电动车辆超级电容系统应用技术分析

基于HPPC试验数据辨识各模型的最优模型参数后，进一步利用DST和SDP试验数据作为验证数据对模型进行综合比较和评价。这里，利用最大误差、平均误差和误差均方根等数学统计特性，对比模型的预测精度。基于HPPC测试数据的模型精度对比结果如图5−5所示。经典模型的预测精度略高于动态模型，而阶梯模型的模型精度最差。针对电动车辆复杂多变的运行环境，超级电容模型应该具有良好的鲁棒性，即模型在未知工况下依然具有高预测精度。本章以HPPC试验数据作为模型训练数据，利用DST和SDP试验数据作为未知工况数据，比较三种模型的鲁棒性。DST和SDP测试过程中电流和电压变化分别如图5−6和图 5−7所示。基于DST工况的模型精度对比结果如图5−8所示。可以清楚地看出，阶梯模型误差均方根明显大于经典模型和动态模型，且大于HPPC工况下的误差均方根值，说明比在HPPC工况下的模型精度更差，进而证明阶梯模型的鲁棒性较差，很难在复杂多变的运行条件下保持足够的预测精度。然而，经典模型和动态模型在DST工况下的预测精度与HPPC工况下的预测精度相当，并且动态模型的预测精度比经典模型更高，说明动态模型具有更佳的鲁棒性。

图5−5　基于HPPC测试数据的模型精度对比结果（见彩插）

图5−6　DST测试过程中电流与电压变化图

（a）电流；（b）电压

图5−7　SDP测试过程中电流与电压变化图(www.xing528.com)

（a）电流；（b）电压

图5−8　基于DST测试数据的模型精度对比结果（见彩插）

图5−8　基于DST测试数据的模型精度对比结果（见彩插）（续）

为了进一步验证三种模型的鲁棒性，将超级电容数据库中的SDP试验数据用于模型对比研究。SDP加载工况是自设计的随机脉冲负载，包含充电脉冲和放电脉冲，可以代表超级电容系统在电动车辆应用的实际负载情况。基于SDP试验数据的模型精度对比结果如图5−9所示。三种模型误差均方根值和平均误差基本相当，进一步比较它们的最大误差可以看到，动态模型的最大误差明显小于经典模型和阶梯模型。换句话说，动态模型误差变化范围最小，在误差均方根和平均误差均基本相当的前提下，意味着其模型精度也最高。

在三种加载工况下，经典模型和动态模型相对于“阶梯”模型都具有更好的模型预测精度。虽然在HPPC工况下，经典模型精度略高于动态模型，但是动态模型在作为未知加载条件的DST和SDP工况下的模型精度均优于经典模型，说明其具有更佳的鲁棒性。