锂离子电池荷电及健康状态预测方法研究

发布时间：2023-06-01 05:36

　　为应对汽车工业所面临的环境污染,能源短缺和气候变暖等挑战。电动汽车(EV)在政府和企业的支持下发展迅速。锂离子电池因具有安全性能好,能量密度高和自放电率低等优点,而被广泛应用于电动汽车储能。然而,锂离子电池的寿命制约了电动汽车的进一步推广和发展。荷电状态(SOC)和健康状态(SOH)是锂离子电池的两个至关重要的指标。高精度的锂离子电池的SOC估算和SOH预测,可避免电池过充电,过放电和过热,从而延长电池的使用寿命。因此,急需对电池的SOC和SOH进行准确估计。本文结合了国内外对锂离子电池的荷电状态和健康状态研究现状,重点对如何精确估算锂离子电池的SOC和SOH进行研究,主要研究内容包括:一、锂离子电池的荷电状态预测(1)由于锂离子电池的充放电过程是一个极其复杂的电化学反应过程,具有非线性和时变性且对温度和老化极度敏感,本文采用了XGBoost算法对锂离子的荷电状态进行预测。该算法通过弱分类器进行迭代计算,可以有效避免模型的过拟合,提高估算精度和鲁棒性。实验结果验证了该算法在锂离子电池SOC预测上的高精度和强稳健性。(2)为了进一步提高锂离子电池SOC预测的可靠性和准确性,在不同放电倍率...

【文章页数】：65 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 锂离子电池的研究现状
        1.2.1 锂离子电池的模型研究现状
        1.2.2 锂离子电池的SOC研究现状
        1.2.3 锂离子电池的SOH研究现状
    1.3 论文的主要工作与结构安排
第2章 锂离子电池参数
    2.1 锂离子电池介绍
    2.2 锂离子电池的工作原理
    2.3 锂离子电池的状态参数
    2.4 锂离子电池荷电状态和健康状态的影响因素
        2.4.1 锂离子电池荷电状态的影响因素
        2.4.2 锂离子电池健康状态的影响因素
    2.5 本章小结
第3章 锂离子电池荷电状态预测方法研究
    3.1 目前的荷电状态预测方法
    3.2 基于XGBoost算法的荷电状态预测方法研究
        3.2.1 理论与背景
        3.2.2 XGBoost概述
    3.3 基于XGBoost的锂离子荷电状态建模
    3.4 基于XGBoost的锂离子荷电状态预测
        3.4.1 实验结果
        3.4.2 结果分析
    3.5 基于XGBoost-ARIMA组合模型的锂离子荷电状态预测
        3.5.1 基于XGBoost-ARIMA的锂离子电池SOC预测模型
        3.5.2 ARIMA概述
        3.5.3 基于XGBoost预测的残差特性分析
        3.5.4 实验结果与分析
    3.6 本章小结
第4章 锂离子电池健康状态预测方法研究
    4.1 目前的健康状态预测方法
    4.2 基于XGBoost算法的健康状态预测方法研究
        4.2.1 特征选择
        4.2.2 实验结果
        4.2.3 实验分析
    4.3 基于XGBoost-Markov Chain的锂离子健康状态预测
        4.3.1 马尔科夫链概述
        4.3.2 马尔科夫链校正
        4.3.3 基于MC-XGBoost建模
        4.3.4 实验结果与分析
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的科研成果
致谢



本文编号：3826721