检索结果-南通市图书馆

电工技术学报 2021年第17期36卷 3705-3720页

作者：韩乔妮姜帆程泽天津大学电气自动化与信息工程学院天津300072

通过研究锂离子电池的容量退化与充放电过程中电流、电压、温度等参数的变化趋势的关系,提出一种不同温度条件下基于锂离子电池间接健康特征(IHF)和改进高斯过程回归(IGPR)模型的电池健康状态(SOH)预测方法。针对变温度预测时IHF提取问... 详细信息

通过研究锂离子电池的容量退化与充放电过程中电流、电压、温度等参数的变化趋势的关系,提出一种不同温度条件下基于锂离子电池间接健康特征(IHF)和改进高斯过程回归(IGPR)模型的电池健康状态(SOH)预测方法。针对变温度预测时IHF提取问题,在充放电阶段自适应地提取电压、时间曲线中的健康特征(HF),采用随机数法获取最优的区间。针对容量再生问题,以有理二次协为核函数建立SOH预测的高斯过程回归(GPR)模型,并引用共轭梯度算法优化GPR模型。最后,以方均根误差(RMSE)和平均绝对百分比误差(MAPE)两项评价指标对所提出的框架在电池数据集上设计了单电池、多电池实验进行验证。结果表明:基于常温下等充电时间电压差(CVD-ETS)与高(低)温下等压降放电时间(DTD-EVS)的IGPR方法可以预测锂离子电池容量退化的非线性趋势,所提方法具有小样本性以及较高的预测精度与广泛的适用性。

关键词：间接健康特征改进高斯过程回归容量退化锂离子电池健康状态预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于锂离子电池状态参数建模与估计框架的研究

基于锂离子电池状态参数建模与估计框架的研究

引用

作者：姜帆天津大学

学位级别：硕士

作为新能源汽车的能量之源,锂离子电池以其高能量密度、低自放电率、零污染等显著优势得到了日益广泛的应用。为保证锂离子电池运行的可靠性及安全性,对其配备智能且高效的电池管理系统并进行实时的故障预测和健康管理至关重要。其中,... 详细信息

作为新能源汽车的能量之源,锂离子电池以其高能量密度、低自放电率、零污染等显著优势得到了日益广泛的应用。为保证锂离子电池运行的可靠性及安全性,对其配备智能且高效的电池管理系统并进行实时的故障预测和健康管理至关重要。其中,锂电池的健康状态估计(State of Health,SOH)和荷电状态估计(State of Charge,SOC)是电池管理系统最核心的内容。然而,在锂电池的SOH、SOC的建模及联合估计的研究中,仍面临着健康特征(Health Features,HFs)相关信息提取困难、模型适用性差、精度低、联合估计研究较少等一系列问题。鉴于此,本文开展了锂离子电池状态参数建模及估计框架的研究,主要研究内容如下:(1)对锂电池可测量参数的变化趋势与容量衰减进行数据挖掘与关联度分析,构建了基于充放电阶段HFs的提取方法。在锂电池充电阶段提取了容量增量曲线的峰值高度、电压位置、最大斜率及峰值积分4类6维HFs,放电阶段从电压时间,温度时间中提取了3维HFs信息,利用遍历搜索和主成分分析等方法对上述阶段的HFs进行优化,得到了适应复杂工况且无需参数辨识工作的HFs。(2)为描述电池容量退化的非线性、动态变化且伴随容量再生的趋势,提出了一种基于改进高斯过程回归(Improved Guassian Process Regression,IGPR)模型及混合模型的SOH估计框架。首先以放电阶段的HFs作为输入,参考SOH作为输出,训练IGPR模型。同时,为补充以上模型在先验信息较少时实验结果发散的不足,建立了基于双指数经验退化模型和IGPR混合模型的SOH估计框架。最后,在两个数据集上对两种SOH估计模型进行验证,证明了混合模型在50%的先验信息下的优越性。(3)为实现不同时间尺度下锂电池系统的状态估计,提出了一阶等效电路模型-改进粒子滤波-IGPR的锂离子电池SOC及SOH联合估计框架。首先,以充电阶段的HFs为输入建立电池老化的IGPR模型,同时,基于参数辨识结果及SIMULINK验证,建立系统状态方程和观测方程模型,并结合改进粒子滤波算法对后一周期的SOC更新,实现SOC及SOH的联合长期估计。最后,通过牛津大学数据集的仿真验证实验,证明了该联合估计框架的准确性和适用性。

关键词：锂离子电池健康状态估计 SOC和SOH联合估计健康特征改进粒子滤波改进高斯过程回归

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

锂离子电池荷电状态在线估计与健康状态预测研究

锂离子电池荷电状态在线估计与健康状态预测研究

引用

作者：宋诗语中南大学

学位级别：硕士

可靠高效的电池管理系统能够充分发挥锂离子电池的优势,并确保锂离子电池在安全范围内运行。荷电状态估计及健康状态预测是电池管理系统的关键技术,然而受运行过程中的锂离子电池内部化学反应、外部环境及复杂工况影响,获得准确的荷电... 详细信息

可靠高效的电池管理系统能够充分发挥锂离子电池的优势,并确保锂离子电池在安全范围内运行。荷电状态估计及健康状态预测是电池管理系统的关键技术,然而受运行过程中的锂离子电池内部化学反应、外部环境及复杂工况影响,获得准确的荷电状态估计及健康状态预测结果十分具有挑战性。因此本文主要对锂离子电池的荷电状态估计及健康状态预测方法进行研究,具体内容如下:首先,为提高锂离子电池荷电状态估计精度,本文提出一种基于自适应扩展卡尔曼粒子滤波的方法。对于锂离子电池的二阶RC等效电路模型,利用可变遗忘因子递归最小二乘法对其参数进行在线辨识,该方法引入了开窗理论,使遗忘因子能够根据误差自适应地变化,提高了参数辨识结果的精度。基于在线参数辨识结果,利用自适应扩展卡尔曼粒子滤波算法对锂离子电池的荷电状态进行估计,该算法相较自适应扩展卡尔曼滤波能够适应更为广泛的噪声,相较粒子滤波在改善粒子退化现象的同时保证了粒子的多样性。其次,为提高锂离子电池健康状态预测精度,本文提出一种基于改进高斯过程回归的方法。将电流、电压、温度以及降噪后的增量容量曲线作为可测变量,从中提取出全面的健康特征。利用皮尔逊相关系数对提取出的健康特征进行筛选,主成分分析法对筛选后的健康特征进行融合优化,从而降低健康特征复杂度。将融合优化后的健康特征作为输入,健康状态作为输出,基于改进高斯过程回归算法实现锂离子电池健康状态的预测。改进高斯过程回归算法引入了粒子群优化算法对超参数寻优,改善了高斯过程回归算法超参数易陷入局部最优解的问题。最后,基于美国NASA艾姆斯测试中心及马里兰大学CACLE电池研究组的锂离子电池数据集,验证本文所提出方法的准确性。图49幅,表16个,参考文献69篇

关键词：锂离子电池荷电状态估计健康状态预测自适应扩展卡尔曼粒子滤波改进高斯过程回归

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：