基于大数据的锂离子电池SOC估算方法研究

发布时间：2022-08-13 17:29

　　近年来,随着环境污染和石油能源存储量减少所带来的问题,人们越来越关注清洁能源的应用。由于锂离子电池具有能量密度高、使用寿命长、自放电率低和无污染等优点,因而被广泛应用于电动汽车和新能源储能等领域。电池管理系统（BMS）是锂电池的核心技术,它最重要参数之一是电池剩余电量（SOC）。锂电池充放电是一个复杂的电化学过程,对其剩余电量的精确估算是当前研究的重点和难点。本文将重点研究锂离子电池SOC估算的改进方法,以便提高电池SOC的估算精度。本文主要工作如下:首先,根据锂离子电池SOC估算方法的研究现状,在仿真实验和对影响锂电池SOC的各种参数分析的基础上,确定了影响电池SOC的外部参数有电池电压、电流和温度。在现有的基础上,研究了电池工作过程中电池内阻R的变化特性,让电池在不同条件下进行了多次充放电实验,得出了内阻R数值的变化规律,并建立起相应的数据集,为后续仿真实验提供数据支撑。其次,通过分析SOC和相关外部参数的影响,采用一种基于三层BP神经网络作为SOC估算模型,以锂离子电池的电压、电流和温度作为网络输入,对电池SOC进行了仿真分析。仿真结果表明:传统三层BP神经网络估算的精度波动比较... 

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 锂离子电池SOC估算研究现状
        1.2.1 电池SOC定义及精度要求
        1.2.2 锂电池SOC估算研究现状
    1.3 主要内容和章节安排
        1.3.1 主要内容
        1.3.2 章节安排
第2章 锂离子电池SOC相关特性
    2.1 锂离子电池基本特性
        2.1.1 锂离子电池结构
        2.1.2 锂离子电池内部工作原理
    2.2 锂离子电池模型
        2.2.1 电化学模型
        2.2.2 等效电路模型
    2.3 锂离子电池SOC的参数
        2.3.1 锂离子电池完整充放电过程
        2.3.2 影响电池SOC的参数
    2.4 本章小结
第3章 免疫遗传算法优化BP神经网络的电池SOC估算
    3.1 神经网络的简介
    3.2 BP神经网络SOC设计实验
        3.2.1 BP神经网络数学模型
        3.2.2 BP神经网络推导过程
        3.2.3 BP神经网络流程设计
        3.2.4 数据预处理
        3.2.5 BP神经网络SOC估算实验
    3.3 基于免疫遗传算法优化BP神经网络SOC设计实验
        3.3.1 免疫遗传算法特性参数
        3.3.2 免疫遗传算法原理
        3.3.3 免疫遗传BP神经网络SOC估算流程
        3.3.4 免疫遗传BP神经网络SOC估算实验
    3.4 对比仿真实验
    3.5 本章小结
第4章 基于XGBoost的锂离子电池SOC估算
    4.1 回归模型
        4.1.1 线性回归模型
        4.1.2 随机森林模型
        4.1.3 XGBoost模型
        4.1.4 模型评价标准
    4.2 基于回归模型的锂离子电池SOC估算设计
        4.2.1 基于线性回归的锂离子电池SOC估算设计
        4.2.2 基于随机森林锂离子电池SOC的估算设计
        4.2.3 基于XGBoost的锂离子电池SOC估算设计
        4.2.4 对比实验
    4.3 基于R-XGBoost的锂离子电池SOC估算设计
    4.4 XGBoost仿真对比
    4.5 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
指导教师研究生学位论文的学术评语
学位论文答辩委员会决议书
致谢
攻读硕士学位期间的研究成果



本文编号：3677452