为了解决锂电池能量管理系统中均衡速率较慢且控制原理复杂的问题,提高锂电池能量管理系统的性能,文章提出了一种以电池组中单体电池之间的荷电状态(state of charge,SOC)差值为控制目标的神经元PID均衡控制算法。在Matlab/Simulink中...为了解决锂电池能量管理系统中均衡速率较慢且控制原理复杂的问题,提高锂电池能量管理系统的性能,文章提出了一种以电池组中单体电池之间的荷电状态(state of charge,SOC)差值为控制目标的神经元PID均衡控制算法。在Matlab/Simulink中建立充放电反激式变压器电路拓扑结构,并搭建神经元PID控制算法模型,加入到均衡电路拓扑结构中进行仿真验证。仿真验证结果表明:神经元PID控制电路相比于PID控制电路在充电过程中均衡时间提高了约5.9%,放电过程中均衡时间提高了约26.4%,有效地缩短了单体电池能量达到一致所需要的时间;该神经元算法提高了PID控制的自学习能力,在PID均衡的基础上改善了电路拓扑结构的均衡效率,对进一步完善锂电池能量管理系统具有一定的理论指导意义。展开更多
文摘为了解决锂电池能量管理系统中均衡速率较慢且控制原理复杂的问题,提高锂电池能量管理系统的性能,文章提出了一种以电池组中单体电池之间的荷电状态(state of charge,SOC)差值为控制目标的神经元PID均衡控制算法。在Matlab/Simulink中建立充放电反激式变压器电路拓扑结构,并搭建神经元PID控制算法模型,加入到均衡电路拓扑结构中进行仿真验证。仿真验证结果表明:神经元PID控制电路相比于PID控制电路在充电过程中均衡时间提高了约5.9%,放电过程中均衡时间提高了约26.4%,有效地缩短了单体电池能量达到一致所需要的时间;该神经元算法提高了PID控制的自学习能力,在PID均衡的基础上改善了电路拓扑结构的均衡效率,对进一步完善锂电池能量管理系统具有一定的理论指导意义。