低压锂电池组健康状态预测研究
发布时间：2020-12-28 14:40
由于目前的燃料来源,如石油、煤等,对环境有害并且其储量日益减少,部分汽车的电动化是十分有必要的。为了使电动汽车高效、安全地行驶,需要高效率、高环保和可移动的电源。随着电动汽车日益发展,电池逐步在汽车电动化进程中扮演重要的角色。在实际工作进程中,作为能源的电池性能取决于某些内在及外在因素,如寿命、温度、充放电周期及其化学成分。在不同类型的电池中,锂离子电池是目前使用最为广泛的电池品种。锂离子电池具有快速充电能力,高功率密度和高能效,宽工作温度范围,低自放电率,重量轻和体积小等特点,因此十分适合应用于电动汽车。在电动汽车中,准确估算电池SOH(state of health,SOH)十分重要。SOH可以用来预测电池健康状态,表征电池劣化的量度,为BMS(battery management system)安全保护提供依据,保证电动汽车正常运行。SOH估计可以通过各种在线和离线方法来实现,在本文中通过离线数据训练预测模型,可以实现电池SOH的在线估计。本文首先随机选取四块不同寿命阶段的锂离子电池单体,通过标准充放电循环工况对其进行循环寿命测试,直至获取锂离子电池全寿命数据。以获取得到的测试数...
【文章来源】：重庆邮电大学重庆市
【文章页数】：64 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 低压锂电池系统
1.2.1 锂离子电池单体
1.2.2 锂离子电池组
1.2.3 电池管理系统
1.3 国内外研究现状
1.4 本文的研究内容及结构
第2章 锂离子电池健康状态预测概述
2.1 锂离子电池SOH概念
2.2 锂离子电池SOH预测关键参数
2.3 锂离子电池SOH预测方法
2.4 本章小结
第3章 锂离子电池单体健康状态预测
3.1 最小二乘法及SVR算法
3.2 基于容量增量分析的锂离子单体电池健康状态预测
3.3 基于SVR锂离子单体电池健康状态预测建模
3.4 锂离子单体电池SOH预测模型验证分析
3.4.1 前期实验及关键特征值获取
3.4.2 训练得到锂离子电池SOH预测模型
3.4.3 结果分析
3.5 本章小结
第4章 锂离子电池组健康状态预测
4.1 基于容量增量分析的电池组健康状态预测
4.2 基于SVR电池组健康状态预测建模
4.3 电池组物理等效模型搭建
4.3.1 单体锂电池物理等效模型搭建
4.3.2 电池组等效模型搭建
4.4 锂离子电池组SOH预测模型验证分析
4.4.1 并联电池健康状态预测结果
4.4.2 电池组健康状态预测结果
4.5 本章小结
第5章 结论与展望
5.1 论文总结
5.2 研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]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)
[2]基于容量衰减速率的三元锂电池健康状态预测[J]. 寇志华,潘旭海,季豪. 电源技术. 2018(02)
[3]锂电池组健康状态计算方法综述[J]. 姚芳,田家益,黄凯. 电源技术. 2018(01)
[4]梯次利用锂电池健康状态预测[J]. 孙冬,许爽. 电工技术学报. 2018(09)
[5]采用极限学习机实现锂离子电池健康状态在线估算[J]. 潘海鸿,吕治强,付兵,韦海燕,陈琳. 汽车工程. 2017(12)
[6]锂电池健康状态评估综述[J]. 吴盛军,袁晓冬,徐青山,陈兵,李强. 电源技术. 2017(12)
[7]改进初值∏隐马尔科夫模型预测电池健康度[J]. 颜景斌,王飞,夏赛. 哈尔滨理工大学学报. 2017(06)
[8]磷酸铁锂电池梯次利用健康特征参数提取方法[J]. 李晓宇,徐佳宁,胡泽徽,宋凯,朱春波. 电工技术学报. 2018(01)
[9]基于AUKF的锂离子电池健康状态估计[J]. 刘树林,崔纳新,张承慧. 电力电子技术. 2017(11)
[10]锂离子电池的健康状态估计研究现状分析[J]. 李佳. 蓄电池. 2017(05)
硕士论文
[1]电动汽车锂离子动力电池组健康状态估计方法的研究[D]. 何正莲.青岛科技大学 2017
[2]基于改进卡尔曼滤波算法的电池健康度估算研究[D]. 周兴博.哈尔滨理工大学 2017
[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
[4]基于内阻检测的锂电池健康状态估计研究[D]. 刘江波.武汉理工大学 2015
[5]纯电动汽车锂电池组健康状态（SOH）的估计研究[D]. 康燕琼.北京交通大学 2015
[6]锂离子电池组健康状况评估方法研究[D]. 陈杰.武汉理工大学 2014
本文编号：2943933
【文章来源】：重庆邮电大学重庆市
【文章页数】：64 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 低压锂电池系统
1.2.1 锂离子电池单体
1.2.2 锂离子电池组
1.2.3 电池管理系统
1.3 国内外研究现状
1.4 本文的研究内容及结构
第2章 锂离子电池健康状态预测概述
2.1 锂离子电池SOH概念
2.2 锂离子电池SOH预测关键参数
2.3 锂离子电池SOH预测方法
2.4 本章小结
第3章 锂离子电池单体健康状态预测
3.1 最小二乘法及SVR算法
3.2 基于容量增量分析的锂离子单体电池健康状态预测
3.3 基于SVR锂离子单体电池健康状态预测建模
3.4 锂离子单体电池SOH预测模型验证分析
3.4.1 前期实验及关键特征值获取
3.4.2 训练得到锂离子电池SOH预测模型
3.4.3 结果分析
3.5 本章小结
第4章 锂离子电池组健康状态预测
4.1 基于容量增量分析的电池组健康状态预测
4.2 基于SVR电池组健康状态预测建模
4.3 电池组物理等效模型搭建
4.3.1 单体锂电池物理等效模型搭建
4.3.2 电池组等效模型搭建
4.4 锂离子电池组SOH预测模型验证分析
4.4.1 并联电池健康状态预测结果
4.4.2 电池组健康状态预测结果
4.5 本章小结
第5章 结论与展望
5.1 论文总结
5.2 研究展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]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)
[2]基于容量衰减速率的三元锂电池健康状态预测[J]. 寇志华,潘旭海,季豪. 电源技术. 2018(02)
[3]锂电池组健康状态计算方法综述[J]. 姚芳,田家益,黄凯. 电源技术. 2018(01)
[4]梯次利用锂电池健康状态预测[J]. 孙冬,许爽. 电工技术学报. 2018(09)
[5]采用极限学习机实现锂离子电池健康状态在线估算[J]. 潘海鸿,吕治强,付兵,韦海燕,陈琳. 汽车工程. 2017(12)
[6]锂电池健康状态评估综述[J]. 吴盛军,袁晓冬,徐青山,陈兵,李强. 电源技术. 2017(12)
[7]改进初值∏隐马尔科夫模型预测电池健康度[J]. 颜景斌,王飞,夏赛. 哈尔滨理工大学学报. 2017(06)
[8]磷酸铁锂电池梯次利用健康特征参数提取方法[J]. 李晓宇,徐佳宁,胡泽徽,宋凯,朱春波. 电工技术学报. 2018(01)
[9]基于AUKF的锂离子电池健康状态估计[J]. 刘树林,崔纳新,张承慧. 电力电子技术. 2017(11)
[10]锂离子电池的健康状态估计研究现状分析[J]. 李佳. 蓄电池. 2017(05)
硕士论文
[1]电动汽车锂离子动力电池组健康状态估计方法的研究[D]. 何正莲.青岛科技大学 2017
[2]基于改进卡尔曼滤波算法的电池健康度估算研究[D]. 周兴博.哈尔滨理工大学 2017
[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
[4]基于内阻检测的锂电池健康状态估计研究[D]. 刘江波.武汉理工大学 2015
[5]纯电动汽车锂电池组健康状态（SOH）的估计研究[D]. 康燕琼.北京交通大学 2015
[6]锂离子电池组健康状况评估方法研究[D]. 陈杰.武汉理工大学 2014
本文编号：2943933
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/2943933.html
教材专著
