首页> 中文学位 >锂离子电池健康评估及剩余使用寿命预测方法研究
【6h】

锂离子电池健康评估及剩余使用寿命预测方法研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

图表清单

注释表

第一章 绪论

1.1课题研究背景及意义

1.2课题研究现状及发展趋势

1.3 本文研究内容及安排

第二章 锂离子电池实验数据分析

2.1锂离子电池测量数据

2.2 实验数据初步分析

2.3 本章小结

第三章 基于高斯混合模型的锂电池健康评估方法

3.1 锂离子电池原始数据处理

3.2 高斯混合模型健康评估过程

3.3 高斯混合模型健康评估结果

3.4 本章小结

第四章 基于ARIMA和PF的锂电池剩余使用寿命预测方法

4.1 ARIMA模型预测方法

4.2 PF预测

4.3 本章小结

第五章 工作总结和展望

5.1 本文工作总结

5.2 后续工作展望

参考文献

致谢

在学期间的研究成果及发表的学术论文

展开▼

摘要

作为储能装置的锂离子电池,其功能和可靠性正受到越来越多利益相关者的关注,他们包括政府的政策制定者,商业领导,技术研究者,环保团体和广大市民。锂离子电池的失效不仅会造成严重的不便和巨大的损失,也会增加产生灾难性后果的危险性。为了阻止严重后果发生,优化锂离子电池养护策略,我们必须在电池健康监测和预测方面取得突破。
  本文主要研究了以下三方面内容:
  (1)美国宇航局艾姆斯预测数据库锂离子电池数据的分析。分析包括温度对锂离子电池健康的影响,EIS测试对锂离子电池健康造成的影响,放电深度对锂离子健康造成的影响和电池容量衰减趋势中随机性的研究。
  (2)高斯混合模型算法的研究。首先使用PCA方法对正常操作情况下的数据进行特征提取,然后在此特征之上建立GMM高斯混合模型,最后用测试数据经过相同的步骤得到新的GMM高斯混合模型。此新的GMM模型与之前得到的GMM模型之间的距离或相似性表示出了当前电池的健康状态,此距离或相似性用CV(置信值)表示。实验结果令人满意。
  (3)基于ARIMA(差分自回归移动平均模型)和PF(粒子滤波)的锂电池剩余使用寿命预测方法的研究。该方法由ARIMA和PF构成。首先在线对锂离子电池进行监测,然后根据短期预测或长期预测要求选择相应的算法执行,得出横纵坐标分别为周期和容量的RUL预测图。实验结果表明,该预测框架能够快速准确地预测锂离子电池RUL。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号