基于时间卷积记忆网络的锂电池SOH估计
发布时间：2020-12-28 21:08
伴随着我国对机动车污染物排放标准要求的逐步提高以及新科技新技术的不断发展,人们开始对电动汽车大力开展研发。动力电池作为电动汽车的动力源,是电动汽车发展过程中受较多关注的一个研究对象,与此同时电池管理系统(Battery Management System,BMS)的研究工作也得到了重视。电池的电池剩余电量分析(State of Charge,SOC)估计、电池健康状况(State of Health,SOH)分析是BMS中电池状态分析的重要内容,其中电池SOH表征了电池当前可存储的最大电池容量的能力,对于电池整个生命周期至关重要。准确地估算SOH可获知电池当前是否需要被更换,以确保电池利用率最大化。本文首先介绍了锂电池的相关特性、锂电池健康状态研究的必要性以及国内外常用的电池SOH估算方法。其次描述了基于BP神经网络模型,以及基于该模型的两种改进方法:与灰色模型相结合、与电池等效电路仿真模型相结合的三种估算方法的过程和结果。然后通过对比分析已有方法的估算效果和优缺点,本文提出基于时间卷积记忆网络模型的电池健康状态估算。时间卷积记忆网络是将CNN(卷积神经网络)和LSTM(长短期记忆网络...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
纯电动公交车新能源汽车的研发工作不断进行以及政府对新能源开发大力补贴的同时，汽车生产商也
杭州电子科技大学硕士学位论文2车的研发技术也在不断提升，充放电操作也越来越便捷，充电站数量的增加都很有利于新能源汽车的市场推广。图1.2展示了我国自17年以来新能源汽车的月销售量柱状分析图，通过图1.2来看，新能源汽车的销量自2017年以来呈现出不断上涨的趋势，这说明国民都有很强的环保以及节能意识，近几个月由于政府减少电池管理了相关补贴所以销量有所下滑，但整体销量数据依旧可观。图1.2中国近三年新能源汽车月度销量图电动汽车开始得到关注之后，无论是在纯电动汽车中作为主要动力源或是混合动力汽车中作为辅助动力源的动力电池也相应的受到了研发者的高度关注[1]。动力电池作为新能源汽车核心驱动力，其成本也是不容小觑的，如图1.3所示，动力电池的成本占整车的42%。因此，动力电池的成本可能会影响并决定电动汽车的发展前景。图1.3新能源汽车成本构成图动力电池的性能也会影响电动汽车的发展。在电池的长期发展过程中锂电池以循环充放电寿命长，安全性能高等优势脱颖而出并逐步替代传统电源[2]。锂电池领域在2019年更是荣幸的获得了诺贝尔化学奖。尽管锂电池相比于传统电池来说性能更为优异，但是其在使用过程中常发生充放电时间过长的情况，这在一定程度上会对其本身性能造成影响，从而使得电池的剩余可用寿命(RemainingUsefulLife,RUL)缩短，导致电动汽车的续航时间也相应地缩短。不仅充放电时间
杭州电子科技大学硕士学位论文2车的研发技术也在不断提升，充放电操作也越来越便捷，充电站数量的增加都很有利于新能源汽车的市场推广。图1.2展示了我国自17年以来新能源汽车的月销售量柱状分析图，通过图1.2来看，新能源汽车的销量自2017年以来呈现出不断上涨的趋势，这说明国民都有很强的环保以及节能意识，近几个月由于政府减少电池管理了相关补贴所以销量有所下滑，但整体销量数据依旧可观。图1.2中国近三年新能源汽车月度销量图电动汽车开始得到关注之后，无论是在纯电动汽车中作为主要动力源或是混合动力汽车中作为辅助动力源的动力电池也相应的受到了研发者的高度关注[1]。动力电池作为新能源汽车核心驱动力，其成本也是不容小觑的，如图1.3所示，动力电池的成本占整车的42%。因此，动力电池的成本可能会影响并决定电动汽车的发展前景。图1.3新能源汽车成本构成图动力电池的性能也会影响电动汽车的发展。在电池的长期发展过程中锂电池以循环充放电寿命长，安全性能高等优势脱颖而出并逐步替代传统电源[2]。锂电池领域在2019年更是荣幸的获得了诺贝尔化学奖。尽管锂电池相比于传统电池来说性能更为优异，但是其在使用过程中常发生充放电时间过长的情况，这在一定程度上会对其本身性能造成影响，从而使得电池的剩余可用寿命(RemainingUsefulLife,RUL)缩短，导致电动汽车的续航时间也相应地缩短。不仅充放电时间
【参考文献】：
期刊论文
[1]基于多尺度分解和深度学习的锂电池寿命预测[J]. 胡天中,余建波. 浙江大学学报(工学版). 2019(10)
[2]卷积神经网络的发展与应用综述[J]. 俞颂华. 信息通信. 2019(02)
[3]循环神经网络研究综述[J]. 杨丽,吴雨茜,王俊丽,刘义理. 计算机应用. 2018(S2)
[4]采用卷积神经网络的数字手写体识别的研究[J]. 高诺,胡文烨,杨玉娜. 齐鲁工业大学学报. 2018(05)
[5]基于双向长短期记忆网络的车牌识别算法[J]. 丁进超,张伟伟,吴训成. 电子测量与仪器学报. 2018(06)
[6]一种数据增强和多模型集成的细粒度分类算法[J]. 蒋杰,熊昌镇. 图学学报. 2018(02)
[7]车用锂离子电池放电区间与容量衰减关系的研究[J]. 徐成善,卢兰光,任东生,江发潮,欧阳明高. 汽车工程. 2017(10)
[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]锂离子电池正极材料研究进展[J]. 王亚平,胡淑婉,曹峰. 电源技术. 2017(04)
[10]基于复合卷积神经网络的图像去噪算法[J]. 吕永标,赵建伟,曹飞龙. 模式识别与人工智能. 2017(02)
博士论文
[1]动力电池组SOC估算及均衡控制方法研究[D]. 张金龙.天津大学 2012
硕士论文
[1]电动汽车锂离子电池等效电路模型的参数辨识研究[D]. 李思.北京理工大学 2015
[2]基于内阻法的电池健康状态估计技术研究[D]. 易明亮.杭州电子科技大学 2013
[3]MH/Ni动力电池SOC估算方法研究及实现[D]. 骆晶.湘潭大学 2012
[4]备用电力系统中VRLA电池SOC及SOH的在线估计方法研究[D]. 朱晨.北京交通大学 2010
[5]锂离子电池正极材料锂镍氧及其掺杂化合物的制备与研究[D]. 曹辉.中南大学 2004
本文编号：2944399
【文章来源】：杭州电子科技大学浙江省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
纯电动公交车新能源汽车的研发工作不断进行以及政府对新能源开发大力补贴的同时，汽车生产商也
杭州电子科技大学硕士学位论文2车的研发技术也在不断提升，充放电操作也越来越便捷，充电站数量的增加都很有利于新能源汽车的市场推广。图1.2展示了我国自17年以来新能源汽车的月销售量柱状分析图，通过图1.2来看，新能源汽车的销量自2017年以来呈现出不断上涨的趋势，这说明国民都有很强的环保以及节能意识，近几个月由于政府减少电池管理了相关补贴所以销量有所下滑，但整体销量数据依旧可观。图1.2中国近三年新能源汽车月度销量图电动汽车开始得到关注之后，无论是在纯电动汽车中作为主要动力源或是混合动力汽车中作为辅助动力源的动力电池也相应的受到了研发者的高度关注[1]。动力电池作为新能源汽车核心驱动力，其成本也是不容小觑的，如图1.3所示，动力电池的成本占整车的42%。因此，动力电池的成本可能会影响并决定电动汽车的发展前景。图1.3新能源汽车成本构成图动力电池的性能也会影响电动汽车的发展。在电池的长期发展过程中锂电池以循环充放电寿命长，安全性能高等优势脱颖而出并逐步替代传统电源[2]。锂电池领域在2019年更是荣幸的获得了诺贝尔化学奖。尽管锂电池相比于传统电池来说性能更为优异，但是其在使用过程中常发生充放电时间过长的情况，这在一定程度上会对其本身性能造成影响，从而使得电池的剩余可用寿命(RemainingUsefulLife,RUL)缩短，导致电动汽车的续航时间也相应地缩短。不仅充放电时间
杭州电子科技大学硕士学位论文2车的研发技术也在不断提升，充放电操作也越来越便捷，充电站数量的增加都很有利于新能源汽车的市场推广。图1.2展示了我国自17年以来新能源汽车的月销售量柱状分析图，通过图1.2来看，新能源汽车的销量自2017年以来呈现出不断上涨的趋势，这说明国民都有很强的环保以及节能意识，近几个月由于政府减少电池管理了相关补贴所以销量有所下滑，但整体销量数据依旧可观。图1.2中国近三年新能源汽车月度销量图电动汽车开始得到关注之后，无论是在纯电动汽车中作为主要动力源或是混合动力汽车中作为辅助动力源的动力电池也相应的受到了研发者的高度关注[1]。动力电池作为新能源汽车核心驱动力，其成本也是不容小觑的，如图1.3所示，动力电池的成本占整车的42%。因此，动力电池的成本可能会影响并决定电动汽车的发展前景。图1.3新能源汽车成本构成图动力电池的性能也会影响电动汽车的发展。在电池的长期发展过程中锂电池以循环充放电寿命长，安全性能高等优势脱颖而出并逐步替代传统电源[2]。锂电池领域在2019年更是荣幸的获得了诺贝尔化学奖。尽管锂电池相比于传统电池来说性能更为优异，但是其在使用过程中常发生充放电时间过长的情况，这在一定程度上会对其本身性能造成影响，从而使得电池的剩余可用寿命(RemainingUsefulLife,RUL)缩短，导致电动汽车的续航时间也相应地缩短。不仅充放电时间
【参考文献】：
期刊论文
[1]基于多尺度分解和深度学习的锂电池寿命预测[J]. 胡天中,余建波. 浙江大学学报(工学版). 2019(10)
[2]卷积神经网络的发展与应用综述[J]. 俞颂华. 信息通信. 2019(02)
[3]循环神经网络研究综述[J]. 杨丽,吴雨茜,王俊丽,刘义理. 计算机应用. 2018(S2)
[4]采用卷积神经网络的数字手写体识别的研究[J]. 高诺,胡文烨,杨玉娜. 齐鲁工业大学学报. 2018(05)
[5]基于双向长短期记忆网络的车牌识别算法[J]. 丁进超,张伟伟,吴训成. 电子测量与仪器学报. 2018(06)
[6]一种数据增强和多模型集成的细粒度分类算法[J]. 蒋杰,熊昌镇. 图学学报. 2018(02)
[7]车用锂离子电池放电区间与容量衰减关系的研究[J]. 徐成善,卢兰光,任东生,江发潮,欧阳明高. 汽车工程. 2017(10)
[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]锂离子电池正极材料研究进展[J]. 王亚平,胡淑婉,曹峰. 电源技术. 2017(04)
[10]基于复合卷积神经网络的图像去噪算法[J]. 吕永标,赵建伟,曹飞龙. 模式识别与人工智能. 2017(02)
博士论文
[1]动力电池组SOC估算及均衡控制方法研究[D]. 张金龙.天津大学 2012
硕士论文
[1]电动汽车锂离子电池等效电路模型的参数辨识研究[D]. 李思.北京理工大学 2015
[2]基于内阻法的电池健康状态估计技术研究[D]. 易明亮.杭州电子科技大学 2013
[3]MH/Ni动力电池SOC估算方法研究及实现[D]. 骆晶.湘潭大学 2012
[4]备用电力系统中VRLA电池SOC及SOH的在线估计方法研究[D]. 朱晨.北京交通大学 2010
[5]锂离子电池正极材料锂镍氧及其掺杂化合物的制备与研究[D]. 曹辉.中南大学 2004
本文编号：2944399
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2944399.html
