基于数据驱动的锂离子电池健康状态预测研究开题报告

 2021-12-27 21:58:08

全文总字数:5838字

1. 研究目的与意义(文献综述)

1.1 研究背景、目的及意义

随着化石能源消耗不断增加,环境污染也不断加剧,各行各业均面临发展绿色低碳和节能减排的挑战。船舶运输总量大,里程长,污染物排放量也十分巨大。据交通运输部统计,我国沿海船舶总排放量可占全球总污染物排放量的10%,氮氧化物排放占国家总排放量的8.9%,而污染排放来源就是船用柴油动力系统。在此背景下,电推船和混合动力船舶受到了人们的高度关注和青睐,而电池在船舶上的应用也成为了当下的研究热点。

锂离子电池具有工作电压可变范围大、能量密度高、无记忆效应、电化学性稳定、环境污染小、循环寿命长等优点,已经广泛应用到了各种领域。目前单节锂离子电池循环寿命均可达2000次以上,高的可达3000次以上。此外锂离子电池自放电率很小,在室温环境下充满电,一个月的自放电率仅2%左右,远低于其他类型电池。锂离子电池的工作温度在-25~45℃间,高低温性能比较优异 [1]。这些特质让锂离子电池十分适合在船舶上使用。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

2.1 研究内容及目标

本课题拟采取数据驱动预测法,对锂离子电池充放电循环进行数据分析和特征提取,避开电池容量、内阻和内部温度等实际难以测量的参数,提取等压降放电时间为健康因子。以健康因子与容量之间的线性关系和容量衰减经验模型为基础,结合高斯过程回归模型和粒子滤波算法,创建可行性好、适应性强的soh估计方法,进而实现rul的准确预测。

具体的研究内容如下:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

1-3周,查阅国内外文献,了解课题背景,学习本领域的研究方法,形成研究思路,撰写开题报告;搜集英文翻译原文材料。

4-7周,学习matlab编程;学习贝叶斯线性回归,贝叶斯滤波理论,卡尔曼滤波框架,粒子滤波,高斯过程回归;完成翻译工作。

8-10周,完成编程工作:基于nasa的公开数据集,提取锂离子电池容量、及各相关数据,编程计算rul真实值;编写粒子滤波算法代码,gpr模型构建及训练的代码;编写计算rul预测值的代码;计算容量预测值与真实值之间的、rmse和mape的代码。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]王帅. 数据驱动的锂离子电池剩余寿命预测方法研究[d].哈尔滨工业大学,2017.

[2] zhang j, lee j. a review on prognostics and health monitoring of li-ionbattery[j]. journal of power sources, 2011, 196(15):6007-6014.

[3] wei he, nicholas williard, michael osterman and michael pecht.prognosticsof lithium-ionbatteriesbased ondempster-shafertheory andthebayesian monte carlo method[j].journal of power sources 196(2011) 10314-10321.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。