University of China
Priority to CN202011167420.0A priority Critical patent/CN112345940B/zh
Publication of CN112345940A publication Critical patent/CN112345940A/zh
Application granted granted Critical
Publication of CN112345940B publication Critical patent/CN112345940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及车辆复合电源系统能量管理技术领域，基于SOC预估的车辆复合电源系统模糊逻辑控制方法，步骤一：建立车辆复合电源动力系统模型，包括锂电池和超级电容的模型；步骤二：锂电池预估控制器采用贝叶斯‑蒙特卡洛法对锂电池荷电状态进行预估；步骤三：根据运行工况下的功率需求，基于步骤一建立的车辆复合电源动力系统模型，采用模糊逻辑控制器控制复合电源系统输出的功率信号。本发明可以有效提高锂电池荷电状态的估算精度，提高复合电源系统的工作效率。

Description

基于SOC预估的车辆复合电源系统模糊逻辑控制方法
技术领域
本发明涉及车辆复合电源系统能量管理技术领域，尤其涉及一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法。
背景技术
随着全球能源危机和环境问题的日益凸显，开发新能源汽车成为汽车产业发展的必然趋势。纯电动汽车采用单一动力电源容易出现续航能力弱、加速动力不足、电池寿命短等缺陷，因此混合动力汽车的研发显得尤为重要。将超级电容与蓄电池相结合作为电动汽车的动力电源，可以充分利用超级电容的快速响应特性，降低蓄电池的充放电频率，以延长蓄电池的使用寿命，增大电动汽车的续驶里程。
混合动力汽车的性能与其采用的能量管理策略密切相关，目前最常见的能量管理策略分为两大类，分别是基于规则的能量管理策略和基于优化的能量管理策略。其中，模糊逻辑控制属于模拟人的思维方式制定规则实现能量管理的方法，控制器的隶属度函数和规则的制定基础来源于专家的经验或理论知识，设计简单，易于理解。
在制定模糊控制规则时，需要考虑电池的SOC值，传统的安时积分法由于SOC初值计算、测量仪器误差、电流和温度导致容量变化等得到SOC值不实时，难以用在实际的车辆动力系统中。
发明内容
为了解决上述技术问题，本发明提供了一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法，以解决锂电池荷电状态估计精度不高，锂电池使用寿命短等问题。
本发明所采用的技术方案是：一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法，包括以下步骤：
步骤一：建立车辆复合电源动力系统模型，包括锂电池电路模型和超级电容电路模型；
锂电池电路模型
Figure BDA0002745331440000021
Figure BDA0002745331440000022
UL＝Ubat-ibatRbat
其中，SOCbat是锂电池实时的荷电状态值，SOCbat.ini是锂电池的初始荷电状态值，QN为锂电池的额定容量，ibat表示锂电池的充放电电流，在一段时间内的积分累计值表示锂电池已使用容量，Ubat和Rbat分别为锂电池的开路电压和欧姆内阻，Pbat为锂电池的功率，UL是锂电池负载电压；
超级电容电路模型
Figure BDA0002745331440000023
Figure BDA0002745331440000024
其中，SOCsc是超级电容的荷电状态值，Usc.max和Usc.min分别为超级电容的最大和最小电压，Usc为超级电容的实时电压，Isc为超级电容的充放电电流，Rsc和Psc分别为超级电容的内阻和电功率；
步骤二：设计锂电池荷电状态预估控制器，采用贝叶斯-蒙特卡洛法估计得到锂电池的荷电状态SOCbat.e的值；
将贝叶斯-蒙特卡洛方法应用于锂电池荷电状态的估计，通过一组具有相关权重的随机样本来近似概率密度函数：
Figure BDA0002745331440000031
其中，
Figure BDA0002745331440000032
为锂电池任意k时刻的荷电状态和开路电压所构成的列向量，表示k时刻生成的随机粒子集；Ubat.k表示k时刻锂电池的开路电压，SOCbat.k表示k时刻锂电池的荷电状态；
Figure BDA0002745331440000033
表示在Ubat.k条件下，产生随机粒子集
Figure BDA0002745331440000034
所服从的概率密度函数；
Figure BDA0002745331440000035
是k时刻从概率密度函数
Figure BDA0002745331440000036
表示的分布中提取的第i(i＝1～Ns)个随机粒子集，Ns表示随机粒子集的个数；
Figure BDA0002745331440000037
表示k时刻提取的第i个粒子集的权重；δ(·)表示Dirac函数；
k时刻的权重
Figure BDA0002745331440000038
以正态分布概率密度函数在k-1时刻的权重
Figure BDA0002745331440000039
的基础上更新，更新规律的推导式为：
Figure BDA00027453314400000310
其中，Ubat,k和
Figure BDA00027453314400000311
分别为k时刻锂电池开路电压的实测值和模型输出平均值，σ为其标准差，
Figure BDA00027453314400000312
表示在满足粒子集
Figure BDA00027453314400000313
的条件下Ubat.k所服从的概率密度函数，符合正态分布概率密度函数；
对所有粒子的权重进行归一化处理：
Figure BDA00027453314400000314
考虑所有粒子总权重后的预估结果可以表示为：
Figure BDA0002745331440000041
锂电池荷电状态预估控制器中执行贝叶斯-蒙特卡洛算法，将产生的粒子集的权重不断的迭代运算，最后通过粒子加权求和的方式，得到锂电池荷电状态的预估值，即为向量
Figure BDA0002745331440000042
的第一个元素，表示为：
Figure BDA0002745331440000043
步骤三：将锂电池荷电状态预估控制器的输出SOCbat.e、超级电容荷电状态SOCsc以及不同运行工况下发动机需求功率Preq作为模糊逻辑控制器的输入，经过逻辑关系输出超级电容充放电的控制信号比例因子Ksc，进而得到超级电容充放电控制信Psc＝Ksc·Preq，锂电池充放电控制信号Pbat＝(1-Ksc)·Preq。
步骤三中，模糊逻辑控制器将输入信号SOCbat.e和SOCsc的模糊子集分别设置为：低L、中M、高H；将Preq和输出信号Ksc模糊子集分别设置为：较小TS，小S，中M，大B，较大TB，模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数。
本发明的有益效果是：本发明可以有效提高锂电池荷电状态的估算精度，提高复合电源系统的工作效率。
附图说明
图1为本发明的系统总体结构框图；
图2为本发明的控制系统图；
图3为本发明模糊控制器隶属度函数图。
具体实施方式
下面结合附图对本发明作更进一步的说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法，该基于SOC预估的车辆复合电源系统采用锂电池为车辆发动机供电同时采用超级电容对车辆发动机进行辅助供电，将锂电池荷电状态、超级电容荷电状态和发动机功率需求作为输入变量输入模糊逻辑控制器，获得超级电容充放电的控制信号，具体实施步骤如下：
步骤一：建立车辆复合电源动力系统模型，包括锂电池电路模型和超级电容电路模型
建立锂电池电路模型：
Figure BDA0002745331440000051
Figure BDA0002745331440000052
UL＝Ubat-ibatRbat
其中，SOCbat是锂电池实时的荷电状态值，SOCbat.ini是锂电池的初始荷电状态值，QN为锂电池的额定容量，ibat表示锂电池的充放电电流，在一段时间内的积分累计值表示锂电池已使用容量，Ubat和Rbat分别为锂电池的开路电压和欧姆内阻，Pbat为锂电池的功率，UL是锂电池负载电压；
锂电池的负载电压不允许超过开路电压，因此锂电池的最大充放电电流为：
Figure BDA0002745331440000061
其中，Imax为锂电池的最大充放电电流，电池的充放电电流ibat在输出前必须与最大充放电电流Imax比较，如果充放电电流超过Imax时，则输出Imax；
建立超级电容电路模型
Figure BDA0002745331440000062
Figure BDA0002745331440000063
其中，SOCsc是超级电容的荷电状态值，Usc.max和Usc.min分别为超级电容的最大和最小电压，Usc为超级电容的实时电压，Isc为超级电容的充放电电流，Rsc和Psc分别为超级电容的内阻和电功率；
步骤二：设计锂电池荷电状态预估控制器，采用贝叶斯-蒙特卡洛法估计得到锂电池的荷电状态SOCbat.e的值
将贝叶斯-蒙特卡洛方法应用于锂电池荷电状态的估计，通过一组具有相关权重的随机样本来近似概率密度函数，
Figure BDA0002745331440000064
其中，
Figure BDA0002745331440000065
为锂电池任意k时刻的荷电状态和开路电压所构成的列向量，表示k时刻生成的随机粒子集；Ubat.k表示k时刻锂电池的开路电压，SOCbat.k表示k时刻锂电池的荷电状态；
Figure BDA0002745331440000066
表示在Ubat.k条件下，产生随机粒子集
Figure BDA0002745331440000067
所服从的概率密度函数；
Figure BDA0002745331440000068
是k时刻从概率密度函数
Figure BDA0002745331440000069
表示的分布中提取的第i(i＝1～Ns)个随机粒子集，Ns表示随机粒子集的个数；
Figure BDA0002745331440000071
表示k时刻提取的第i个粒子集的权重；δ(·)表示Dirac函数；
k时刻的权重
Figure BDA0002745331440000072
以正态分布概率密度函数在k-1时刻的权重
Figure BDA0002745331440000073
的基础上更新，更新规律的推导式为：
Figure BDA0002745331440000074
其中，Ubat,k和
Figure BDA0002745331440000075
分别为k时刻锂电池开路电压的实测值和模型输出平均值，σ为其标准差，
Figure BDA0002745331440000076
表示在满足粒子集
Figure BDA0002745331440000077
的条件下Ubat.k所服从的概率密度函数，符合正态分布概率密度函数；
对所有粒子的权重进行归一化处理：
Figure BDA0002745331440000078
考虑所有粒子总权重后的预估结果可以表示为：
Figure BDA0002745331440000079
锂电池荷电状态预估控制器中执行贝叶斯-蒙特卡洛算法，将产生的粒子集的权重不断的迭代运算，最后通过粒子加权求和的方式，得到锂电池荷电状态的预估值，即为向量
Figure BDA00027453314400000710
的第一个元素，表示为：
Figure BDA00027453314400000711
步骤三：将锂电池荷电状态预估控制器的输出SOCbat.e、超级电容荷电状态SOCsc以及不同运行工况下发动机需求功率Preq作为模糊逻辑控制器的输入，经过逻辑关系输出超级电容充放电的控制信号比例因子Ksc，进而得到超级电容充放电控制信号Psc；
模糊逻辑控制器将输入信号SOCbat.e和SOCsc的模糊子集分别设置为：低L、中M、高H；将Preq和输出信号Ksc模糊子集分别设置为：较小TS，小S，中M，大B，较大TB，模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数；根据模糊规则得到模糊逻辑控制器的输出参数为Ksc；超级电容充放电控制信号表示为：Psc＝Ksc·Preq，锂电池充放电控制信号表示为：
Pbat＝(1-Ksc)·Preq。
模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数其论域和隶属度函数如图3所示。
模糊逻辑控制器的输入输出逻辑关系采用Mamdami模型推理方法，规则表如下表所示：
Figure BDA0002745331440000081
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法，其特征在于：包括以下步骤：
步骤一：建立车辆复合电源动力系统模型，包括锂电池电路模型和超级电容电路模型；
锂电池电路模型
Figure FDA0002745331430000011
Figure FDA0002745331430000012
UL＝Ubat-ibatRbat
其中，SOCbat是锂电池实时的荷电状态值，SOCbat.ini是锂电池的初始荷电状态值，QN为锂电池的额定容量，ibat表示锂电池的充放电电流，在一段时间内的积分累计值表示锂电池已使用容量，Ubat和Rbat分别为锂电池的开路电压和欧姆内阻，Pbat为锂电池的功率，UL是锂电池负载电压；
超级电容电路模型
Figure FDA0002745331430000013
Figure FDA0002745331430000014
其中，SOCsc是超级电容的荷电状态值，Usc.max和Usc.min分别为超级电容的最大和最小电压，Usc为超级电容的实时电压，Isc为超级电容的充放电电流，Rsc和Psc分别为超级电容的内阻和电功率；
步骤二：设计锂电池荷电状态预估控制器，采用贝叶斯-蒙特卡洛法估计得到锂电池的荷电状态SOCbat.e的值；
将贝叶斯-蒙特卡洛方法应用于锂电池荷电状态的估计，通过一组具有相关权重的随机样本来近似概率密度函数：
Figure FDA0002745331430000021
其中，
Figure FDA0002745331430000022
为锂电池任意k时刻的荷电状态和开路电压所构成的列向量，表示k时刻生成的随机粒子集；Ubat.k表示k时刻锂电池的开路电压，SOCbat.k表示k时刻锂电池的荷电状态；
Figure FDA0002745331430000023
表示在Ubat.k条件下，产生随机粒子集
Figure FDA0002745331430000024
所服从的概率密度函数；
Figure FDA0002745331430000025
是k时刻从概率密度函数
Figure FDA0002745331430000026
表示的分布中提取的第i(i＝1～Ns)个随机粒子集，Ns表示随机粒子集的个数；
Figure FDA0002745331430000027
表示k时刻提取的第i个粒子集的权重；δ(·)表示Dirac函数；
k时刻的权重
Figure FDA0002745331430000028
以正态分布概率密度函数在k-1时刻的权重
Figure FDA0002745331430000029
的基础上更新，更新规律的推导式为：
Figure FDA00027453314300000210
其中，Ubat,k和
Figure FDA00027453314300000211
分别为k时刻锂电池开路电压的实测值和模型输出平均值，σ为其标准差，
Figure FDA00027453314300000212
表示在满足粒子集
Figure FDA00027453314300000213
的条件下Ubat.k所服从的概率密度函数，符合正态分布概率密度函数；
对所有粒子的权重进行归一化处理：
Figure FDA00027453314300000214
考虑所有粒子总权重后的预估结果可以表示为：
Figure FDA00027453314300000215
锂电池荷电状态预估控制器中执行贝叶斯-蒙特卡洛算法，将产生的粒子集的权重不断的迭代运算，最后通过粒子加权求和的方式，得到锂电池荷电状态的预估值，即为向量
Figure FDA0002745331430000031
的第一个元素，表示为：
Figure FDA0002745331430000032
步骤三：将锂电池荷电状态预估控制器的输出SOCbat.e、超级电容荷电状态SOCsc以及不同运行工况下发动机需求功率Preq作为模糊逻辑控制器的输入，经过逻辑关系输出超级电容充放电的控制信号比例因子Ksc，进而得到超级电容充放电控制信Psc＝Ksc·Preq，锂电池充放电控制信号Pbat＝(1-Ksc)·Preq。
2.根据权利要求1所述的一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法，其特征在于：步骤三中，模糊逻辑控制器将输入信号SOCbat.e和SOCsc的模糊子集分别设置为：低L、中M、高H；将Preq和输出信号Ksc模糊子集分别设置为：较小TS，小S，中M，大B，较大TB，模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数。
CN202011167420.0A 2020-10-27 2020-10-27 基于soc预估的车辆复合电源系统模糊逻辑控制方法 Active CN112345940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011167420.0A CN112345940B (zh) 2020-10-27 2020-10-27 基于soc预估的车辆复合电源系统模糊逻辑控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011167420.0A CN112345940B (zh) 2020-10-27 2020-10-27 基于soc预估的车辆复合电源系统模糊逻辑控制方法

Publications (2)

Publication Number Publication Date
CN112345940A true CN112345940A (zh) 2021-02-09
CN112345940B CN112345940B (zh) 2023-08-22

Family

ID=74358820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011167420.0A Active CN112345940B (zh) 2020-10-27 2020-10-27 基于soc预估的车辆复合电源系统模糊逻辑控制方法

Country Status (1)

Country Link
CN (1) CN112345940B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115071449A (zh) * 2022-07-20 2022-09-20 无锡军工智能电气股份有限公司 一种基于多模糊控制器的复合电源能量管理方法
CN115092012A (zh) * 2022-07-20 2022-09-23 四川轻化工大学 考虑复合电源系统多工作模式的等效荷电状态估计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256218A (zh) * 2008-04-08 2008-09-03 吉林大学 汽车动力电池荷电状态的测量系统
GB201506497D0 (en) * 2015-04-16 2015-06-03 Oxis Energy Ltd And Cranfield University And Imp Innovations Ltd Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries
CN108001261A (zh) * 2017-11-14 2018-05-08 温州大学 基于模糊算法的动力电池荷电状态计算方法及监测装置
US20180143257A1 (en) * 2016-11-21 2018-05-24 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
CN110126813A (zh) * 2019-05-17 2019-08-16 吉林大学 一种车载燃料电池混合动力系统的能量管理方法
CN110320473A (zh) * 2019-07-26 2019-10-11 上海理工大学 一种基于卡尔曼滤波及模糊逻辑汽车锂电池容量估计方法
CN110646739A (zh) * 2019-09-30 2020-01-03 闽江学院 一种多锂电池并联系统的soc状态估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256218A (zh) * 2008-04-08 2008-09-03 吉林大学 汽车动力电池荷电状态的测量系统
GB201506497D0 (en) * 2015-04-16 2015-06-03 Oxis Energy Ltd And Cranfield University And Imp Innovations Ltd Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries
US20180143257A1 (en) * 2016-11-21 2018-05-24 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
CN108001261A (zh) * 2017-11-14 2018-05-08 温州大学 基于模糊算法的动力电池荷电状态计算方法及监测装置
CN110126813A (zh) * 2019-05-17 2019-08-16 吉林大学 一种车载燃料电池混合动力系统的能量管理方法
CN110320473A (zh) * 2019-07-26 2019-10-11 上海理工大学 一种基于卡尔曼滤波及模糊逻辑汽车锂电池容量估计方法
CN110646739A (zh) * 2019-09-30 2020-01-03 闽江学院 一种多锂电池并联系统的soc状态估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
伍鹏;何锋;杨泽平;袁兴国;: "基于复合电源的纯电动商务车能量管理策略仿真", 机械设计与制造, no. 01 *
周美兰;刘占华;胡玲玲;: "纯电动汽车复合电源再生制动控制策略研究", 黑龙江大学自然科学学报, no. 03 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115071449A (zh) * 2022-07-20 2022-09-20 无锡军工智能电气股份有限公司 一种基于多模糊控制器的复合电源能量管理方法
CN115092012A (zh) * 2022-07-20 2022-09-23 四川轻化工大学 考虑复合电源系统多工作模式的等效荷电状态估计方法
CN115092012B (zh) * 2022-07-20 2024-04-12 四川轻化工大学 考虑复合电源系统多工作模式的等效荷电状态估计方法
CN115071449B (zh) * 2022-07-20 2024-04-19 无锡军工智能电气股份有限公司 一种基于多模糊控制器的复合电源能量管理方法

Also Published As

Publication number Publication date
CN112345940B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN112434463B (zh) 一种车辆复合电源能量管理系统
Tao et al. State of art on energy management strategy for hybrid-powered unmanned aerial vehicle
Li et al. Battery optimal sizing under a synergistic framework with DQN-based power managements for the fuel cell hybrid powertrain
Zhang et al. Battery durability and longevity based power management for plug-in hybrid electric vehicle with hybrid energy storage system
CN110126813B (zh) 一种车载燃料电池混合动力系统的能量管理方法
Zhang et al. A real-time energy management and speed controller for an electric vehicle powered by a hybrid energy storage system
CN109552079B (zh) 一种基于规则与Q-learning增强学习的电动汽车复合能量管理方法
CN102790407B (zh) 双蓄电池汽车供电系统中的充放电控制方法
CN108020791A (zh) 一种混合动力船舶磷酸铁锂动力电池组荷电状态估计方法
CN111308356A (zh) 一种带加权的安时积分的soc估算方法
CN112345940B (zh) 基于soc预估的车辆复合电源系统模糊逻辑控制方法
CN112069600A (zh) 一种多动力源混合动力系统及其能量管理方法
Xiao et al. The research of energy management strategy for fuel cell hybrid vehicle
CN111079349B (zh) 一种锂电池与超级电容复合电源系统能量实时优化方法
Jia et al. Energy management strategy of fuel cell/battery hybrid vehicle based on series fuzzy control
CN113076688A (zh) 一种锂离子动力电池效能状态评估方法
Hu et al. Energy management strategy for fuel cell hybrid vehicles considering optimal performance of multiple energy sources combined with ant colony algorithm
CN113352946A (zh) 一种燃料电池汽车动力系统的能量管理方法
Kumar et al. Hybrid energy storage system interface for electric vehicles
Kong et al. Energy management strategy coordinating lithium-ion battery and ultra-capacitor for electric vehicle
CN115208026A (zh) 一种电池组间源荷分离的主动能量均衡方法
Xu et al. Equivalent consumption minimization strategies of series hybrid city buses
Tian et al. An H 2-consumption-minimization-based energy management strategy of hybrid fuel cell/battery power system for UAVs
Cheng et al. Power prediction method of lithium-ion battery for unmanned vehicles based on combined constraint intelligence algorithm
Younes et al. Energy management based hybrid fuel cell/battery for electric vehicle using type 2 fuzzy logic controller

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant