基于新健康指标的锂离子电池剩余寿命预测
随着环境污染和能源短缺问题的日趋严重,并且根据《中国制造2025》政策中对发展节能与新能源汽车的要求,发展电动汽车已经成为未来交通的必然趋势。锂离子电池目前为电动汽车的主要供能设备,为避免电动汽车因锂离子电池寿命衰退至失效阈值而发生故障,科学准确地预测锂离子电池剩余使用寿命(RUL)成为了电池管理系统(BMS)中关键技术之一。本课题针对锂离子电池RUL预测重点完成如下几个工作:首先,深入研究了锂离子电池劣化机理。本文从锂离子电池内部结构出发,分析引起其老化的内部因素,同时给出影响其RUL的5个外部因素并分别对它们进行分析,引出锂离子电池的2个直接健康指标,并对它们进行分析介绍。其次,基于锂离子电池充电数据提取了一个新健康指标(HI)来预测电池RUL。本文为解决在线预测锂离子电池RUL时直接测量其实际容量比较困难的问题,通过分析NASA PCoE中心和马里兰大学CALCE中心提供的锂离子电池数据,提出一种基于锂离子电池充电数据的HI提取和优化的方法框架;同时使用Pearson相关性分析法和Spearman秩相关分析法分析容量与提取的HI之间的相关性,并利用Box-Cox变换方法对提取的HI进行优化;最后基于提取的新HI实现电池容量的准确估计。最后,建立了基于粒子群优化(PSO)的多核支持向量机(MSVM)模型,成功完成对锂离子电池RUL的准确预测。本文为解决支持向量机(SVM)模型采用传统的单核核函数导致预测精度低并且泛化性弱的问题,提出一种基于多项式核和径向基核凸组合形式的MSVM;并且使用PSO算法完成对MSVM模型参数的优化,提高了模型的预测精度;最后基于NASA PCoE中心以及马里兰大学CALCE中心电池实验数据对模型进行验证,验证结果显示,基于PSO算法优化的MSVM模型的预测精度及泛化性都得到了很好的提高。本文提出的新HI和PSO-MSVM模型可以为电池的安全管理和其它安全系统提供可靠的数据,并且可以成功完成对锂离子电池RUL的准确预测。本课题研究对电动汽车BMS开发具有一定的参考价值。
[关键词]：
健康指标;多核支持向量机;粒子群优化;容量估计;锂离子电池剩余寿命
[文献类型]： 硕士论文
[文献出处]：
武汉理工大学2018年
相关知识
基于机器学习的锂离子电池健康状态与剩余寿命预测
锂离子电池健康状态评估及剩余寿命预测方法
基于数据驱动的锂离子电池健康状态估计和剩余使用寿命预测
基于新健康因子的锂电池健康状态估计和剩余寿命预测
多类型锂离子电池组管理系统的健康状态和剩余寿命预测方法.pdf
锂离子电池健康评估和寿命预测综述
河北工业大学科研人员提出锂离子电池寿命预测的新方法
锂离子电池荷电状态估计及寿命预测方法研究
锂离子电池寿命测试与健康状态估计
锂离子电池健康和寿命预测新突破：里程修正与图像化数据的应用
网址: 基于新健康指标的锂离子电池剩余寿命预测 https://m.trfsz.com/newsview1388265.html
