小样本条件下的锂电池健康状态估计研究
发布时间：2021-04-09 07:47
锂离子电池作为主要的储能器件广泛应用于航空航天、智能设备、新能源汽车等各个领域。在锂离子电池的使用过程中,电池内部会产生不可逆的容量衰减,其健康状态（State of health,SOH）会逐渐退化。当电池达到寿命终止条件时如果没有及时的更换电池将产生极大的安全隐患,准确的监测电池的健康状态具有重要的安全意义。但锂离子电池的内部化学反应非常复杂,传统的电化学建模方式涉及复杂的化学机理,而以数据驱动的建模方法可以根据电池寿命老化数据直接建立电池的健康状态估计模型,因为不用考虑电池内部的电化学机理,该方法成为当前研究的热点。基于数据驱动的建模方式需要充足的训练样本,但是锂离子电池的老化试验周期较长,短时间内难以获取充足的电池数据。由于电池的运行工况、容量、电极材料等存在差异,不同电池的数据分布并不相同。基于特定电池数据学习得到的模型并不适用于不同的电池对象,因此研究如何通过小样本学习实现可靠的电池健康状态估计模型具有较大的应用价值。为了解决锂离子电池数据驱动建模过程中的这种小样本问题,本文引入知识迁移的解决方案。首先基于电池运行工况和电池类型的差异划分数据领域并构造不同的小样本数据集,利...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
Rint电路模型
电子科技大学硕士学位论文4在整个锂离子电池内部液相锂离子浓度恒定，忽略液相电压对端电压的影响[7]。最后仅用固相离子转移方程和Butler-Volmer极化反应方程[8]建立电化学反应模型。极大的减少了模型计算代价。基于单粒子模型的特点，目前衍生出了许多改进方案[9,10]。同时基于等效原理将电池内部的非线性化学反应进行线性处理也可以减少计算代价，具有一定的工程应用价值[11]。但是这种近似处理是牺牲了一定的精度作为代价，这种方法需要合理平衡模型复杂度与预测性能。(3)基于等效电路模型的估计方法等效电路模型并不依赖电池内部的化学反应，该方法使用电阻、电容、电感等基本电气元件构建电路模型描述电池的外部特性，结合大量的状态数据可以通过电路分析辨识电池的健康状态。Rint模型、Thevenin模型、PNGV模型是三种基本的锂离子电池等效电路[12,13]。Rint模型如图1-1所示，该模型也称为内阻模型，它使用理想电压源与电阻串联而成。Rint模型虽然电路结构简单易于分析，但是它并没有考虑到电池内部的极化效应，因此该模型的精度较低。图1-1Rint电路模型Thevenin模型如图1-2所示，Thevenin模型在Rint模型的基础上考虑了电池极化反应的影响，该模型使用PR和PC并联的RC电路来模仿电池的极化现象，0R用来模拟电池的电阻特性。目前国内外研究学者提出的等效电路模型大多是在Thevenin模型基础上进行改进的。图1-2Thevenin电路模型
第一章绪论5PNGV电路模型如图1-3所示，美国汽车研究理事会在2001年发表的《PNGV电池试验手册》中提出PNGV等效电路模型。该模型在Thevenin的基础上考虑了负载电流对开路电压的影响，增加了电容bC来描述电池的电容特性。这种低阶模型在保持较高精度的同时并没有显著增加计算代价。图1-3PNGV电路模型结合电化学机理建立锂离子电池的等效电路模型是一种新的研究方向，综合两种方法的特点建立SOH估计模型可以进行优势互补。比如锂离子电池端电压可分为电解液电势、开路电压、电极过电位、内组降等。文献[14]在偏微分的基础将非线性的电解液电势进行线性处理建立了一种改进的P2D模型，结合等效电路模型得到电路参数与电化学参数之间的关系，提升了等效电路参数辨识的精度。结合等效电路分析法还能够从阻抗的角度出发，根据电化学相关理论对锂电池进行机理分析。通过对锂离子电池施加不同频率的正弦信号得到锂电池的响应函数，从而得到电池的电化学阻抗谱(ElectrochemicalImpedanceSpectroscopy,EIS)，EIS能够直观的体现电池内部的电极动力学[15]。1.2.2数据驱动建模如今，数据挖掘和机器学习理论的发展为我们分析锂离子电池提供了一种新的研究思路。在大数据时代，我们可以采集到大量的锂离子电池数据，数据中蕴含着电池复杂的内部老化机理和运行规律。通过数据挖掘技术对数据进行分析处理，借助机器学习理论进行电池健康状态建模，从而实现对锂离子电池健康状态的准确估计和状态监测。锂离子电池的使用工况复杂多变，不同工况下的数据难以保证独立同分布的假设前提。锂离子电池的充电工况比较固定，一般先以恒流充电到达一定电压上限后转恒压充电，直到到达充电截止电流，这个过程相对放电情况更加利用提取数据
【参考文献】：
期刊论文
[1]基于支持向量回归的锂电池健康状态估计[J]. 张新锋,饶勇翔,姚蒙蒙. 中北大学学报(自然科学版). 2019(06)
[2]锂电池产业的发展趋势研究[J]. 王君妍,周晶. 商场现代化. 2019(10)
[3]锂电池发展存在的问题及措施探讨[J]. 姜成武,温正方,黄伟明. 通信电源技术. 2019(05)
[4]电动汽车锂电池火灾特性及灭火技术[J]. 张磊. 劳动保护. 2019(05)
[5]磷酸铁锂电池高温存储性能衰减机理[J]. 姚斌,滕国鹏,刘晓梅,陈伟峰,蔡毅. 电源技术. 2018(07)
[6]基于局部信息融合及支持向量回归集成的锂电池健康状态预测[J]. 陈建新,候建明,王鑫,邵海涛,宋广磊,薛宇. 南京理工大学学报. 2018(01)
[7]锂离子电池失效分析概述[J]. 王其钰,王朔,张杰男,郑杰允,禹习谦,李泓. 储能科学与技术. 2017(05)
[8]波音787锂电池问题研究[J]. 刘春明,金英,张岚岚. 航空制造技术. 2016(10)
[9]储能用磷酸铁锂电池循环寿命的能量分析[J]. 高飞,杨凯,惠东,李大贺. 中国电机工程学报. 2013(05)
[10]虚拟样本生成技术研究[J]. 于旭,杨静,谢志强. 计算机科学. 2011(03)
博士论文
[1]面向小样本不平衡数据的生物医学事件抽取方法研究[D]. 路扬.吉林大学 2019
[2]虚拟样本生成技术及建模应用研究[D]. 朱宝.北京化工大学 2017
硕士论文
[1]基于小样本量数据挖掘的压裂工艺参数优化方法研究[D]. 胡家瑜.西南石油大学 2018
[2]基于小样本方法的京津冀化石能源消费预测分析[D]. 王天雨.华北电力大学 2018
[3]电动汽车动力电池健康状态估计方法研究[D]. 孙培坤.北京理工大学 2016
本文编号：3127231
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
Rint电路模型
电子科技大学硕士学位论文4在整个锂离子电池内部液相锂离子浓度恒定，忽略液相电压对端电压的影响[7]。最后仅用固相离子转移方程和Butler-Volmer极化反应方程[8]建立电化学反应模型。极大的减少了模型计算代价。基于单粒子模型的特点，目前衍生出了许多改进方案[9,10]。同时基于等效原理将电池内部的非线性化学反应进行线性处理也可以减少计算代价，具有一定的工程应用价值[11]。但是这种近似处理是牺牲了一定的精度作为代价，这种方法需要合理平衡模型复杂度与预测性能。(3)基于等效电路模型的估计方法等效电路模型并不依赖电池内部的化学反应，该方法使用电阻、电容、电感等基本电气元件构建电路模型描述电池的外部特性，结合大量的状态数据可以通过电路分析辨识电池的健康状态。Rint模型、Thevenin模型、PNGV模型是三种基本的锂离子电池等效电路[12,13]。Rint模型如图1-1所示，该模型也称为内阻模型，它使用理想电压源与电阻串联而成。Rint模型虽然电路结构简单易于分析，但是它并没有考虑到电池内部的极化效应，因此该模型的精度较低。图1-1Rint电路模型Thevenin模型如图1-2所示，Thevenin模型在Rint模型的基础上考虑了电池极化反应的影响，该模型使用PR和PC并联的RC电路来模仿电池的极化现象，0R用来模拟电池的电阻特性。目前国内外研究学者提出的等效电路模型大多是在Thevenin模型基础上进行改进的。图1-2Thevenin电路模型
第一章绪论5PNGV电路模型如图1-3所示，美国汽车研究理事会在2001年发表的《PNGV电池试验手册》中提出PNGV等效电路模型。该模型在Thevenin的基础上考虑了负载电流对开路电压的影响，增加了电容bC来描述电池的电容特性。这种低阶模型在保持较高精度的同时并没有显著增加计算代价。图1-3PNGV电路模型结合电化学机理建立锂离子电池的等效电路模型是一种新的研究方向，综合两种方法的特点建立SOH估计模型可以进行优势互补。比如锂离子电池端电压可分为电解液电势、开路电压、电极过电位、内组降等。文献[14]在偏微分的基础将非线性的电解液电势进行线性处理建立了一种改进的P2D模型，结合等效电路模型得到电路参数与电化学参数之间的关系，提升了等效电路参数辨识的精度。结合等效电路分析法还能够从阻抗的角度出发，根据电化学相关理论对锂电池进行机理分析。通过对锂离子电池施加不同频率的正弦信号得到锂电池的响应函数，从而得到电池的电化学阻抗谱(ElectrochemicalImpedanceSpectroscopy,EIS)，EIS能够直观的体现电池内部的电极动力学[15]。1.2.2数据驱动建模如今，数据挖掘和机器学习理论的发展为我们分析锂离子电池提供了一种新的研究思路。在大数据时代，我们可以采集到大量的锂离子电池数据，数据中蕴含着电池复杂的内部老化机理和运行规律。通过数据挖掘技术对数据进行分析处理，借助机器学习理论进行电池健康状态建模，从而实现对锂离子电池健康状态的准确估计和状态监测。锂离子电池的使用工况复杂多变，不同工况下的数据难以保证独立同分布的假设前提。锂离子电池的充电工况比较固定，一般先以恒流充电到达一定电压上限后转恒压充电，直到到达充电截止电流，这个过程相对放电情况更加利用提取数据
【参考文献】：
期刊论文
[1]基于支持向量回归的锂电池健康状态估计[J]. 张新锋,饶勇翔,姚蒙蒙. 中北大学学报(自然科学版). 2019(06)
[2]锂电池产业的发展趋势研究[J]. 王君妍,周晶. 商场现代化. 2019(10)
[3]锂电池发展存在的问题及措施探讨[J]. 姜成武,温正方,黄伟明. 通信电源技术. 2019(05)
[4]电动汽车锂电池火灾特性及灭火技术[J]. 张磊. 劳动保护. 2019(05)
[5]磷酸铁锂电池高温存储性能衰减机理[J]. 姚斌,滕国鹏,刘晓梅,陈伟峰,蔡毅. 电源技术. 2018(07)
[6]基于局部信息融合及支持向量回归集成的锂电池健康状态预测[J]. 陈建新,候建明,王鑫,邵海涛,宋广磊,薛宇. 南京理工大学学报. 2018(01)
[7]锂离子电池失效分析概述[J]. 王其钰,王朔,张杰男,郑杰允,禹习谦,李泓. 储能科学与技术. 2017(05)
[8]波音787锂电池问题研究[J]. 刘春明,金英,张岚岚. 航空制造技术. 2016(10)
[9]储能用磷酸铁锂电池循环寿命的能量分析[J]. 高飞,杨凯,惠东,李大贺. 中国电机工程学报. 2013(05)
[10]虚拟样本生成技术研究[J]. 于旭,杨静,谢志强. 计算机科学. 2011(03)
博士论文
[1]面向小样本不平衡数据的生物医学事件抽取方法研究[D]. 路扬.吉林大学 2019
[2]虚拟样本生成技术及建模应用研究[D]. 朱宝.北京化工大学 2017
硕士论文
[1]基于小样本量数据挖掘的压裂工艺参数优化方法研究[D]. 胡家瑜.西南石油大学 2018
[2]基于小样本方法的京津冀化石能源消费预测分析[D]. 王天雨.华北电力大学 2018
[3]电动汽车动力电池健康状态估计方法研究[D]. 孙培坤.北京理工大学 2016
本文编号：3127231
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3127231.html
