导读:本文包含了剩余容量论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:剩余,容量,锂离子电池,电池,算法,神经网络,使用寿命。
剩余容量论文文献综述
袁文海,董腾华,王浩彬,马建辉[1]（2019）在《阀控铅酸蓄电池剩余容量在线预估技术研究》一文中研究指出变电站阀控铅酸蓄电池剩余容量是反映蓄电池性能的重要参数。在对比分析现有方法的基础上,提出了一种基于负载电流放电法的蓄电池组容量预估方法。通过对大量蓄电池放电数据分析筛查,拟合出电压下降速率和电压值的对应关系表,提出了利用蓄电池负载短时放电法的蓄电池容量预估递推法,据此开发了蓄电池在线容量和性能测试装置,给出了硬件实现方案及软件流程,并通过在220 kV变电站应用证明了该方法的可行性。(本文来源于《电器与能效管理技术》期刊2019年20期）
杨若岑,冬雷,廖晓钟,王飞[2]（2019）在《电池剩余容量估算方法综述》一文中研究指出为提高二次电池的利用率而将退役电池进行梯次利用,使得对退役电池的性能评估逐渐变得重要。在退役电池的性能评估和在对电池的剩余容量估算中,可求出电池的当前容量,并为退役电池的筛选和梯次利用提供判断依据。本文总结已有的对电池剩余容量估算方式及相关的对电池健康状态、剩余使用寿命的估算,并对电池剩余容量估算的前景做出展望。(本文来源于《电气技术》期刊2019年10期）
丁劲涛,罗美君,呙晓兵,郑先成[3]（2019）在《航空锂离子电池剩余容量及RUL预测建模》一文中研究指出综合考虑环境温度、电流倍率、循环次数和贮存时间等因素的影响,根据实测数据的分析结果,对机载锂离子电池剩余容量的预测进行建模;用基于数据驱动的方法实现对剩余使用寿命(RUL)的预测建模。构建的实验验证平台测试表明,剩余容量预测精度误差不大于3. 74%,RUL预测误差不大于3%,所建立模型的准确性得到验证。(本文来源于《电池》期刊2019年04期）
刘博立[4]（2019）在《利用光伏逆变器剩余容量的配电网本地电压控制策略研究》一文中研究指出分布式光.伏电源的快速发展与应用,不仅缓解了能源危机和环境问题,也给配电网带来了许多电能质量问题。其中,电压越限问题是限制分布式光伏进一步大规模发展的主要原因。考虑到光伏逆变器运行过程中多数时段存在较大的剩余容量,本文旨在利用这些剩余容量为配电网提供无功支撑,解决配电网电压越限问题。建立了含分布式光伏电源的配电网数学模型,推导了分布式光伏电源单点和分散接入输出有功功率对配电网电压分布的影响规律。在此基础上分析了光伏电源输出无功功率对电网电压的影响,为本文利用光伏逆变器剩余容量改善配电网电压质量提供了理论基础。分析了本地电压对于光伏有功功率和无功功率的灵敏度,结合目前常用的光伏并网逆变器控制模型,提出了一种过电压无功优先,欠电压有功优先的本地电压控制策略。并在此基础上,展望未来配电网发展,提出了一种仅采集各光伏电源节点电气参数的多点光伏逆变器的馈线电压优化协调控制策略,该策略可以调用全网逆变器剩余容量,达到电压优化目标。通过给定不同工况对两种策略分别进行了仿真验证。针对目前配电网中已有的分布式电源,设计开发了一套本地电压控制器。控制器实时检测逆变器并网点的电压及并网电流等参数,计算调节电压至合格范围所需的无功功率,同时判定是否需要对有功输出进行削减,并将该无功指令和有功限值通过RS-485通信接口发送给并网逆变器,逆变器根据指令输出相应有功和无功,达到调节配电网电压质量的目的。实验结果表明,开发的本地电压控制器和所提的本地电压控制策略能够有效利用逆变器剩余容量,达到调节电压的目标。(本文来源于《西安理工大学》期刊2019-06-30）
简智敏[5]（2019）在《基于RBF神经网络算法的蓄电池剩余容量估算法》一文中研究指出要实现由独立太阳能供电的路灯系统的合理控制,需要准确预测蓄电池的荷电状态(state of charge,SOC)。由于蓄电池在充放电过程中表现出高度的非线性特性,这使得用传统方法估计蓄电池的荷电状态不甚理想,而神经网络本身具有的非线性特性和很强的自学能力,恰好可以较好地解决这个问题。蓄电池的剩余容量即荷电状态主要受到蓄电池的端电压、工作电流、内阻和温度等因素的影响,构建实验电路,在不同的放电电流的情况下测得这些参数,再构建径向基函数RBF(radial basis function)神经网络模型,将测得的参数作为样本输入网络模型进行训练,训练完成后再进行验证,将估计的结果与实际结果进行对比,证明该方法可行且有效。(本文来源于《装备制造技术》期刊2019年05期）
乔正明[6]（2019）在《基于反向累加灰色模型的铅酸电池剩余容量预测》一文中研究指出针对铅酸电池剩余容量存在随温度、电解液浓度等外部条件而产生周期性变化而难以预测的特点,本文通过计算机模拟将反向累加离散灰色模型应用于铅酸电池剩余容量的预测中,结果表明:该预测结果的稳定性和精度明显提高,能够实现铅酸电池剩余容量的长期精度预测评估。(本文来源于《山东农业大学学报(自然科学版)》期刊2019年05期）
曾杨,魏明明,胡沁[7]（2019）在《区域气象站蓄电池剩余容量预测算法分析》一文中研究指出为了解决目前区域气象站维护业务中缺乏关于蓄电池剩余容量的有效监测手段等问题,开展了相关研究工作。首先通过电压测量法得到区域站蓄电池电压变化曲线,并采用二次多项式部分拟合作为其剩余容量的预测算法;然后利用MATLAB脚本代码计算得出基于试验样本的拟合最优参数;最后根据设定的计算模型和相关参数,开发了蓄电池剩余容量监测软件。经测试,预测误差值小于10%,该软件能够及时向维护人员提供蓄电池的有效监测信息及预测信息。(本文来源于《电子测量技术》期刊2019年03期）
谢文强[8]（2019）在《遗传算法优化BP网络的锂电池剩余容量预测》一文中研究指出为了有效地对锂电池剩余容量进行预测,在分析了BP神经网络对剩余容量模型非线性回归基础上,针对BP算法预测迭代速度慢且易出现局部最优的问题,提出了一种基于遗传算法(GA)优化BP神经网络的算法。遗传算法具有较强劲的全局搜索能力,将其应用到BP神经网络的参数寻优当中,可以寻找到BP网络的最优参数。将该模型应用于锂离子电池剩余容量的预测,并将生成的模型与单独使用BP神经网络的预测模型比较。仿真结果表明,基于遗传算法优化的BP神经网络剩余容量预测的精准度高于单独使用BP网络剩余容量预测的精准度,为锂离子电池容量预测提供了一种新方法。(本文来源于《仪表技术》期刊2019年01期）
谢建刚,李其仲,黄妙华,王树坤[9]（2018）在《锂离子电池剩余容量与剩余寿命预测》一文中研究指出锂离子电池具有优异的性能,在电动汽车中得到广泛应用。剩余容量和剩余寿命预测是电池健康管理的关键所在。支持向量回归机(support vector regression,SVR)作为一种具有良好的非线性、泛化性的预测算法,能有效提高锂离子电池剩余容量和剩余寿命的预测精度。在分析SVR算法原理的基础上,提出了一种基于蚁群算法(ant colony optimization,ACO)的参数优化方法,增强了SVR关键参数全局最优搜索能力,改善了SVR算法的预测能力。与基于网格搜索的SVR算法预测结果比较,仿真结果表明:改进ACO_SVR算法有更好的预测精度,能为电池管理系统提供可靠的数据。(本文来源于《电源技术》期刊2018年10期）
严仁远[10]（2018）在《考虑容量恢复效应的锂离子电池剩余寿命预测》一文中研究指出本文的主要研究目是解决当前锂离子电池剩余寿命预测中普遍忽视搁置时容量恢复效应的问题,通过对电池容量变化模式的区分建立多模式模型获得更加准确的寿命预测结果。使用智能算法对模型参数进行了优化,提升了整体精确度。同时考虑到仪器误差与模型误差使用了粒子滤波算法获得了预测结果的不确定性表达。主要内容与结论如下:(1)总结了当前锂离子电池寿命预测的主要方法,分析了各自的优点与缺点,总结了锂离子电池的工作机理、失效机理与容量恢复机理,分析了在过往的剩余寿命预测中不考虑电池容量恢复带来的预测误差。对NASA的电池寿命实验数据进行了可视化处理与分析发现了叁种容量变化模式,可以完整解释电池容量的变化过程;(2)对叁种容量变化模式进行分别建模,发现底层容量符合线性变化规律,容量的恢复量是修复时间的指数函数,表层容量的衰退符合随循环累计时间的成比例衰退,并认为底层容量更能代表电池的实际寿命状态。整合建立多模式模型,在NASA#5、6号电池中的拟合效果良好,应用于#18号电池衰退数据进行简单预测并且与其他2个广泛使用的模型进行了对比,结果验证了模型的优越性;(3)考虑到局部最优与全局最优的差别,利用遗传算法与人群搜索算法等智能算法对多模式模型进行了参数优化。两者均获得了更好的预测效果,但拥有邻近搜索能力的人群搜索算法在搜索速度与拟合优度上更具优势;(4)考虑到测量误差与模型误差的存在,使用粒子滤波对电池进行寿命预测,结果显示误差仅有2个循环,预测效果良好,且获得了剩余寿命的概率分布,对于电池寿命维护更有指导意义。(本文来源于《浙江大学》期刊2018-03-01）
剩余容量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高二次电池的利用率而将退役电池进行梯次利用,使得对退役电池的性能评估逐渐变得重要。在退役电池的性能评估和在对电池的剩余容量估算中,可求出电池的当前容量,并为退役电池的筛选和梯次利用提供判断依据。本文总结已有的对电池剩余容量估算方式及相关的对电池健康状态、剩余使用寿命的估算,并对电池剩余容量估算的前景做出展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
剩余容量论文参考文献
[1].袁文海,董腾华,王浩彬,马建辉.阀控铅酸蓄电池剩余容量在线预估技术研究[J].电器与能效管理技术.2019
[2].杨若岑,冬雷,廖晓钟,王飞.电池剩余容量估算方法综述[J].电气技术.2019
[3].丁劲涛,罗美君,呙晓兵,郑先成.航空锂离子电池剩余容量及RUL预测建模[J].电池.2019
[4].刘博立.利用光伏逆变器剩余容量的配电网本地电压控制策略研究[D].西安理工大学.2019
[5].简智敏.基于RBF神经网络算法的蓄电池剩余容量估算法[J].装备制造技术.2019
[6].乔正明.基于反向累加灰色模型的铅酸电池剩余容量预测[J].山东农业大学学报(自然科学版).2019
[7].曾杨,魏明明,胡沁.区域气象站蓄电池剩余容量预测算法分析[J].电子测量技术.2019
[8].谢文强.遗传算法优化BP网络的锂电池剩余容量预测[J].仪表技术.2019
[9].谢建刚,李其仲,黄妙华,王树坤.锂离子电池剩余容量与剩余寿命预测[J].电源技术.2018
[10].严仁远.考虑容量恢复效应的锂离子电池剩余寿命预测[D].浙江大学.2018
论文知识图
