Print

基于短时搁置端电压压降的快速锂离子电池健康状态预测

论文摘要

最大可用容量是衡量锂离子电池寿命状态的重要依据。在分析电池寿命实验和开路电压实验特性的基础上,提出一种能够表征锂离子电池最大可用容量的健康因子。由于该健康因子仅利用电池充电或放电至某电压后,搁置10min内端电压压降信息,与传统方法相比,不限制电池的运行工况,能够快速预测电池健康状态,且获取健康因子时不需要对电池放电。论文进一步采用多种神经网络回归预测方法,建立健康因子与电池可用容量和寿命状态之间的关系,在对实验结果进行比较分析的基础上,提出一种加权混合神经网络模型。实验结果表明,所提出的健康因子能够用于表征电池寿命状态,且对实验工况有较强的鲁棒性,提出的加权混合神经网络模型能够获得高精度健康状态预测结果。

论文目录

  • 0 引言
  • 1 构建健康因子
  •   1.1 实验平台和实验对象
  •   1.2 实验过程
  •   1.3 实验结果和分析
  •   1.4 构建健康因子
  • 2 人工神经网络回归预测算法
  •   2.1 BP神经网络
  •   2.2 小波神经网络
  •   2.3 RBF神经网络
  •   2.4 GRNN神经网络
  • 3 预测结果与分析
  •   3.1 预测结果对比分析
  •   3.2 加权混合神经网络
  •   3.3 工况验证和分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 郭永芳,黄凯,李志刚

    关键词: 锂离子电池,端电压压降,寿命状态,回归预测

    来源: 电工技术学报 2019年19期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 河北工业大学人工智能与数据科学学院,省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)

    基金: 国家自然科学基金（51377044）,河北省自然科学基金重点项目（E2017202284）,河北省教育厅青年基金（QN2017314,QN2017316）资助项目

    分类号: TM912

    DOI: 10.19595/j.cnki.1000-6753.tces.181206

    页码: 3968-3978

    总页数: 11

    文件大小: 2126K

    下载量: 382

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/6923462fdf068d7061dacf98.html