锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文

锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文

ID:10198279

大小:4.40 MB

页数:79页

时间:2018-06-12

锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文_第1页
锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文_第2页
锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文_第3页
锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文_第4页
锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文_第5页
资源描述:

《锂离子电池寿命预测技术研究_成都电子科技大学工学硕士学位论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要摘要随着电动汽车产业化的兴起,锂离子电池在电动汽车领域得到广泛应用,锂离子电池组的有效管理亦成为保障电动汽车性能稳定,安全可靠的关键。荷电状态(,)估计作为电池管理技术的核心,受各种非线性因素的影响,且实时性要求高,成为电池管理的难点。剩余寿命(,)预测作为电池管理的另一重要指标,为保障电池的及时更换提供必要依据。但预测是近年来才开始研究的课题,方法有限且缺乏深入分析比较。基于上述考虑,本文重点进行锂离子电池估计和预测的方法研究,及监测系统的设计,主要完成了以下工作:1.锂离子电池荷电状态估计。由于电池内外部非线性因素的影响,同时考虑到磷酸铁锂电池充放电电压相对变化较小的特点,

2、选择具有自适应学习能力的神经网络作为训练算法。基于稳态放电实验,探讨了电池容量与充放电倍率等因素之间的关系。基于对电池各项参数与内在联系的分析,选择电流和电压作为网络输入,完成神经网络的训练及估计。实验数据表明,提出的算法能达到较好的估计精度。2.锂离子电池剩余寿命预测。本章首先选择了粒子滤波法,支持向量机和自回归滑动平均模型三种方法进行电池预测,根据预测结果比较各自优缺点。进而提出粒子群()优化的自回归()模型,该模型以均方根误差()作为模型的定阶准则,基于算法对模型的定阶方法进行优化。进而结合新陈代谢数据处理技术实现阶数的自适应改变,有效避免了传统模型定阶流程复杂的缺陷。最终数

3、据验证得到了准确的预测趋势并有效提高了预测精度。3.锂离子电池监测系统的设计开发。基于和的研究结果,设计锂离子电池监测系统,以满足锂离子电池管理的主要需求。该系统有效实现了电池电压、电流信号的采集,数据传输,数据存储及上位机显示等功能。通过调用估计及预测的动态链接库程序对电池参数进行分析处理,完成了电池的实时估计和预测,获得较好的估计效果及预测精度。关键词:锂离子电池,估计,神经网络,预测,模型,监测系统IABSTRACTABSTRACTWiththerapidriseoftheindustrializedelectricvehicle(EV),theenergyissuehasb

4、eendrawingwideattentionfrombothacademiaandindustry.Theefficientmanagementofthelithium-ionbatterypackbecomesakeytoensurereliabilityandsecurityofEVs.Asthecoreofbatterymanagement,thestateofcharge(SOC)estimationisoneofthemostdifficultproblemsduetothenonlineareffectsandreal-timerequirement.Ontheoth

5、erhand,theremainingusefullife(RUL)isanothercriticalperformanceindicatorofbatterymanagement,whichguaranteesthetimelyreplacementofbatteries.However,theresearchonRULpredictionhasnotbeenstarteduntilrecentyears,thereforethereislittleexistingworkcanbefound.Basedontheaboveconsiderations,thisthesiscon

6、ductscomprehensivestudyontheSOCandRULproblemsandbatterymonitoringsystemdesign,majorcontributionsaresummarizedasfollows:1.Lithium-ionbatteriesSOCestimation.ConsideringtheexternalandinternalnonlinearfactorsaswellastheobservationthatthevoltageremainsmostlyconstantasSOCchangesduringthecharge/disch

7、argeprocessofLiFePO4battery,thebackpropagation(BP)neuralnetworkmodelischosenasthetrainingalgorithmduetoitsadaptivelearningability.Throughtheconstantcurrentdischargeexperiment,weexploretherelationshipbetweenthebatterycapacityandthecharge

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。