《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 基于STM32-OCV法的純電動(dòng)汽車剩余里程預(yù)測(cè)
基于STM32-OCV法的純電動(dòng)汽車剩余里程預(yù)測(cè)
2017年電子技術(shù)應(yīng)用第12期
陳德海,,任永昌,,華 銘,黃艷國
江西理工大學(xué) 電氣工程與自動(dòng)化學(xué)院,,江西 贛州341000
摘要: 純電動(dòng)汽車的剩余里程精準(zhǔn)實(shí)時(shí)預(yù)測(cè)是動(dòng)力電池能量管理系統(tǒng)(BMS)研究的重要領(lǐng)域之一,。為解決其預(yù)測(cè)時(shí)誤差大,、自適應(yīng)性差和數(shù)學(xué)建模復(fù)雜的難點(diǎn),,利用優(yōu)化開路電壓法,,在電池包靜止足夠長和荷電狀態(tài)較大階段時(shí)預(yù)測(cè)荷電狀態(tài)初值,并及時(shí)更新標(biāo)準(zhǔn)里程SN和標(biāo)準(zhǔn)準(zhǔn)容量SOCN使其具有自適應(yīng)性,,消除累積誤差,,然后把坡度參數(shù),、非必要能耗設(shè)備容量參數(shù)轉(zhuǎn)化為里程參數(shù),,最后建立優(yōu)化OCV法數(shù)學(xué)模型及設(shè)計(jì)STM32硬件來預(yù)測(cè)剩余里程,利用EV-1型純電動(dòng)車試驗(yàn)記錄測(cè)試值與預(yù)測(cè)值比較,,其最大相對(duì)誤差為5.2%,,預(yù)測(cè)精度較現(xiàn)有其他方法有明顯提高。
中圖分類號(hào): U469.72
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.172168
中文引用格式: 陳德海,,任永昌,,華銘,等. 基于STM32-OCV法的純電動(dòng)汽車剩余里程預(yù)測(cè)[J].電子技術(shù)應(yīng)用,,2017,,43(12):33-35,39.
英文引用格式: Chen Dehai,,Ren Yongchang,,Hua Ming,et al. Prediction of electric vehicle remainder range based on optimized OCV with STM32[J].Application of Electronic Technique,,2017,,43(12):33-35,39.
Prediction of electric vehicle remainder range based on optimized OCV with STM32
Chen Dehai,,Ren Yongchang,,Hua Ming,,Huang Yanguo
School of Electrical Engineering and Automation,Jiangxi University of Science and Technology,,Ganzhou 341000,,China
Abstract: The accurate real-time prediction of the remainder range of the pure electric vehicle is one of the important fields in the research of the power battery energy management system(BMS). In this paper,to solve the prediction difficulties of the large error, poor adaptability and complex mathematical modeling ,the OCV is only used to predict the initial SOC value. When the standing time of the battery is long enough and its SOC is large, and the standard range SN and the standard capacity SOCN are updated in time with self-adaptability to eliminate the accumulated error. Then, the slope parameters and the non-essential energy consumption equipment capacity parameters are transformed into the range parameters under the standard SN. Finally, the optimized OCV mathematical model is established and the STM32 hardware hardware circuit is designed to predict the remainder range. It is tested by the pure electric vehicle EV-1 and the test values are recorded to compared with the predicted values. The results show that the maximum relative error is 5.2%, which is obviously improved compared with the other current methods.
Key words : power battery;BMS,;remainder range,;optimized OCV;STM32

0 引言

    電動(dòng)汽車具有低污染,、低噪音的顯著特點(diǎn),使之引領(lǐng)未來汽車工業(yè)的發(fā)展方向,。但電池技術(shù)的優(yōu)劣嚴(yán)重影響電動(dòng)汽車的發(fā)展,其中電動(dòng)汽車剩余里程的預(yù)測(cè)是關(guān)鍵技術(shù)之一,。SOC是電池能量管理系統(tǒng)(BMS)的主要參數(shù),,它與電動(dòng)汽車的剩余電量和剩余行駛路程具有近似線性關(guān)系。電動(dòng)汽車的剩余里程與電池端電壓,、充放電電流,、電池溫度、坡度,、車載燈飾的耗能,、循環(huán)次數(shù)等因素有關(guān)。純電動(dòng)汽車剩余里程的預(yù)測(cè)是用戶最關(guān)心的參數(shù)之一,,其能有效消除駕駛員因擔(dān)心剩余里程達(dá)不到目的地而產(chǎn)生的里程焦慮[1],。因此精確、迅速,、穩(wěn)定地預(yù)測(cè)電動(dòng)汽車剩余里程的研究具有重要意義,。

    目前,電動(dòng)汽車剩余里程的預(yù)測(cè)主要有直接預(yù)測(cè)和間接預(yù)測(cè)兩類方法,。直接預(yù)測(cè)法根據(jù)測(cè)量剩余里程的表征參數(shù),,如剩余電量、標(biāo)準(zhǔn)里程,、坡度系數(shù)和車載設(shè)備耗電量等建立數(shù)學(xué)模型,,直接得出剩余里程;間接預(yù)測(cè)法主要根據(jù)剩余里程與剩余SOC之間的強(qiáng)映射關(guān)系,,在標(biāo)準(zhǔn)里程確定的情況下二者可以相互轉(zhuǎn)化,,通過預(yù)測(cè)電池的SOC間接測(cè)量剩余里程[2]。預(yù)測(cè)電池SOC的方法主要有安時(shí)積分法,、開路電壓法(OCV),、卡爾曼濾波法、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和模糊控制,。本文針對(duì)現(xiàn)有方法誤差大,、自適應(yīng)性差的不足,基于優(yōu)化OCV法及利用STM32對(duì)純電動(dòng)汽車剩余里程的實(shí)時(shí)預(yù)測(cè)進(jìn)行優(yōu)化研究,。

1 剩余里程預(yù)測(cè)原理

1.1 優(yōu)化OCV法預(yù)測(cè)初值SOC0

    當(dāng)電池靜置足夠長時(shí),,能有效消除電池內(nèi)部化學(xué)、電極化現(xiàn)象,,此時(shí)開路電壓(OCV)約等于電池端電壓(Ub)[3],。當(dāng)電池靜置足夠長時(shí),內(nèi)部達(dá)到化學(xué)平衡,,測(cè)得Ub-SOC數(shù)據(jù),然后擬合出映射函數(shù),,再測(cè)得Ub,利用映射函數(shù)間接測(cè)得SOC,。該方法簡單易操作,,應(yīng)用廣泛[4]。如圖1所示,,大量放電實(shí)驗(yàn)表明,,電池SOC與OCV存在近遞增關(guān)系,SOC較大階段預(yù)測(cè)誤差比較小,,在SOC<0.4后誤差遞增,,此時(shí)利用OCV法預(yù)測(cè)初值(SOC0)誤差比較小[5]。利用Isqurvefit進(jìn)行擬合,,得到相應(yīng)的函數(shù)關(guān)系為:

    qrs1-gs1.gif

qrs1-t1.gif

1.2 剩余里程預(yù)測(cè)模型

    影響電動(dòng)汽車動(dòng)力剩余里程預(yù)測(cè)的因素主要有內(nèi)部電池包因素(如電池端電壓,、充放電電流、電池溫度,、循環(huán)次數(shù)等)和外部因素(如已行駛路程,、道路坡度、載荷,、車載設(shè)備的耗能等)。為了精確,、迅速,、穩(wěn)定地預(yù)測(cè)電動(dòng)汽車剩余里程,優(yōu)選內(nèi)部因素電池端電壓Ub和外部因素已行駛路程,、道路坡度與車載設(shè)備的耗能作為預(yù)測(cè)剩余里程的表征參數(shù),。

    剩余里程與剩余SOC之間具有近似線性的映射關(guān)系,在標(biāo)準(zhǔn)里程確定的情況下,,二者可以近似正比關(guān)系,。為了使剩余里程的預(yù)測(cè)具有自適應(yīng)性,定義動(dòng)態(tài)SN和SOCN

    (1)標(biāo)準(zhǔn)里程SN:電動(dòng)汽車的額定行駛里程會(huì)隨著汽車本身的折舊和外部因素漸進(jìn)性的改變,,因此為減小累積里程誤差,,定義標(biāo)準(zhǔn)里程SN,電池容量或道路坡度里程每達(dá)到一次設(shè)定值時(shí)更新一個(gè)末值,,如式(2),。

qrs1-gs2.gif

    (2)標(biāo)準(zhǔn)容量SOCN:電動(dòng)汽車電池的額定容量會(huì)隨著循環(huán)次數(shù)、溫度和健康狀態(tài)(SOH)等因素漸進(jìn)減少,,因此為了減小累積SOC誤差,,溫度或者循環(huán)次數(shù)達(dá)每到設(shè)定值一次時(shí)更新一個(gè)末值,如式(3),。             

qrs1-gs3.gif

    在標(biāo)準(zhǔn)里程SN和標(biāo)準(zhǔn)準(zhǔn)容量SOCN確定后,,把其他相應(yīng)參數(shù)轉(zhuǎn)化為里程參數(shù)。由式(1)可得到初始SOC0,,再轉(zhuǎn)化為初始里程參數(shù)S0,;η1為轉(zhuǎn)化折損系數(shù),由實(shí)驗(yàn)測(cè)試得式(4),。

qrs1-gs4-5.gif

    (4)設(shè)備能耗里程參數(shù)的轉(zhuǎn)化:電動(dòng)汽車的車載設(shè)備也會(huì)消耗電能,,非必須耗能設(shè)備(如照明燈、音響和空調(diào)等)會(huì)干擾剩余里程的預(yù)測(cè),,其他必用設(shè)備已經(jīng)考慮在標(biāo)準(zhǔn)里程SN和標(biāo)準(zhǔn)準(zhǔn)容量SOCN中,,因此不會(huì)干擾剩余里程的預(yù)測(cè),不必再計(jì)算,。把非必須耗能設(shè)備的總額定容量累積后再轉(zhuǎn)化為里程值Scon

qrs1-gs6-7.gif

2 預(yù)測(cè)剩余里程硬件設(shè)計(jì)

    純電動(dòng)汽車載系統(tǒng)設(shè)備要求在滿足功能需求時(shí)盡可能體積小,、功耗低、運(yùn)行快和穩(wěn)定可靠,。ARM嵌入式芯片STM32的處理器內(nèi)核小,、占用空間小、功耗低,、運(yùn)行穩(wěn)定可靠,、功能相對(duì)強(qiáng)大,比較適合設(shè)計(jì)的預(yù)測(cè)剩余里程[6],。STM32103x芯片配置外部電路后能滿足標(biāo)準(zhǔn)里程SN和標(biāo)準(zhǔn)準(zhǔn)容量SOCN判別與更新,、端電壓Ub的檢測(cè)、位移S檢測(cè),、傾斜角α檢測(cè),、能耗設(shè)備的啟動(dòng)及運(yùn)行時(shí)間的檢測(cè),最后實(shí)時(shí)計(jì)算并顯示,。由于電路設(shè)計(jì)占據(jù)大量篇幅,,以下優(yōu)選重要外部電路設(shè)計(jì)進(jìn)行介紹,。

    端電壓采集:端電壓Ub在消除內(nèi)部極化現(xiàn)象時(shí)近似等于OCV,因此可檢測(cè)Ub,,取代檢測(cè)OCV(其檢測(cè)比較復(fù)雜)[7],。 

    行駛位移采集:電動(dòng)汽車行駛里程測(cè)量的精確與否對(duì)剩余里程預(yù)測(cè)至關(guān)重要,Scon,、Sα和S都依靠其計(jì)算,,因此對(duì)位移傳感器的精度要求較高,其采用霍爾型非接觸式轉(zhuǎn)速傳感器??紤]到電動(dòng)汽車的行駛特點(diǎn),,STM32103x系列的外部中斷有電平觸發(fā)和邊沿觸發(fā),在編程時(shí),,根據(jù)性能要求優(yōu)選邊沿觸發(fā)方式進(jìn)入中斷,。

3 剩余里程預(yù)測(cè)流程

    剩余里程預(yù)測(cè)流程步驟如下:

    (1)以EV-1型純電動(dòng)車為試驗(yàn)對(duì)象,在UDDS工況下,,不同溫度,、不同核電狀態(tài)下進(jìn)行,分別采集數(shù)據(jù)Ub,、位移S,、傾斜角α、能耗設(shè)備的啟動(dòng)及運(yùn)行時(shí)間t,、溫度T,、循環(huán)次數(shù)N,然后隨機(jī)選擇2 000組數(shù)據(jù)作為預(yù)測(cè)值和測(cè)試值,。為了減小誤差,,對(duì)所有數(shù)據(jù)進(jìn)行歸一化處理。

    (2)初始化參數(shù),,利用式(2),、式(3)根據(jù)實(shí)際參數(shù)更新標(biāo)準(zhǔn)里程SN和標(biāo)準(zhǔn)準(zhǔn)容量SOCN。采集靜止時(shí)間t,,利用式(1),、式(4)計(jì)算S0

    (3)采集溫度T,、N,、S、w,、α系數(shù),利用式(5)~式(7)分別計(jì)算計(jì)Sα,、Scon,、Sre

    (4)根據(jù)功能要求設(shè)計(jì)STM32103x相應(yīng)電路、配置參數(shù),。

    (5)根據(jù)預(yù)測(cè)原理及硬件特點(diǎn)進(jìn)行編程預(yù)測(cè)及試驗(yàn),。

4 試驗(yàn)測(cè)試及分析

4.1 試驗(yàn)平臺(tái)

    以EV-1型純電動(dòng)車為試驗(yàn)對(duì)象,依據(jù)《電動(dòng)汽車能量消耗率與續(xù)駛里程試驗(yàn)方法》,,以40 km/h等速進(jìn)行試驗(yàn),,為防止過放電損害電池包,充滿電時(shí)SOC等于1,,在SOC等于0.2時(shí)停止試驗(yàn),,再次充電并靜置12 h,消除內(nèi)部極化現(xiàn)象后再繼續(xù)試驗(yàn),,重復(fù)以上試驗(yàn),。在UDDS工況、不同溫度T及初始SOC下進(jìn)行試驗(yàn),,分別采集數(shù)據(jù)Ub,、S、α,、能耗設(shè)備的啟動(dòng)及運(yùn)行時(shí)間t,、溫度T、循環(huán)次數(shù)N,、剩余里程S*re,。隨機(jī)選擇2 000組數(shù)據(jù)作為參數(shù)預(yù)測(cè)得Sre并與相應(yīng)的試驗(yàn)值S*re做比較。

4.2 試驗(yàn)結(jié)果及對(duì)比分析

    利用OCV法,、AH積分法與優(yōu)化OCV法預(yù)測(cè)剩余里程對(duì)比,。圖2、圖3為基于優(yōu)化OCV法的剩余里程預(yù)測(cè)結(jié)果及相對(duì)誤差,,誤差無累積,,最大相對(duì)誤差為5.2%;圖4為基于OCV法的預(yù)測(cè)結(jié)果,最大相對(duì)誤差為13.3%,,SOC較低時(shí)誤差會(huì)劇增,;圖5為基于AH積分法預(yù)測(cè)結(jié)果,最大相對(duì)誤差為8.8%,,誤差會(huì)累積,。通過以上3種剩余里程預(yù)測(cè)法相比,表明優(yōu)化OCV法預(yù)測(cè)效果相比其他兩種算法有明顯改善,。

qrs1-t2.gif

qrs1-t3.gif

qrs1-t4.gif

qrs1-t5.gif

5 結(jié)論

    本文根據(jù)優(yōu)化OCV法得到準(zhǔn)確的SOC初值,,并根據(jù)條件更新標(biāo)準(zhǔn)里程SN和標(biāo)準(zhǔn)容量SOCN,使預(yù)測(cè)誤差降低并提高自適應(yīng)性,;把所有影響因素參數(shù)轉(zhuǎn)化成SN標(biāo)準(zhǔn)下的相應(yīng)里程參數(shù),,單位統(tǒng)一,,降低建立數(shù)學(xué)模型、STM32硬件設(shè)計(jì)的難度,。其最大相對(duì)誤差為5.2%,,相比較現(xiàn)有其他方法,優(yōu)化效果有明顯提高,,證明了該方法優(yōu)化的可行性,。

參考文獻(xiàn)

[1] HIDRUE M K,PARSONS G R,,KEMPTON W,,et a1.Willingness to pay for electric vehicles and their attributes[J].Resource and Energy Economics,2011,,33(3):686-705.

[2] 王艷靜,,劉光明,馮超.電動(dòng)汽車剩余里程估計(jì)算法研究與驗(yàn)證[J].Development of Energy Science,,2015,,3(1):1-7.

[3] 麻友良,陳全世,,齊占寧.電動(dòng)汽車用電池SOC定義與檢測(cè)方法[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版),,2001,41(11):95-97.

[4] PILLER S,,PERRIN M,,JOSSEN A. Methods for state of charge determination and their applications[J].Journal of Power Sources,2001,,96 (1):113- 120.

[5] 龍宇舟,,郭毅峰,韓峻峰,,等.一種基于預(yù)測(cè)開路電壓估算SOC初值的方法[J].通信電源技術(shù),,2014,31(3):14-24.

[6] 陳果,,郭慶,,王金宏,等.基于STM32的蓄電池檢測(cè)系統(tǒng)[J].國外電子測(cè)量技術(shù),,2012,,31(1):70-73.

[7] 丁力,宋志平,,徐萌萌,,等.基于STM32的嵌入式測(cè)控系統(tǒng)設(shè)計(jì)[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,,44(1):260-265.


作者信息:

陳德海,,任永昌,,華  銘,,黃艷國

(江西理工大學(xué) 電氣工程與自動(dòng)化學(xué)院,,江西 贛州341000)

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載,。