电动汽车锂离子电池健康状态估计及容量衰退预测

发布时间：2022-01-14 04:13

　　近年来由于能源危机和环境日益恶化的问题,电动汽车成为了全球各大汽车厂商的研究热点。锂离子电池作为电动汽车的动力源,为了保证电动汽车的安全高效行驶,需要对电池的状态进行实时监测。对电池当前健康状态做出准确估计,并对容量的衰退趋势做出预测,有利于对电池的诊断提供依据,制定合理的锂离子电池维护更换策略。本文就动力锂离子电池的健康状态估计和容量衰退预测做了以下工作:首先对电池的内部结构、充放电机理、健康状态的影响因素进行分析,对电池的失效过程和外特性参数的变化进行研究。确定了将电池的容量作为锂离子电池健康状态的评价指标,并基于锂离子电池充放电过程的状态参数,提出将电压、电流、温度、荷电状态（SOC）联合作为健康因子进行SOH估计。在确定健康因子的基础上,利用支持向量回归优异的非线性映射能力,通过支持向量回归机建立健康因子与健康状态之间的关系,选用径向基核函数作为支持向量回归机的核函数,根据粒子群算法和网格搜索算法寻优得到支持向量回归模型最优参数对,对模型进行训练,在MATLAB环境下验证了选取的健康因子能够准确的估计动态工况下动力锂离子电池健康状态。因动力电池在实际使用过程中,电池的容量衰退受... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

011-2018年中国纯电动车产销规模为了最大限度的发挥电动汽车动力电池的效能，我们不仅需要在使用之前对电池的

论文组织结构

锂离子电池结构图

【参考文献】：
期刊论文
[1]基于BP神经网络的交通信息量预测方法[J]. 户佐安,邹正丰,包天雯.  交通运输工程与信息学报. 2018(04)
[2]支持向量回归机建立排气温度模型研究[J]. 夏存江.  机械设计与制造. 2018(08)
[3]基于粒子群优化-支持向量回归的变压器绕组温度软测量模型[J]. 彭道刚,陈跃伟,钱玉良,黄超.  电工技术学报. 2018(08)
[4]Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm[J]. Yuchen SONG,Datong LIU,Yandong HOU,Jinxiang YU,Yu PENG.  Chinese Journal of Aeronautics. 2018(01)
[5]基于ARIMA模型的工业锂电池剩余使用寿命预测[J]. 陶耀东,李宁.  计算机系统应用. 2017(11)
[6]基于粒子滤波的锂离子电池剩余使用寿命预测[J]. 林慧龙,李赛.  科学技术与工程. 2017(29)
[7]基于粒子滤波算法的锂离子电池剩余寿命预测方法研究[J]. 张凝,徐皑冬,王锴,韩晓佳,Seung Ho Hong.  高技术通讯. 2017(08)
[8]灰色神经网络模型在线估算锂离子电池SOH[J]. 韦海燕,陈孝杰,吕治强,王峥峥,潘海鸿,陈琳.  电网技术. 2017(12)
[9]锂离子电池健康状态估计研究[J]. 刘建强,叶从进,窦贤云,刘枫.  轻工科技. 2017(06)
[10]锂离子电池剩余容量估计与优化分析[J]. 王树坤,黄妙华,刘安康.  汽车技术. 2017(02)

硕士论文
[1]基于高斯过程回归的锂电池健康预测[D]. 何晶.北京交通大学 2018
[2]纯电动汽车锂离子电池模型参数辨识与SOC联合估计研究[D]. 马相飞.长安大学 2018
[3]改进网格搜索的支持向量机参数优化研究及应用[D]. 顾凯成.兰州理工大学 2016
[4]基于Elman神经网络锂电池劣化程度的预测研究[D]. 石春源.哈尔滨理工大学 2011



本文编号：3587785