基于机器学习的动力电池自动配组技术研究

发布时间：2020-05-04 10:19

【摘要】：随着现在社会的迅猛发展,人们对能源的需求在不断增长。与此同时天然气等传统资源却逐渐减少,电能作为一种清洁能源越来越受到人们的重视。电动汽车因此成为汽车发展的一个重要方向。动力电池作为电动车的核心部件也得到了巨大的重视与发展。单个动力电池因为容量小、电压低、功率小等缺点无法满足电动车等设备所需要的动力。所以需要将单体电池串联成电池组供汽车使用。由于单体电池之间的不一致性对电池组的性能和寿命产生很大的影响。因此寻找一种合适的电池配组方案对电动车的发展至关重要。本文首先介绍了电池配组相关的技术。通过对比各种配组技术,选择了基于动态特性的电池配组方法,也就是将电池放电过程中电压的变化作为配组的标准,并将这个配组问题转换为时间序列的聚类问题。并对比了现有的时间序列聚类算法,选择了基于特征的时间序列聚类算法。本文提出了基于手动提取特征的电池配组方法,提取放电序列的均值、方差、峰度以及时间维度四个结构特征,并基于这些特征来测量电池之间的相似性,最后使用k均值聚类算法完成配组。但是其效果并不是特别理想。因此为了与该方法形成对比,本文又提出了基于自编码神经网络的电池配组方法,通过自编码神经网络提取放电序列的特征。首先通过实验对比神经网络中各种激活函数和优化器,选择误差小的激活函数和优化器进行训练。将电池放电序列数据进行预处理后放入自编码神经网络训练,当达到稳定状态时保存权值参数。至此得到用以提取特征的神经网络模型。随后将测试的电池放电序列放入训练好的神经网络模型中得到它们的特征,最后使用快速搜索和查找密度峰聚类算法完成配组。最后本文通过轮廓系数对比两种配组方案的优劣性,并选择较好的一种配组方案与多参数配组方案进行储能和循环充放电实验。观察电池组在静置一段时间后的自放电率和循环200次充放电后容量的变化。通过实验结果得到本实验的配组方案在储能和容量衰减方面都优于多参数配组方案。
【图文】：

电动汽车

图 1.1 电动汽车自燃池及其配组概述般可以分为燃料电池和蓄电池，，燃料电池在使用的时候需要将所需的能在电池使用的时候会有一些污染气体放出来，和传统的化石燃料相似，力电池。而蓄电池不同于燃料电池，它可以循环使用，因此又被称为二实现电能变为化学能的功能，在使用的过程当中将化学能变成电能。在池是唯一的动力来源，一般来说，蓄电池可以分为铅酸蓄电池、镉镍蓄锂电池。如表 1.1 为各种动力电池的性能对比。表 1.1 各种动力电池性能对比数比能量（Wh/kg）比功率密度(Wh/l)标称电压（V）循环寿命(次)成本（rmb/Wh）池30 45 60 902200 300 0.6 1.0铅40 60 80 1101.2 5002.0 2.6镉

智能化生产,车间

用以促进大数据技术的发展，2010 年的时打造智能工厂，提高企业生产效率和质量。2012 年的时研发，将大数据技术上升到国家科技战略。发展，传统的制造业面临这信息化水平不高而造成的低产府提出了工业 4.0 的概念，也就是利用物联网信息系统将慧化。我国也紧跟时代的步伐，在 2015 年的时候总理就网植入到各个制造业当中去，促进工业互联网的发展。因业生产。“互联网+”将会推动中国从“中国制造”走向“中国十三五”规划出台，其中就包括要推动大数据在工业研发。需要实现的首先是设备、人、系统之间的智能化的连接，程中监测到的相关数据进行有效的分析[6]，从而可以准确运行率、质量百分比等信息。而且可以做到生产车间的无备操作设备，为企业减少成本，提高效率。图 1.2 就显示
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP181;U469.72

【相似文献】