新能源汽车仿真团队-CSDN博客

原创电动汽车仿真系列-串联式混合动力汽车恒温器/功率跟随控制策略

串联式混合动力汽车控制策略（恒温器+功率跟随+复合控制）1、串联式混合动力汽车控制策略串联式混合动力汽车由发动机、发电机和驱动电机相串联构成车辆的驱动系统，其中发动机与发电机组成辅助动力单元，仅用于给电机提供驱动汽车行驶所需要的电能，不会直接驱动车辆。当发动机产生的功率大于行驶所需时，发动机功率的就有两个去向，其中一部分能量供给驱动电机，用来带动车辆行驶，另一部分则对动力电池进行充电，以便增加车辆的行驶里程。对于串联式混合动力客车来说，电池可以单独给电动机提供能量，用以驱动车辆行驶，这时混合动力客车

2021-04-19 18:26:41 6034 1

原创电动汽车仿真系列-电动汽车复合电源的建模与仿真研究

电动汽车复合电源的建模与仿真研究1、ADVISOR2002二次开发1.1、点亮第二个能量源首先ADVISOR2002的原模型中，ess2能源模块是灰色的，如需点亮ess2，我们必须把ess里面的数据复制到ess2里面去，代码如下：options.energy_storage2 = options.energy_storageoptions.ess2_ver = options.ess_veroptions.ess2_type = options.ess_type 输出结果：1.2、

2021-04-17 13:38:01 2359 1

原创电池SOC仿真系列-基于UKF算法的电池SOC估算研究

基于UKF算法的电池SOC估算1、UKF算法无迹卡尔曼滤波是将数据变化（UT变换）与卡尔曼滤波结合起来的一种算法，通过UT变换将一个状态点转换为多个状态点，依据一定的权重传递给后面观测值，再根据后面的观测值和真实值的误差，向前反馈，不断修正，最后得到理想的状态值。以SOC估算为例，卡尔曼滤波的估算思路分为预测和更新两阶段。预测阶段：根据k时刻的SOC(k)值、输入电流I(k)和SOC的误差P(k)来估算k+1时刻的SOC(k+1)、误差P(k+1)和k时刻的端电压U(k)。更新阶段

2021-04-08 16:00:14 4751 2

原创电池SOC仿真系列-基于遗忘因子的最小二乘法电池参数辨识（二阶RC）

基于遗忘因子的最小二乘法电池参数辨识最小二乘法是系统辨识中最常用的一种估算方法。为了克服最小二乘法存在”数据饱和”的问题，我们通常采用含有遗忘因子的递推最小二乘法(Forgetting Factor Recursive Least Square,FFRLS)算法进行电池模型的参数辨识。1、二阶RC数学模型的建立一般来说，建立精准的电池模型我们需要考虑以下几点：该模型能够准确的描述电池的动态及静态特性；该模型复杂度较低，易于计算；该模型工程实现较为简单可行。综合考虑，我们选择二阶RC等效电路模型

2021-03-28 20:14:18 18254 1

原创电池SOC仿真系列-基于卡尔曼滤波算法的电池参数辨识

基于卡尔曼滤波算法电池参数辨识1 锂离子电池模型的建立一般来说，建立精准的电池模型我们需要考虑以下几点：该模型能够准确的描述电池的动态及静态特性；该模型复杂度较低，易于计算；该模型工程实现较为简单可行。综合考虑，我们选择二阶RC等效电路模型。为了对电池等效电路模型进行参数辨识，我们需要把电池模型转化为可应用最小二乘法辨识的数学形式。如下式所示：令时间常数：则上式可以转化为：令：则上式化简为：令：代入上式进行离散化处理，其中T为采样时间，整理可得：

2021-03-06 15:39:55 11365 1

原创电池SOC仿真系列-基于Parameter Estimation Toolbox的电池参数辨识

基于Parameter Estimation Toolbox电池参数辨识1 引言等效电路模型基于电池的工作原理，利用电阻、电容等电子元件组成的电路网络来描述电池的工作特性。由于物理意义明确清晰，便于进行数学分析和参数的辨别，在新能源汽车仿真中的应用广泛。传统的Thevenin模型虽然考虑了电池的极化现象，但精度不高，对于精确地了解电池的状态信息仍有困难。二阶RC模型既充分考虑了电池的极化阻抗对性能的影响，又能及时准确地反映电池的状态信息，模型精度较高且较容易实现。故对二阶RC模型展开研究。2 Si

2021-01-19 14:14:52 7145 1

原创电池SOC仿真系列-基于Simscape搭建的锂电池模型

基于Simscape搭建的的锂电池模型1 引言为了保证电池储能系统安全、可靠运行，电池管理系统需对储能系统中锂电池的多种状态做出估计和预测，如荷电状态（State of Charge，SOC）、健康状态、内阻等，而实现这些功能的前提是建立精确、可靠的锂电池模型，同时，也是电池管理系统亟待解决的技术关键。动力锂电池的非线性特性使得许多方法难以得到准确的估计结果。因此，必须建立一个合适的数学模型来表征电池的特性。本期就给大家讲解一下如何通过Simscape建立精准的电池模型。锂电池建模的方法有很多

2020-11-25 17:04:11 18632 5

原创电池SOC仿真系列-基于双卡尔曼滤波（KF+UKF）算法的电池SOC估算

前文讲述了基于扩展卡尔曼滤波（EKF）的，本期带来基于无迹卡尔曼滤波（Unscented Kalman Filter，UKF）的双卡尔曼滤波（KF+UKF）算法的电池SOC估算。

2022-09-04 10:40:30 3686 3

原创电池SOC仿真系列-基于粒子群算法电池参数辨识

目前，主要的电池模型参数辨识方法有两大类：一种是基于传统的参数估计方法，例如：最小二乘拟合方法添加链接描述，基于遗忘因子最小二乘法添加链接描述，基于参数辨识工具箱的辨识方法添加链接描述。此类方法的优点是直观简单，适用于大部分电池管理系统；另一种方法是基于智能优化算法，例如遗传算法添加链接描述、粒子群算法及蜂群算法等。此类方法相对于传统方法在可靠性及鲁棒性方面具有一定的优势。...

2022-08-15 10:52:16 4353 1

原创基于“无功控制”模式下双馈风机并网系统研究

双馈风力发电机并网的方式主要包括：空载并网、负荷并网、孤岛并网和电动并网。空载并网是指双馈风机在进行并网前不带有任何负荷，风电机不对能量以及转速进行控制，其转子励磁通过交流电源来完成，风电机定子电压随转子励磁电流的变化而变化，当定子输出电压与电网电压同频率、同幅值、同相位时，即在满足并网条件时，发电机的定子与电网相连。空载并网优点是调控方法简便、性能优良、方式清楚且装置简易。缺点是稳定性不足。负荷并网这种方法是指进行双馈发电机并网前带有单独负荷，定子侧存在电流，发电机能够对能量进行调节，发电

2022-06-08 16:13:53 3390

原创电动SOC仿真系列-考虑电池老化影响的电池UKF-SOC估算研究

考虑电池老化影响的电池UKF-SOC估算研究（无迹卡尔曼滤波算法）传统的电池模型往往将电池容量设定为定值。然后在实际情况中，电池的容量会随着电池循环充放电次数的增加而减少。因此有必要在建立电池模型的时候，考虑电池容量受电池老化因素的影响。1、电池模型的构建考虑具有温度影响的等效电路模型如下图所示：上图中，Em表示电压源，R0表示欧姆内阻，R1C1表示电池极化效应。基于Simscape构建基于热效应的电池模型。该电池模型的状态转移方程可表示为：式中，R1C1以电池SOC和

2022-03-22 10:52:25 2535

原创风力发电仿真系列-基于Simulink搭建的DFIG仿真模型

基于Simulink搭建的DFIG仿真模型双馈式感应发电机（DFIG）是在同步电机和异步电机的基础上发展起来的一种新型发电机。DFIG的主要优点是其足够宽的速度范围，能使组合式风力涡轮机以最佳的性能系数运行。由于定子电压由电网施加，因此是不可控的，因此在dq域中建模DFIG的目的是通过dq域中转子电流或电压的两个解耦轴向分量来控制DFIG（其速度、电磁转矩等）。通常，选择d轴与转子漏磁空间矢量或定子电压方向对齐。在本项目中，定子电压vs的方向被选为d轴。 d轴的转速等于电空间中vs的转速，即：

2022-03-04 21:45:54 8146

原创电池SOH仿真系列-基于LSTM神经网络的电池SOH估算方法

基于LSTM神经网络的电池SOH估算循环神经网络（Recurrent Neural Network，RNN）与BP神经网络不同，RNN网络不仅考虑前一时刻的输入，同时还赋予网络对前面时刻信息的记忆能力。尽管RNN网络具有较高的精度，但其存在着梯度消失的问题。对此，出现了一系列改进的RNN网络，而LSTM神经网络就是其中改进效果最好的一种。基于LSTM神经网络的电池SOH估算方法具体如下所示：（1）锂离子电池循环寿命数据数据来源于NASA研究中心搭建的锂离子电池测试平台，选取5号锂离子电池（

2022-01-19 18:01:19 7277

原创电池SOC仿真系列-基于RNN的电池SOC估算研究

基于RNN算法的电池SOC估算循环神经网络（Recurrent Neural Networks，RNN）是一种深度学习的神经网络框架，其与普通神经网络最本质上的区别在于，RNN可以保留上一时刻的隐藏层的状态。因此，RNN具有十分强大的学习能力。RNN网络的递推公式如下所示：式中，ot表示RNN在t时刻的输出值，V表示输出层和隐含层之间的权重矩阵，st表示RNN在t时刻隐含层的数值，xt表示RNN在t时刻的输入值，U表示输入层和隐含层之间的权重矩阵，W表示st和st-1之间的权重矩阵，f表示隐含

2021-12-08 12:49:33 3279 3

原创电机仿真系列-基于最小二乘法的永磁同步电机参数辨识

基于最小二乘法的永磁同步电机参数辨识永磁同步电机具有体积小、转动惯量低、结构简单等优点，被广泛应用于控制系统中。然而在实际应用过程中，控制系统会受到高温、负载等外界因素的影响，永磁同步电机的电感、转子磁链等参数会发生变化，导致系统振荡，影响实际控制效果。因此精确的参数辨识是为了达到更好地控制效果的必要条件。目前常用的电机参数辨识方法有：卡尔曼滤波算法、最小二乘法、遗传算法、粒子群算法等。考虑到最小二乘法结构简单、易于实现的优点，本期采用基于最小二乘法的永磁同步电机参数辨识方法。基于对永磁同步电机的推导

2021-10-26 10:02:22 10330 15

原创光伏发电仿真系列-光伏并网发电系统研究

光伏并网发电系统研究太阳能是一种辐射能，它必须借助于能量转换器才能转换成为电能。这种把光能转换成电能的能量转换器，就是光伏电池。光伏电池能量转换的基础是半导体P-N结的光生伏打效应。所谓光生伏打效应，简言之，就是当物体受到光照时，物体内的电荷分布状态发生变化而产生电动势和电流的一种效应。1、光伏电池等效模型在电路闭合状态下，光伏电池受光的照射便产生电流。这个电流随着光强的增加而增大，当接受的光强度一定时，可以将光伏电池看作恒流电源。光伏电池可看作P-N结型二极管，在光的照射下产生正向偏压，所以

2021-10-24 09:37:39 2203

原创电机仿真系列-基于LabVIEW的电机测试系统研究

基于LabVIEW的电机测试系统研究本设计基于LabVIEW设计一个直流有刷电机PID调试及控制助手，实现PID参数调节及电机转速及位置的控制。系统下位机采用STM32F103作为直流有刷电机控制的主控芯片，上位机运用LabVIEW的VISA模块实现与下位机的串口通信，上位机可实现对直流有刷电机的位置及速度PID控制参数的调节、目标值波形及实际波形的显示和直流有刷电机位置及速度的控制。1、总体方案系统以STM32F103C8T6单片机作为主控，控制系统部分由USB供电，电机驱动部分由12V动力

2021-08-26 15:26:13 9680 6

原创电池SOC仿真系列-基于GA-BP神经网络的电池SOC估算方法

基于GA-BP神经网络的电池SOC估算方法1、引言考虑到遗传算法具有全局最优的特点，能够很好的优化BP神经网络的初始权值和阈值，克服BP神经网络陷入局部最优的缺点，本期内容为基于GA-BP神经网络的电池SOC估算方法。2、BP神经网络 BP学习算法根据梯度最速下降法原理，调整权值和阈值使得网络总误差达到最小。本文以电池温度、电流、电压3个影响因素作为BP网络的输入，电池SOC作为BP网络输出。 BP算法的步骤如下：clc ;clear all;load 电池测试数据.mat% 训

2021-08-11 19:44:15 4893 3

原创 Matlab遗传算法工具箱的使用

Matlab遗传算法工具箱的使用遗传算法（Genetic Algorithm，GA）是J.Holland教授1975年在其专著中首次发表，又经Goldberg、DeJong等研究总结形成的一种模拟进化算法，其基于生物进化和物种选择理论模拟自然界基因进化的过程与机理来实现最优值搜索。“适者生存”是遗传算法效仿的基本原理，算法通过模仿基因复制、交换、变异等过程使初始解最终逼近最优解。1、遗传算法的基本概念由于遗传算法的理念主要源于生物进化理论，所以算法中的许多专业概念与生物进化中的概念很相近，以下

2021-07-20 16:45:42 5066

原创风力发电仿真系列-基于Simulink搭建的变速恒频双馈风力发电模型

基于Simulink搭建的变速恒频双馈风力发电模型1、双馈风力发电机运行原理基于变速恒频控制技术的交流励磁双馈发电系统主要由风机、变速箱、双馈发电机、变频器、励磁系统和控制系统组成。定子侧接电网，转子侧外接变频器实现交流励磁。2、双馈发电机的数学模型双馈异步发电机是一个高阶非线性强耦合的多变量系统，将矢量控制技术应用于双馈发电机，可实现发电机输出有功功率、无功功率的解耦控制。调节风电机组转速可控制有功功率，进而实现最大风能捕获的追踪控制；调节电网功率因数可控制无功功率，提高风电机组及电力系统

2021-07-19 15:52:21 10039 5

原创风力发电仿真系列-基于Simulink搭建的双馈风力发电（DFIG）模型

基于Simulink搭建的双馈风力发电（DFIG）模型1、双馈风力发电机双馈异步风力发电机（DFIG）是一种绕线式感应发电机，是变速恒频风力发电机组的核心部分。DFIG主要由两大部分组成，分别是冷却系统和本体：本体的组成是定子、转子以及轴承，而冷却系统则分为空空冷、水冷和空水冷三类结构。 DFIG为何称为“双馈”发电机：（1）发电机其中的定子和转子侧都参与到了电网输电的过程中；（2）实现发电机的有功功率以及无功功率进行单独的调节，对电网实施无功补偿；（3）DFIG同时囊括了异步

2021-07-17 17:58:54 25664 13

原创电池SOC仿真系列-基于双卡尔曼滤波算法的电池SOC估算研究

基于双卡尔曼滤波算法的电池SOC估算1、DEKF算法由于SOC无法直接测量，只能通过观测信号来估计SOC的变化。常用的电池SOC估算方法有安时积分法、开路电压法和卡尔曼滤波算法。而卡尔曼滤波算法正是利用前一时刻的状态估计值和当前时刻的输出观测值来推出当前时刻的状态估计值。该算法能够有效降低测量过程中噪声的干扰，从而提高精确度。安时积分法作为一种开环估计方法，在短时间内能够较好的跟踪电池SOC的变化，但由于没有校正反馈功能，误差会随着时间的累积越来越大且自身不能够获得电池SOC初始值，而SOC初

2021-07-06 20:32:28 4769 1

原创电池SOC仿真系列-Battery模块

Simulink中的Battery模块1、概述如果进行电池SOC的建模，常常会用到Simulink中的Battery模块，本期基于Matlab中的help文件，会大家概述Battery模块的用法。Simulink中的Battery模块如下图所示：双击Battery模块会出现参数设置的界面：如果为Battery charge capacity参数选择Infinite，则模块将电池建模为串联电阻器和恒压源。如果您为Battery charge capacity参数选择Finite，则模块

2021-06-02 10:36:14 13914

原创电池SOC仿真系列-基于EKF算法的电池SOC估算研究

基于EKF算法的电池SOC估算1、SOC估算模型的选择电池模型是电池状态估计算法研究的基础，模型的选取需要综合考虑模型的精度、复杂度、实用性等因素。由于电化学模型涉及电池内部反应机理，模型比较复杂；神经网络模型的应用需要基于大量实验数据进行数据训练；而等效电路模型简单，且物理意义清晰。综合考虑，等效电路模型更适用于本项目的研究。选用一阶RC模型，模型较简单，模型精度较高，应用也比较广泛。如下图所示。一阶RC模型，由如下几部分组成：1）理想电压源，表示开路电压OCV（随SOC的不同而变化）；2

2021-05-19 16:56:14 7978 1

原创电动汽车仿真系列-基于Simulink的并联混合动力汽车建模分析

基于Simulink的并联混合动力汽车建模分析本期介绍一种基于Simulink的并联混合动力汽车的建模方法。并联混合动力汽车的工作模式可以分为六种。纯电动模式、纯发动机模式、混合驱动模式、充电模式、再生制动模式、怠速停车模式。当电池SOC较高且并联混合动力汽车处于低速或轻载等工况时，发动机停止工作，由电池提供能量驱动电机带动整车运动；当电池SOC维持在正常范围内且并联混合动力汽车处于中高速或中等负荷时，电机停止工作，发动机带动整车运动（此时，发动机工作于高效区且排放性能好）；当并联混

2021-04-25 20:43:17 9395 5

原创电池SOC仿真系列-基于遗传算法的电池参数辨识

基于遗传算法的电池参数辨识1、遗传算法基本思想遗传算法（Genetic Algorithms）是一种启发式的随机非线性优化与搜索方法，用于模拟生物界的自然选择与遗传过程，从原理和实现手段等方面区别于传统数学规划的优化算法。遗传算法运算过程的实质就是对待求解问题的解群的重复迭代过程，该解群由M个初始解组成，通过不断的对解群进行交叉、变异运算和选择，即对初始解群进行遗传与进化操作，得到新一代染色体组成后代解群。通过采取优胜劣汰原则，将由遗传与进化得到的子代中适应值高的染色体以较大的概率保存到每次迭代的后

2021-04-11 15:21:57 5436 4

原创电动汽车仿真系列-基于动态规划的混合动力汽车能量管理

基于动态规划的混合动力汽车能量管理1 混合动力汽车能量管理混合动力汽车因发动机尺寸减小、制动能量回收及合理分配能量流等原因使其燃油经济性和排放性优于普通内燃机汽车，而如何在满足整车动力性能指标的前提下合理地分配各系统部件间的能量以获得最佳性能就要依靠合适的能量管理策略实现。常见的控制策略包括：基于规则的控制策略、瞬时优化控制策略、全局最优控制策略、智能控制策略。本文以一款并联式混合动力客车为研究对象，介绍一种基于动态规划的混合动力汽车能量管理方法。2 动态规划的基本概念对于一个离散系统，可表

2021-03-01 11:04:47 7787 3

原创基于Simulink的电动汽车再生制动仿真建模

再生制动又称再生回馈制动，其原理是在制动时将汽车行驶的惯性能量通过车轮经由传动系统传递给电机，控制电机以发电方式工作，为动力电池充电，实现制动能量的再生利用。与此同时，发电过程中产生的电机制动力矩又可通过传动系统对驱动轮施加制动，产生制动力。1、ADVISOR2002仿真模型各个模块之间用带箭头的连线连接，箭头表示了仿真数据流的方向。箭头从左到右传递是后向路径，在该路径中下级模块对上级模块提出的转矩请求和速度请求或者功率请求。箭头从右到左传递是前向路径，上级模块向下级模羹提供可用的功率或转矩和

2020-07-22 19:59:47 8067

c85759351的博客