面向轨道交通车载电池运维管理系统的SOC估算研究

作     者：李佳晖 

作者单位：湖南大学 

学位级别：硕士

导师姓名：卢继武;张勇

授予年度：2022年

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

主      题：SOC估算 阀控式铅酸蓄电池 门控循环单元 电池管理系统 边缘嵌入式设备 

摘      要：近年来,我国轨道交通网络规模日益扩大,大量轨道交通车辆投入运营使用,车辆安全问题得到高度重视。为保障轨道交通车辆的供电可靠性,车上配备有以阀控式铅酸蓄电池(Valve-Regulated Lead-Acid Battery,VRLA)为核心的后备电源系统。车载VRLA电池作为车辆重要用电设施在紧急状况下的最后电源屏障,其运行状况直接关系到车辆运营安全,因此借助电池管理系统(Battery Management System,BMS)提升后备电池运维管理水平有重要意义。荷电状态(State of Charge,SOC)是BMS的关键监测参数,精确估算SOC能有效减少过充过放等情况对电池产生的损害。本文考虑轨道交通车载VRLA电池的运行特点,深入研究了电池SOC估算问题,设计了基于门控循环单元(Gated Recurrent Unit,GRU)的电池SOC估算模型,并运用数据增强与注意力机制提升模型的SOC估算精度,最终在以STM32为核心的硬件平台上完成模型部署。具体工作如下:本文首先阐述了车载VRLA电池的工作原理与特性参数,介绍了轨道交通车载电池运维管理系统架构,并对集成SOC估算功能的边缘嵌入式设备在系统中的重要作用进行了说明。其次,搭建了VRLA电池实验平台,设计实验收集VRLA电池数据,并在Python环境中开发了基于GRU的SOC估算模型,实验表明模型SOC估算结果的均方根误差(RMSE)与平均绝对值误差(MAE)都达到2.5%以内。此外通过模型对比实验,证明了GRU模型在SOC估算精度与训练效率上的优势。然后,通过数据增强与注意力机制提升了模型的估算精度。使用高斯噪声进行电池数据增强后,在不同恒功率放电情况下,SOC估算结果的平均RMSE由1.78%降低至0.87%,平均MAE由1.54%降低至0.69%。改进得到的GRU-Attention模型在不同恒功率放电情况下,SOC估算结果的平均RMSE由1.78%降低至1.32%,平均MAE由1.54%降低至1.09%。最后,本文设计了边缘嵌入式设备的主控电路、电压电流采样电路以及通信电路,在该设备上分别部署与测试了GRU与GRU-Attention模型。结果表明,在该设备上电池SOC估算结果的RMSE、MAE都在4%以内,具有较好的精度。