导读:本文包含了电池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,电池,锂离子电池,算法,神经网络,使用寿命。
电池剩余容量论文文献综述
杨若岑,冬雷,廖晓钟,王飞[1]（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[2]（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）
乔正明[3]（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）
谢文强[4]（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[5]（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[6]（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）
王丰伟[7]（2017）在《退役动力电池剩余容量梯次利用的关键技术研究》一文中研究指出近年来,随着环境问题的日溢严峻,人类的居住环境问题日渐突出,世界各地如何更好的进行环境保护已成为当今各国共同的研究方向。新能源成为环保项目的主力军,新能源汽车也应运而生。作为核心部件的电池,人们的研究方向往往侧重于如何更高的提高性能。而通过相关数据显示,锂电池的容量衰减到了初始容量的80%以下,电动汽车的续航里程明显减少时,将面临淘汰的问题。因此作为核心部件的锂电池的平均使用寿命仅为3~5年。尽管其不适用于车载续航,但其储能能力仍有着巨大的实用价值,并且如果就此废弃,不仅是资源的浪费,而且锂电池正负极材料和电解质等如果不能良好的处理也会对环境造成重大影响,这就违背了新能源技术应用的初衷。如何提高锂电池的安全性,如何回收锂电池再利用,是解决当今环保问题及新能源技术发展的重中之重,也是亟待解决的问题。本论文首先从概念方面的内容,主要介绍电动汽车发展概况和发展趋势,我国电动汽车发展思路及政策支持。解释说明了动力电池梯次利用技术发展的第一步,基本动力电池分选方法、以及一些重要的性能指标,然后对电池性能的衰减特性进行分析,并且对退役电池进行风险评估与失效分析。然后强调了寿命预判的重要性,总结归纳现如今常用的一些荷电状态(State-Of-Charge,SOC)和寿命状态(State-of-Health,SOH)的估测方法,然后根据剩余寿命(remaining useful life,RUL)预测的方式,从原理上设计一个可以上传、远程获取数据的退役电池管理系统。最后对独立电池供电的组合级联式储能系统中电池SOC不均衡问题,提出两种可以实现差异化充放电的级联方式,并对其中一种基于特征谐波消除PWM方法进行深入的论证。当检测到各电池SOC不均衡时,采用差异化充放电控制使各电池SOC趋于一致;当电池SOC达到均衡时,切换到同步充放电的移相SPWM控制。该方法提高了整个组合级联式储能系统的可用率和储能系统的有效容量,改善了储能系统的电能质量。文中推导了差异化充放电控制方法的原理,给出了切换条件。在PSCAD/EMTDC中建立了组合级联式储能系统模型,验证所提出的电池自均衡控制策略的有效性。(本文来源于《沈阳工程学院》期刊2017-03-25）
王树坤,黄妙华,刘安康,刘泽明[8]（2016）在《基于GA-SVR模型的锂离子电池剩余容量预测》一文中研究指出基于GA-SVR算法进行了电动汽车锂离子电池剩余容量预测研究。首先阐述了支持向量回归机(SVR)的基本原理,其次利用遗传算法(GA)对SVR关键参数进行全局寻优,提高了SVR预测电池剩余寿命的精度;最后,建立GA-SVR模型,利用NASA PCoE研究中心电池数据进行预测试验,与标准SVR、基于网格搜索的SVR算法预测结果进行了对比,结果表明,GA-SVR算法具有更好的预测精度和更强的泛化性。(本文来源于《汽车技术》期刊2016年10期）
李珣[9]（2016）在《一种电池剩余容量估算方法》一文中研究指出简介1 BMS系统及常见的电池容量估算方法日益严峻的环境污染和能源危机,加速了电动车(EV)和混合动力车(HEV)的普及与发展。在电动车和混动车的使用过程中,电池管理系统(Battary Management System,简称"BMS")是电池与驾驶者之间的纽带。BMS通常由主控单元、从控单元、均衡单元、电量采集单元、SOC(本文来源于《今日电子》期刊2016年07期）
陈林[10]（2016）在《锂电池在线监测及剩余容量预测研究》一文中研究指出锂电池具有体积小、电压高、比容量高、安全性高、环保性好和无污染性的特点使其在各个领域的应用越来越广泛。但是电池的性能和价格成为影响这些产品的主要"瓶颈”。为了更有效和科学的使用电池,急需设计电池在线监测系统和精确地预测电池剩余容量。基于这种现实考虑,本文用STC12C5A60S2单片机和Lab VIEW软件平台开发出一套实时监测锂电池信息的系统。监测系统采集放电电流与电池两端的电压值,然后经过计算得到剩余容量,并将这些参数在上位机Lab VIEW用户界面进行显示和存储。本文阐述了锂电池的组成和工作原理,详细分析了其工作过程中的充放电特性。本文总结了现在常用的几种电池剩余容量的预测方法,并在此基础上结合电池在生活中真实的工作过程,给出了本文的预测方法,该方法利用电池在使用中处于不同的阶段,采用不同的预测方法。本文利用开路电压法、安时积分法和BP(back propagation)神经网络法分别对电池不同阶段的剩余容量进行预测。为了模拟锂电池的动态使用过程,放电实验选用相同型号的不同新旧程度的两块锂电池,实验数据作为BP神经网络的样本数据。由于BP神经网络也存在不足之处,为了使得估计结果更加精确,网络的收敛速度更快,要对BP神经网络进行改进。然后利用MATLAB建立锂电池剩余容量预测模型,BP网络经过不断的学习,使得估计的结果逐渐逼近实际值。实验结果表明LM算法比附加动量法对BP网络的优化结果更适于锂电池SOC估计问题;本系统具备实时显示电池参数和数据保存的功能,并能对电池SOC进行动态预测;本文的预测方法实现了电池输入与输出之间的高度非线性映射,预测精度高,具有可行性。(本文来源于《安徽师范大学》期刊2016-05-01）
电池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：
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。
（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。
电池剩余容量论文参考文献
[1].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
[2].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
[3].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
[4].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
[5].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
[6].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
[7].王丰伟.退役动力电池剩余容量梯次利用的关键技术研究[D].沈阳工程学院.2017
[8].王树坤,黄妙华,刘安康,刘泽明.基于GA-SVR模型的锂离子电池剩余容量预测[J].汽车技术.2016
[9].李珣.一种电池剩余容量估算方法[J].今日电子.2016
[10].陈林.锂电池在线监测及剩余容量预测研究[D].安徽师范大学.2016
论文知识图
