电动汽车Discover蓄电池系统的电气建模

 如今，世界正处于快速的技术发展之中，包括交通运输业在内的所有行业都受到了影响。电动汽车被视为一项有希望的技术，有助于减少排放并降低对化石燃料的依赖。然而，这些车辆的开发很大程度上取决于所使用的电池技术的进步。锂离子电池因其高能量密度、长使用寿命、轻便、低放电率、成本效益以及无记忆效应等先进特性，成为电动汽车中最常用的电池类型之一。此外，它们由环保材料制成，不产生有害排放，并提供高安全水平，这使得它们成为满足电动汽车高性能要求的理想选择。这些电池的合适模型对于模拟许多操作至关重要，例如电动汽车中的电压估计、荷电状态（SOC）估计、功率和衰减分析、电池寿命计算，以及开发控制和优化策略。尽管在电池建模和行为预测方面已经进行了大量研究，但仍存在一些尚未解决的问题。电池被认为是现代电动汽车系统中的关键组件。本论文探讨了电动汽车电池建模这一主题。Tez，专注于应用先进方法来预测电池性能并提高建模准确性，从而旨在提高电池的效率和可靠性。在此背景下，提出了一种使用二阶传递函数来预测电池电压和确定荷电状态的简单有效方法。该模型通过输入信号（电流）与输出响应（电压）之间的数学关系，定义了电池的动态行为。传递函数从实验数据中推导出来，用于建立捕捉瞬态和静态电池响应的线性模型。所提方法的性能与另一种模型——热等效电路模型进行了比较。比较结果表明，所提方法在电压预测方面表现良好，在荷电状态预测方面也取得了成功，但与电压预测相比，其准确度略低。为了处理充电状态结果并获得更准确的结果，该研究在建模框架中集成了人工神经网络，特别是人工神经网络。人工神经网络被用于捕捉电池行为中的非线性关系和复杂模式；这些关系可能无法被传统的传递函数完全处理。结果表明，与传递函数模型相比，神经网络模型在预测电池充电状态方面具有更高的准确性。最后，本研究最重要的发现已在方法论和结果部分进行了总结。