旧版下载已关闭,请移步到新版下载(点击打开新版

基于数据驱动的电动自行车充电行为分析研究

资料来自用户(Endri)上传,若本站收录的文献无意侵犯了您的著作版权,请点击版权申明
导师姓名
焦庆春
学科专业
汽车工业
文献出处
浙江科技学院  年
关键词
电动自行车论文  数据驱动论文  充电行为论文  温升模型论文  电池老化论文  充电策略论文
论文摘要

随着我国社会与经济水平发展到新的层次,人们的出行需求、交通的堵塞状况、环境的污染问题等,这些现象之间的矛盾越来越尖锐。在此背景之下,电动自行车由于其快速便捷的出行性能,以及其经济舒适的成本因素,成为群众出行的重要交通工具。随着其保有量的迅速攀升,电动自行车的充电受到的关注度越来越高。电池作为电动自行车的动力来源,在电动自行车的充电行为中是研究的热点。根据我国电动自行车市场的现状以及相关的国家政策发布,动力锂电池将逐步代替铅酸蓄电池成为电动自行车市场的主体。但是动力电池由于充电时间长、电池老化、温度上升高等原因一直制约着电动自行车的发展。本论文以锂电池作为研究对象,通过等效电路模型对锂离子电池进行建模,不仅对电池的荷电状态和剩余充电时间进行了预测,还设计出了一种基于多种约束条件下的充电策略。本文的主要工作和成果如下:1.首先分析了锂电池的三种建模方法,选择等效电路模型作为数据分析的基础。通过对比选择二阶RC模型作为最后的电池模型,在此基础上依次引入了热模型和电池老化模型。通过对模型的电参数进行推导辨识,最后采用实验工况来进行验证,实验结果表明模型可以比较准确的模拟电池工作特性。2.提出一种剩余充电时间的预测模型,通过预测电池的荷电状态来预测电池的剩余充电时间,设计出了一种基于双层支持向量回归机的剩余充电时间预测模型。分别通过网格搜索、粒子群算法和遗传算法来对参数进行优化,并将结果分别与单层支持向量回归机和BP神经网络进行对比,结果显示双层支持向量回归机的预测结果误差在70s以内,能够准确拟合锂电池的剩余充电时间。与单层支持向量回归机和BP神经网络方法相比,该方法更适合于锂电池剩余放电时间的预测。3.为了提高充电速度,平衡电池使用寿命,提出一种基于锂离子电池充电时间、电池老化和温升的多段恒流充电策略。利用粒子群算法搜索最优充电策略,与传统恒流恒压充电方法进行对比,结果表明在充电时间缩短了近27%的情况下,电池仅多衰减了0.03,电池的温升也在正常的范围之内。

论文目录
关闭目录
摘要
abstract
第1章 引言
  1.1 研究背景与意义
  1.2 电动自行车的现状和发展
    1.2.1 电动自行车的发展现状
    1.2.2 电动自行车的结构类别
  1.3 电动自行车电池特性
  1.4 充电行为研究现状
  1.5 章节安排
第2章 电动自行车电池建模与参数辨识
  2.1 锂离子电池模型
    2.1.1 电化学模型
    2.1.2 等效电路模型
    2.1.3 神经网络模型
    2.1.4 电池模型的选择
  2.2 电池建模
  2.3 模型参数辨识
    2.3.1 OCV-SOC标定
    2.3.2 电池模型的参数辨识
  2.4 电池温升模型
  2.5 电池老化模型
  2.6 模型验证
    2.6.1 本文的实验装置
    2.6.2 参数辨识结果验证
    2.6.3 温升模型验证
  2.7 本章小结
第3章 电动自行车充电时间预测模型的建立
  3.1 剩余充电时间预测模型框架
  3.2 电池SOC预测
    3.2.1 电池SOC定义
    3.2.2 电池SOC预测方法
    3.2.3 支持向量回归机
    3.2.4 SOC模型预测步骤
  3.3 剩余充电时间预测
  3.4 实验仿真
    3.4.1 实验数据
    3.4.2 模型训练与预测
    3.4.3 模型对比验证
  3.5 本章小结
第4章 电动自行车充电策略的研究
  4.1 充电方法
  4.2 多段式充电方法
    4.2.1 考虑多约束的电池充电策略
    4.2.2 基于粒子群算法的最优充电电流计算
  4.3 结果与分析
  4.4 本章总结
第5章 结论与展望
  5.1 结论
  5.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果
全文下载
全文下载