锂离子动力电池安全性评估方法研究
发布时间：2021-05-09 23:28
为缓解能源危机、环境污染与经济发展之间的矛盾,新能源电动汽车产业得以快速发展,并推动了动力锂电池的推广应用。同时这也对锂电池的安全性提出了更高的要求。目前对于锂电池安全性的研究主要针对于锂电池的健康状态（State-Of-Health,SOH）与剩余使用寿命（Remaining20Useful20Life,RUL）,这些研究为锂电池的维护、管理与应用提供参照从而避免潜在的安全性问题,对锂电池的实际应用而言十分重要。本文从实际角度出发,针对当前锂电池安全性评估中存在的问题,进行了如下研究:（1）对锂电池失效特征参数的提取进行了研究。通过对锂电池衰退机理及影响因素的分析确定了影响或反映锂电池衰退的主要因素。随后根据锂电池实际使用特点从锂电池充电曲线中提取了6个失效特征参数,利用灰色关联度分析从数学上对它们与锂电池SOH之间的关联性进行了验证,并以此为依据进行重筛选。最终采用4个失效特征参数组成表征锂电池当前状态的失效特征参数向量。（2）对适应多工况下锂电池SOH预测的算法方案进行了研究。基于所提取的失效特征参数,提出一种新的训练集设计思路,采用两个异工况数据集组成算法训练集以表征“区间工况...
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 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 国内外锂电池健康状态研究现状
1.2.1 直接测量法
1.2.2 自适应模型法
1.2.3 数据驱动法
1.2.4 其他方法
1.3 锂电池安全性评估研究方法评述
1.4 主要研究内容
第2章 失效特征参数及数据集选取
2.1 电池健康状态
2.1.1 电池健康状态定义
2.1.2 锂电池衰退机理及影响因素分析
2.2 电池实验及数据分析
2.2.1电池实验
2.2.2 电池实验数据分析
2.3 失效特征参数提取及验证
2.3.1 失效特征参数提取
2.3.2 失效特征参数有效性验证
2.4 数据集选取与训练集设计
2.4.1 数据集选取
2.4.2 训练集设计
2.5 本章小结
第3章 基于LSSVM的锂电池SOH预测
3.1 支持向量机
3.2 最小二乘支持向量机及核函数的选取
3.2.1 最小二乘支持向量机
3.2.2 核函数的选取
3.3 遗传算法及基于遗传算法的ILSSVM
3.3.1 遗传算法
3.3.2 基于GA算法的ILSSVM
3.4 结果分析与比较
3.4.1 算法评估标准
3.4.2 结果分析
3.5 算法优化
3.5.1 模糊最小二乘支持向量机
3.5.2 结果分析与比较
3.6 本章小结
第4章 基于混沌最小二乘支持向量机的RUL预测
4.1 传统时间序列分析预测方法
4.1.1 移动平均法
4.1.2 指数平滑法
4.1.3 马尔科夫预测法
4.1.4 门限自回归模型
4.1.5 Box-Jenkins模型法
4.2 混沌理论及基于混沌理论的RUL预测
4.2.1 混沌理论
4.2.2 相空间重构
4.2.3 混沌时间序列的判定
4.2.4 基于C-LSSVM的锂电池RUL预测
4.3 仿真结果与分析
4.3.1 相空间重构
4.3.2 混沌性判定
4.3.3 仿真结果与分析
4.4 本章小结
总结与展望
参考文献
附录 A 攻读学位期间所发表的学术论文目录
致谢
【参考文献】：
期刊论文
[1]基于改进相关向量机的锂电池寿命预测方法[J]. 王春雷,赵琦,秦孝丽,冯文全. 北京航空航天大学学报. 2018(09)
[2]锂离子二次电池多孔集流体的制备与应用[J]. 罗政,梁杰铬,袁斌. 材料导报. 2018(S1)
[3]基于CPSO-RVM的锂电池剩余寿命预测方法[J]. 张朝龙,何怡刚,袁莉芬. 系统仿真学报. 2018(05)
[4]一种支持向量机算法设计中优化的混合加权核函数选取与样本加权方法[J]. 曹万鹏,罗云彬,史辉. 小型微型计算机系统. 2018(02)
[5]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)
[6]锂动力电池内阻影响因素的实验研究[J]. 寇志华,华敏,季豪,潘旭海. 汽车工程. 2017(05)
[7]锂离子电池中SEI膜组成与改性的研究进展[J]. 李春雷,唐风娟,崔孝玲,薛宇宙,赵冬妮. 电源技术. 2016(10)
[8]动力锂电池的寿命研究综述[J]. 李广地,吕浩华,袁军,李波. 电源技术. 2016(06)
[9]电动汽车动力电池产业的发展[J]. 肖成伟,汪继强. 科技导报. 2016(06)
[10]锂离子电池循环寿命影响因素分析[J]. 李翔,张慧,张江萍,李晶. 电源技术. 2015(12)
博士论文
[1]混沌时间序列中最大Lyapunov指数与关联维数的无标度区间自动识别研究[D]. 周双.中国科学院重庆绿色智能技术研究院 2016
硕士论文
[1]基于双隐藏层神经网络和混沌时间序列短期电力负荷预测[D]. 周凯文.西南交通大学 2016
[2]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
[3]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
[4]动力锂离子电池组SOH估计方法研究[D]. 薛辉.吉林大学 2013
[5]支持向量机中Sigmoid核函数的研究[D]. 刘明.西安电子科技大学 2009
本文编号：3178223
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 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 国内外锂电池健康状态研究现状
1.2.1 直接测量法
1.2.2 自适应模型法
1.2.3 数据驱动法
1.2.4 其他方法
1.3 锂电池安全性评估研究方法评述
1.4 主要研究内容
第2章 失效特征参数及数据集选取
2.1 电池健康状态
2.1.1 电池健康状态定义
2.1.2 锂电池衰退机理及影响因素分析
2.2 电池实验及数据分析
2.2.1电池实验
2.2.2 电池实验数据分析
2.3 失效特征参数提取及验证
2.3.1 失效特征参数提取
2.3.2 失效特征参数有效性验证
2.4 数据集选取与训练集设计
2.4.1 数据集选取
2.4.2 训练集设计
2.5 本章小结
第3章 基于LSSVM的锂电池SOH预测
3.1 支持向量机
3.2 最小二乘支持向量机及核函数的选取
3.2.1 最小二乘支持向量机
3.2.2 核函数的选取
3.3 遗传算法及基于遗传算法的ILSSVM
3.3.1 遗传算法
3.3.2 基于GA算法的ILSSVM
3.4 结果分析与比较
3.4.1 算法评估标准
3.4.2 结果分析
3.5 算法优化
3.5.1 模糊最小二乘支持向量机
3.5.2 结果分析与比较
3.6 本章小结
第4章 基于混沌最小二乘支持向量机的RUL预测
4.1 传统时间序列分析预测方法
4.1.1 移动平均法
4.1.2 指数平滑法
4.1.3 马尔科夫预测法
4.1.4 门限自回归模型
4.1.5 Box-Jenkins模型法
4.2 混沌理论及基于混沌理论的RUL预测
4.2.1 混沌理论
4.2.2 相空间重构
4.2.3 混沌时间序列的判定
4.2.4 基于C-LSSVM的锂电池RUL预测
4.3 仿真结果与分析
4.3.1 相空间重构
4.3.2 混沌性判定
4.3.3 仿真结果与分析
4.4 本章小结
总结与展望
参考文献
附录 A 攻读学位期间所发表的学术论文目录
致谢
【参考文献】：
期刊论文
[1]基于改进相关向量机的锂电池寿命预测方法[J]. 王春雷,赵琦,秦孝丽,冯文全. 北京航空航天大学学报. 2018(09)
[2]锂离子二次电池多孔集流体的制备与应用[J]. 罗政,梁杰铬,袁斌. 材料导报. 2018(S1)
[3]基于CPSO-RVM的锂电池剩余寿命预测方法[J]. 张朝龙,何怡刚,袁莉芬. 系统仿真学报. 2018(05)
[4]一种支持向量机算法设计中优化的混合加权核函数选取与样本加权方法[J]. 曹万鹏,罗云彬,史辉. 小型微型计算机系统. 2018(02)
[5]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)
[6]锂动力电池内阻影响因素的实验研究[J]. 寇志华,华敏,季豪,潘旭海. 汽车工程. 2017(05)
[7]锂离子电池中SEI膜组成与改性的研究进展[J]. 李春雷,唐风娟,崔孝玲,薛宇宙,赵冬妮. 电源技术. 2016(10)
[8]动力锂电池的寿命研究综述[J]. 李广地,吕浩华,袁军,李波. 电源技术. 2016(06)
[9]电动汽车动力电池产业的发展[J]. 肖成伟,汪继强. 科技导报. 2016(06)
[10]锂离子电池循环寿命影响因素分析[J]. 李翔,张慧,张江萍,李晶. 电源技术. 2015(12)
博士论文
[1]混沌时间序列中最大Lyapunov指数与关联维数的无标度区间自动识别研究[D]. 周双.中国科学院重庆绿色智能技术研究院 2016
硕士论文
[1]基于双隐藏层神经网络和混沌时间序列短期电力负荷预测[D]. 周凯文.西南交通大学 2016
[2]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
[3]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
[4]动力锂离子电池组SOH估计方法研究[D]. 薛辉.吉林大学 2013
[5]支持向量机中Sigmoid核函数的研究[D]. 刘明.西安电子科技大学 2009
本文编号：3178223
本文链接：https://www.wllwen.com/kejilunwen/qiche/3178223.html
